在人工智能领域，当多数人还在聚焦芯片制程的突破、模型参数的优化以及算法效率的提升时，埃隆·马斯克却提出了一个别具一格的观点：未来AI算力竞争的关键，并非芯片，而是电力。并且，他指出中国在这一方面已经构建起了难以动摇的优势。
在一档科技播客节目里，马斯克直言，随着人工智能模型规模持续扩大、训练频率呈指数级增长，电力基础设施将成为决定一个国家AI竞争力的重要因素。现代AI数据中心的耗电量十分惊人，其用电量已经接近甚至超过一座中小城市的用电规模。而且，算力的实现并非简单购置芯片就行，还需要长期、稳定且不间断的电力供应。
马斯克特别强调，在全球主要经济体中，唯有中国同时具备两种关键能力。一是能够满足超大型AI数据中心的庞大用电需求；二是在满足数据中心用电的同时，不会挤占居民和工业的基础用电。
为了进一步说明问题，马斯克给出了一个极具冲击力的数据对比。到2026年，中国的年度发电量预计将达到美国的约三倍。这一数据背后蕴含着巨大意义，它意味着中国有足够的电力来长期支撑数百万台高性能服务器持续运行。在芯片供应条件相近的情况下，中国实际上拥有更高的“可用算力”。也就是说，真正限制AI发展的，并非算力的上限，而是电力的下限。
高盛的能源市场研究也印证了马斯克的观点。高盛指出，到2030年，中国的备用电力容量将达到约400吉瓦，这一数字相当于全球数据中心总需求的三倍以上。如此庞大的备用电力容量，使中国不仅能够轻松消化AI产业扩张带来的用电激增，还能同时支撑制造业升级、新能源体系发展以及电动汽车的全面普及。与之形成鲜明对比的是，美国的数据中心电力缺口正以每年15%的速度扩大。高盛测算，如果能源基础设施投资不能同步跟上，美国AI的发展速度可能会被迫放缓20%以上。
如今，越来越多的科技巨头开始重视电力在AI发展中的重要性，将其与芯片放在同等重要的位置。OpenAI的萨姆·阿尔特曼曾公开呼吁，美国应将能源投资提升到与芯片研发同等的战略高度，因为“电力就是数字时代的新石油”。英伟达的黄仁勋则从成本角度分析，由于中国电价较低且供电稳定，中国数据中心的单次模型训练成本可降低约40%，这一差距在长期的算力竞争中具有决定性意义。摩根士丹利在最新报告中，更是将美国数据中心电力缺口预测上调35%，明确指出基础设施，而非技术本身，正在成为AI突破的瓶颈。
资本市场的反应十分迅速，多家投资机构发现，全球科技巨头正在重新评估算力布局的地理选择。能够提供长期、稳定、低成本供电的地区，正成为新的投资热点。有跨国云服务商的内部文件显示，原计划在欧洲建设的三个超级计算中心已暂停推进，相关资源正转向中国西部水电资源丰富的地区，这已经成为一种趋势。
AI竞争的规则正在悄然改变。过去，AI竞赛主要围绕算法、芯片和人才展开；而如今，竞争的公式逐渐演变为算法、芯片、电力以及基础设施韧性的综合较量。在这一新的竞争规则下，马斯克的判断切中要害：谁掌握了电力，谁就掌握了AI的长期发展上限。从目前的形势来看，中国已经提前迈入了这一新的发展阶段。
