10万亿，中国正成为AI基建狂魔

在他看来，AI远不只是ChatGPT或某个搜索产品，而是一个完整的系统。

　　他把这个系统分为五层：能源、芯片、基础设施、模型和应用。就像一层层堆叠的蛋糕，每一层都支撑着上一层的运转。

　　这个框架，也同样适合分析全球AI竞争格局。

　　能源层是根基，核心在于电力。当前的电力格局中，中国不仅总量最大，是美国两倍多，在火电、风电、水电、光电、核电这些主要发电领域，中国都是世界第一。

　　相比之下，美国的发电量不足中国的一半，还要面临电网设施老化、东西部电网各自为政的结构性难题。

　　就像网友总结的：“AI的尽头是算力，算力的尽头是电力，电力的尽头是中国”。在能源层，中国无疑是完胜的一方。

　　黄仁勋AI五层蛋糕”框架，图源：英伟达官网

　　能源层之上是芯片层。美国在先进芯片制程领域处于领先地位，中国也正加速追赶。

　　过去有种普遍的看法，认为顶尖大模型的训练必须依赖最先进的芯片。仿佛芯片被卡脖子，就跑不出顶级大模型。

　　但DeepSeek打破了这一局限，它凭借对混合专家模型（MoE）、多头潜在注意力（MLA）等架构的算法创新，在有限算力条件下实现了大模型性能的突破性进展。

　　大模型突破芯片局限，国产芯片也持续发力，华为发布的韬(τ)定律为中国半导体产业另辟蹊径，预计到2031年，其高端芯片晶体管密度将达到1.4nm制程的同等水平。海光、寒武纪、昆仑芯等国产芯片力量，也都在各自领域取得突破。

　　与之对应，英伟达的芯片，正从美国不卖变成中国不买。美国商务部长卢特尼克4月22日在国会听证会上接受质询，谈及英伟达H200芯片对华销售情况时说：“迄今为止，中方一块芯片也没买，因为他们希望将投资重心放在本土产业发展上。”

　　黄仁勋都只能沮丧地说：“我们成了一家双方都‘禁足’的公司。”然后强调：“要记住，半导体归根结底是制造业，谁要是觉得中国做不出来，那就真的看走眼了。”

　　AI大模型这层。2025年7月数据显示，全球运行的AI大模型约3755个，其中1509个来自中国，数量位居全球第一，在开源大模型下载量这项关键指标上，中国也位居第一。

　　4月13日，斯坦福大学HAI实验室发布2026年度《AI指数报告》显示，中美大模型性能差距已收窄至39分，两年前，差距还超过300分。

　　这份报告发布后不到两周，DeepSeek-V4预览版发布并宣布开源。其中V4-Pro版本在数学、STEM、竞赛型代码等领域，性能比肩世界级闭源大模型，并超越了所有已公开的开源大模型。更值得关注的是，V4优先适配了华为等国产芯片，完成了从英伟达CUDA生态向华为CANN架构的底层迁移，完成了国产大模型与国产芯片的自主闭环。

　　芯片、大模型这层，美国是领先，但中国加速追赶，而在最顶层的应用层，中国优势就相当明显。

　　去年底，中国国内生成式AI用户规模突破6亿，普及率达42.8%，尤其是18-24岁年轻群体中，普及率更是超过91%。而美国AI普及率为28.3%、欧盟为32.7%，都低于中国。

　　经历过技术代际落后的中国人更害怕落后，反而对新技术的拥抱更加开放和积极。

　　这是个由14亿人组成的超大规模单体市场，不仅对AI接受度极高，应用场景还异常丰富。

　　今年3月，曾经“让好莱坞颤抖”的美国AI视频生成平台Sora，因商业模式不可持续宣告关停，同一时期，中国视频创作者们却靠着Seedance制作的AI短剧成功实现盈利。一家杭州企业睿琪软件，还凭借一款教外国人识别花卉的AI应用年入10亿。

　　麻省理工学院的报告直接指出，尽管美国企业已经投入超300亿-400亿美元用于生成式AI，但高达95%的试点项目未能转入实际生产阶段。

　　AI技术的先进性固然重要，但谁能率先大规模应用新技术，同等重要。

　　总体来看，在能源层、应用层，中国有明显的领先优势；在芯片层，中国和美国还有差距，但正在奋力追平；在模型层，中美各有所长。

　　下一个阶段竞赛焦点已然明确，第三层AI基础设施成为决胜关键。

　　谁能化身“AI基建狂魔”，谁就能赢得先机。

　　然而，建造算力中心绝非易事，它既要整合芯片、光模块、服务器等关键设备，还牵扯到土建、供电、冷却等工程环节。

　　这是一项复杂的系统工程，一块短板没补上，就可能满盘皆输。

　　眼下，各国正在使出浑身解数攻克这一难题。

　　美国是在AI基建上砸钱最多的国家。

　　仅2026年，Meta预计投资1350亿美元、微软1050亿美元、谷歌1850亿美元、亚马逊2000亿美元，四家投资总额相比去年大幅增加70%。

　　巨头们也心知肚明，光靠烧钱是不够的。于是，美国企业开始“合纵连横”，组合各自优势，互相补短板。

　　OpenAI与甲骨文等发起了“星际之门”计划，投入5000亿美元扩建AI基建；微软与贝莱德、xAI等结成联盟；英伟达10亿美元入股诺基亚，想把全球数百万个基站打造成算力节点……

