全球人工智慧競賽通常被視為晶片、人才和模型的較量。北京則在一項較不起眼的投入上押下重注：電力。這個框架之所以重要，是因為訓練和運行大型AI模型是高度耗能的工作，使得取得廉價且可靠的電力，成為與晶片和人才並列的策略性投入。

根據彭博報導，中國旨在利用其豐富的清潔能源在AI領域取得主導地位。建設規模相當驚人。從2022年到2025年，中國新增的發電容量超過了整個美國電力系統的總量——這不是與美國單一年份的新增量相比，而是與全美電網的總容量相比。

將運算搬到電力所在之處

這項策略的核心是一項名為「東數西算」的政府計畫。該計畫回應了一個基本的地理錯配：數據需求集中在中國擁擠的東部城市，而廉價電力卻位於西部。北京不打算把所有電力輸送到東部，而是希望將運算搬到電力所在之處。其邏輯基於一個簡單的成本現實：電費是數據中心最大的經常性營運支出之一，因此設施選址越來越跟隨廉價發電資源。

中國西部地區蘊藏豐富的太陽能、風能和水力資源。設置在當地的數據中心，理論上可以使用更便宜、更清潔的電力來運行AI工作負載。為了統籌這項工作，中國設立了八個國家算力樞紐和10個數據中心叢集——這些指定區域旨在按照電力充足且價格實惠的地點，將運算資源分配到各個區域。

根據這項策略，新建數據中心必須有超過80%的電力來自清潔能源。該計畫還依賴擴大核能發電，以及建設特高壓輸電線路，其設計目的是以更低的損耗將電力輸送到極遠的距離。

龐大需求背後的數字

數據中心目前約佔中國電力消費的1.68%，預計到2030年這一比例將達到3%。這一趨勢反映了AI基礎設施本身的特性：近乎連續運行的高功率密度加速器叢集，其耗電量明顯高於承載日常網路和雲端服務的傳統伺服器。

計畫的複雜之處

中國的可再生能源擴張面臨一個已知的瓶頸：輸電基礎設施未能跟上發電量增長。如果電網無法輸送清潔電力，或當地沒有足夠的需求來吸納它，那麼在偏遠省份生產的清潔電力便形同虛設——業界將這情況稱為「棄電」，即可再生能源產出的電力因無法在生產的時間和地點被輸送或吸納而未被使用。彭博報導指出，這些電力能否有效動員用於AI，確實存在疑問。

數據中心需要全天候穩定、可靠的電力。太陽能和風能無法全天候供應。水力發電可能較為穩定，但其產出取決於地區和季節。核能和長距離輸電是解決方案的一部分，但兩者都需要時間建設。

距離也是一把雙面刃。將運算設在遙遠的西部可以降低電力成本，但也使伺服器距離依賴它們的東部使用者和企業更遠。這種權衡對應到AI工作負載的差異：模型訓練和批次處理對距離的容忍度遠高於對延遲敏感的服務，這使得向西部署更適合某些運算任務，而非全部。

這意味著什麼

80%清潔電力的要求，以政策方式將AI增長與可再生能源增長綁定。如果這項強制要求得以維持，每個新建數據中心都將成為西部風能、太陽能和水力發電產出的另一個客戶。

後續值得關注的重點：特高壓輸電和核能容量是否擴張得夠快以穩定供應、八個樞紐和10個叢集是否能吸引實質的AI活動，以及數據中心的電力使用是否朝2030年3%的預測軌跡發展。