我最近分享了一份麥格理的估算，突顯了美國與中國在AI電力規劃上的規模差距： 到2030年，中國所需的AI相關電力僅相當於過去五年新增電力的1–5%；而美國則需要50–70%。 換句話說，中國已經新增了其AI建設所需電力的20倍，而美國面臨著更陡峭的攀升。 這也與我在八月所說的相符——中國在短期內已經在很大程度上“解決”了AI電力供應的問題。而像薩提亞·納德拉這樣的行業領袖現在也在公開說出這個不言而喻的事實：真正的AI瓶頸正在從GPU轉向電力和充能數據中心。 對於那些關注更深層結構差異的人，這裡是我們在維金研究的朋友們最近分析中的關鍵點： 1. 電力差距 - 2023年新增：美國51 GW vs. 中國429 GW（8倍）。 - 中國的發電量超過9000 TWh，是美國的兩倍多。 - 大規模AI現在依賴於物理電力的可用性。 2. 效率差異 - 中國的挑戰不是供應，而是電力轉換為計算的效率。 - 華為的系統在FLOPs上可以與Nvidia相媲美，但每單位計算所需的能量卻超過100%。 - 在一種情境下（CloudMatrix vs. GB200），中國的每FLOP電力成本達到美國的約140%，儘管電力成本較低。 3. 為什麼這很重要 在AI時代，電力、電網設計和計算效率正逐漸成為核心國家能力。 這也是為什麼在@techbuzzchina我們計劃在2026年1月舉辦一次前往中國的新能源之旅，並計劃在年內進行其他項目。理解能源系統——電網、傳輸、儲存、太陽能，以及AI如何嵌入其中——對於理解計算的未來變得至關重要。中國公司也意識到了這一點——他們正在迅速推動其技術的全堆疊出口。 相關文章的鏈接在下面的評論中。