　　不过有时候，卡住整体进度的偏偏就是些不起眼的小环节。

　　2026年，美国原计划新建的数据中心项目，有近一半延期或取消，原因是关键零部件短缺，尤其是变压器等电力设备不足。

　　Crusoe能源与基础设施负责人安德鲁·利肯斯打了比方：“供应链中任何一个环节延误，整个项目就无法交付，简直像玩一场疯狂的拼图游戏。”

　　为应对这种困境，白宫一口气提出90多项政策，甚至专门成立了一个跨部门的AI基建工作组。有人戏称，此举是在学习中国发改委的产业政策。为了不掉队，美国也顾不了那么多。

　　欧洲虽然雄心勃勃，要在2030年前撬动高达2000亿欧元的投资，现实却很骨感。

　　在AI硬件方面，欧洲严重依赖外部供应，半导体全球份额仅占10%，即使是意大利的顶尖超算Colosseum，其核心架构也依赖英伟达。

　　法国总统马克龙曾承认，欧洲AI基建高度依赖美国和中国，亟需建立自主产业能力。

　　拖慢欧洲步伐的，还有各国在法规和利益上的巨大分歧。欧盟的《人工智能法案》，耗时3年才勉强达成共识，这种漫长的博弈对于AI这种快行业来说，黄花菜都凉了。

　　亚洲方面，日本今年计划投入3873亿日元（约24亿美元）用于AI基建，韩国制定了规模为10.1万亿韩元（约70亿美元）的AI专项预算。

　　这和中美动辄千亿级的投资相比，显得有些不够看。并且，AI训练需要海量数据作为养料，而日韩在数据规模上天然受限。

　　日韩也深知这点，选择避开与中美正面交锋，另辟蹊径。

　　日本打算放弃通用大模型竞赛，专注打造“实体AI”。软银、NEC、本田等本土巨头联手，共同推动AI与汽车、机器人等实体经济深度融合。

　　韩国也选定了NAVER Cloud、Upstage、SK电讯等五个联合体，启动“主权AI”战略，目标是建立一套专属韩国的AI体系。

　　从全球范围来看，AI竞争的核心赛场还是在中美之间。

　　重新审视AI基建的难点，就能看清中国的优势。

　　其中之一，便是国家调度电力和算力资源的能力。

　　早在四年前，中国就布局了一项极具战略眼光的大国工程：东数西算。

　　这项与“南水北调”“西电东送”比肩的战略，核心就是让东部蓬勃的算力需求无缝对接西部充沛的绿色电力。今天，在贵州深山、宁夏戈壁、甘肃沙漠里，都藏着世界级的算力枢纽。

　　更巧妙的是，算力和电力之间还能协同作战。

　　白天用电高峰时，系统就暂停非紧急的AI训练任务，减轻电网压力；夜间风电充沛，就全速跑算力，吃掉多余绿电；同时，AI模型还能反过来帮助电网进行智能调度。

　　电力支撑算力，算力优化电力，形成了闭环，实现了成本与效率的黄金平衡。

　　目前，中国算力总规模跃居全球第二，超算数量登顶世界第一。并且，算力总规模年均增速高达30%，这意味着不到三年就能翻一倍。

　　支撑这种增长的，是“全国一盘棋”的调度能力。

　　若将视角聚焦到数据中心本身，小到螺丝钉，大到机房，中国都拥有全链条的自主制造能力，这也是一项重要优势。

　　AI芯片领域，华为昇腾、海光信息、寒武纪等国产芯片厂正快速崛起。去年，国产芯片在国内的市占率提升至41%，出货超165万片。

　　AI推理服务器领域，中国有五家企业闯进全球前十，分别是浪潮、华为、新华三、中科曙光、联想。

　　光纤领域，长飞光纤、亨通光电、中天科技、烽火通信四家企业跻身全球十强。

　　光模块领域，全球前十厂商中有七家是中企。“易中天”（新易盛、中际旭创、天孚通信）三家公司占据了800G/1.6T高速光模块市场六成份额。

　　各国都缺货的变压器，中国占据了全球60%产能。

　　此外，中国在AI基建上还有一个潜在优势：工程基建速度。

　　美国建设一座AI超算中心，需要约三年时间。中国一座大型数据中心的建设周期为18到24个月，如果用预制化、模块化方案，可缩至6个月甚至更短。

　　宁夏中卫的数据中心，图源：宁夏日报

　　中国速度背后的根基是什么？

　　是“人”。

　　中国每年培养科学、技术、工程和数学（STEM）专业毕业生超500万人，顶尖AI研究人员占全球50%。这种人才生态，让创意以惊人的速度落地生根。

　　中国拥有庞大的产业工人大军：电工、建筑工、管道工、钢铁工、安装工……没有他们的高效协作与快速响应，再先进的蓝图也只能停留在纸面。

　　说到底，AI基建的竞争是对一个国家过去所有基建积累和综合国力的“期末结算”。

      在AI时代，我们同样能成为引领世界的AI基建狂魔。