全球人工智能竞赛通常被描述为围绕芯片、人才和模型的较量。而北京正把重注押在一种不那么光鲜的投入上:电力。这一视角之所以重要,是因为训练和运行大型AI模型是高耗能工作,获取廉价、可靠的电力已与芯片和人才一样,成为一种战略性投入。

据彭博社报道,中国意在利用其充裕的清洁能源在AI领域取得主导地位。这一建设规模令人瞩目。2022年至2025年间,中国新增的发电装机容量超过了整个美国电力系统的总容量——这不是与美国某一年的新增量相比,而是与美国全国电网的总容量相比。

把算力迁往电力所在地

这一战略的核心是一项名为“东数西算”的政府工程。该工程应对的是一个基本的地理错配:数据需求集中在中国拥挤的东部城市,而廉价的电力却在西部。北京的选择不是把电力东送,而是把算力迁往电力所在地。其逻辑遵循一个简单的成本现实:电力是数据中心最大的经常性运营支出之一,因此设施选址日益跟随廉价电力而动。

中国西部地区太阳能、风能和水电资源丰富。设在当地的数据中心理论上可以用更便宜、更清洁的电力运行AI工作负载。为统筹推进,中国已设立八大国家算力枢纽节点和十个数据中心集群——这些指定区域旨在按照电力充裕且廉价的布局,跨区域分配算力资源。

根据这一战略,新建数据中心的电力必须有超过80%来自清洁能源。该计划还依赖扩大核能规模,以及建设旨在以更低损耗远距离输电的特高压输电线路。

高耗电背后的数字

数据中心目前约占中国电力消费的1.68%,预计到2030年这一比例将升至3%。这一轨迹反映了AI基础设施本身的特性:由高功率密度加速器组成的集群几乎全天候运行,其耗电量远高于承载日常网络和云服务的传统服务器。

计划面临的复杂之处

中国的可再生能源扩张面临一个已知的瓶颈:输电基础设施建设未能跟上发电增长。偏远省份生产的清洁电力,如果电网无法输送、或当地没有足够的需求来消纳,就难以发挥价值——业内将这种缺口称为“弃电”,即可再生能源发电因无法在产出之时、之就地输送或消纳而被闲置。彭博社报道称,这些电力能否有效调动以服务AI,仍存在实实在在的疑问。

数据中心需要全天候稳定、可靠的电力。太阳能和风能无法全天候供应。水电可能更为稳定,但取决于地区和季节。核电和长距离输电是解决方案的一部分,但两者建设都需要时间。

距离本身也是一把双刃剑。把算力放在西部降低了电力成本,但服务器也因此离依赖它们的东部用户和企业更远。这一权衡还与AI工作负载的差异相关:模型训练和批处理对距离的容忍度远高于对延迟敏感的服务,这使得西部布局对某些计算任务比其他任务更为合适。

这意味着什么

80%清洁电力的要求通过政策将AI增长与可再生能源增长绑定在一起。如果这一规定得以执行,每一座新数据中心都将成为西部风能、太阳能和水电产出的又一个客户。

接下来需要关注的是:特高压输电和核电容量能否扩张得足够快以稳定供应;八大枢纽节点和十个集群能否吸引到实质性的AI活动;以及数据中心量是否朝着2030年3%的预期轨迹演进。