过去几年，全球围绕人工智能的竞争几乎完全围绕模型能力展开，市场关注的焦点集中在算法突破和芯片性能。然而，随着算力需求的迅速上升，一项新的共识开始在投资和产业界形成：基础设施将在很大程度上决定人工智能的长期竞争格局。
在4月18日举行的哥伦比亚大学中国峰会上，多位来自投资机构、能源企业和数据中心供应链的业内人士表示，围绕算力、电网和能源体系展开的新一轮建设周期正在成为全球科技产业最重要的投资主题之一，其规模可能达到数万亿美元。
“我们正在进入一个由AI基础设施驱动的3万亿美元超级建设周期，”主营光伏逆变器和储能设备的中国企业上能电气美洲区负责人李秉玺表示。
这项预测意味着投资逻辑的重要变化：人工智能的未来将越发取决于能源供应能力、电网建设效率以及设备制造能力。
尽管绿色能源被普遍视为未来数据中心的重要电力来源，但产业界人士普遍认为，在可预见的未来，大模型训练仍将高度依赖稳定的基载电力——即能够全天候持续供电、不受天气影响的电力来源。这意味着天然气在AI基础设施体系中的战略地位短期内难以被替代。
另类资产管理公司Apollo Global Management董事总经理、数字基础设施主管Joshua Pang表示，训练大型语言模型所需的并不只是更多电力，而是稳定、持续、可调度的电力供应。“训练大型语言模型需要稳定基载电力，而太阳能和风能通常无法单独满足这一需求，”他说。
在现实项目中，越来越多AI数据中心采用“天然气 + 电池储能 + 电网 + 可再生能源”的混合供电模式，以确保训练过程不受电力波动影响。
这种结构变化已经开始影响数据中心选址逻辑。李秉玺表示，在当前一轮AI算力建设周期中，能源条件正在成为决定项目落地的首要因素。
“过去建设数据中心首先考虑的是是否靠近光纤网络，现在第一优先级变成了能源供应能力。”他说。
在美国市场，这一变化尤为明显。随着大型模型训练需求快速上升，越来越多开发商在项目初期首先确认的不是土地或网络条件，而是天然气接入能力。
“现在客户建设AI数据中心时，第一件事是确认能不能拿到天然气终端容量。”他说。
在一些地区，面对并网周期过长、电力接入缓慢的问题，数据中心运营商事实上正在采取一种更主动的“自带能源”思路：先围绕天然气、太阳能、风能、储能等可获得资源搭建本地供电组合，再逐步解决与大电网的连接问题。换句话说，部分AI数据中心已不再只是电网的被动用电方，而是在向拥有自备能源能力的基础设施项目转变。
“AI基建不能依赖一种能源，”数据中心电力设备供应商京泉华电子全球运营总裁张礼扬表示：“你需要建立一个能源组合。”
与此同时，产业界人士指出，不同类型AI任务对能源结构的需求正在出现分化趋势。训练型数据中心通常依赖稳定基载电力，而推理型数据中心则可以容忍一定程度的电力波动，从而更容易接入可再生能源体系。
“训练型数据中心需要基载电力，而推理型数据中心可以接受一定程度的中断。”李秉玺表示。
这种结构性差异意味着未来AI算力体系可能形成新的空间布局：训练型数据中心更可能靠近能源基地，而推理型数据中心则更接近人口密集地区和应用端市场。
虽然市场普遍关注美国对中国采取出口管制导致两国AI芯片领域的差距，但产业界越来越认为，美国AI发展的最大约束可能来自能源体系建设的短板。
Apollo的Pang举例说明：一次与ChatGPT相关的搜索所消耗的能源，可能是普通Google搜索的约10倍。这给美国的电力系统提出了很大挑战。
业内人士表示：与其说美国AI扩张面临的是简单的“缺电”，不如说它面临的是输电建设、并网审批与负载管理的系统性滞后。
上能电气的李秉玺表示，目前美国AI数据中心建设速度正在明显快于输电网络扩容节奏，“建设输电系统需要5到10年，而新的数据中心每个季度都在涌现，“他说，”这里存在巨大的错配。“
相比之下，中国国家电网主导建设的特高压工程在成本和输电能力方面都具备明显优势。
“我羡慕中国在电力建设实现的成就，”Apollo的Pang说，“中国不仅拥有有强大、多元化的电力供应，也建设起一流的输电网络。”
（本文仅代表作者观点。责任编辑邮箱：tao.feng@ftchinese.com）