在人工智能領域，當多數人還在聚焦芯片制程的突破、模型參數的優化以及算法效率的提升時，埃隆·馬斯克卻提出了一個別具一格的觀點：未來AI算力競爭的關鍵，并非芯片，而是電力。并且，他指出中國在這一方面已經構建起了難以動搖的優勢。
在一檔科技播客節目里，馬斯克直言，隨著人工智能模型規模持續擴大、訓練頻率呈指數級增長，電力基礎設施將成為決定一個國家AI競爭力的重要因素。現代AI數據中心的耗電量十分驚人，其用電量已經接近甚至超過一座中小城市的用電規模。而且，算力的實現并非簡單購置芯片就行，還需要長期、穩定且不間斷的電力供應。
馬斯克特別強調，在全球主要經濟體中，唯有中國同時具備兩種關鍵能力。一是能夠滿足超大型AI數據中心的龐大用電需求；二是在滿足數據中心用電的同時，不會擠占居民和工業的基礎用電。
為了進一步說明問題，馬斯克給出了一個極具沖擊力的數據對比。到2026年，中國的年度發電量預計將達到美國的約三倍。這一數據背后蘊含著巨大意義，它意味著中國有足夠的電力來長期支撐數百萬臺高性能服務器持續運行。在芯片供應條件相近的情況下，中國實際上擁有更高的“可用算力”。也就是說，真正限制AI發展的，并非算力的上限，而是電力的下限。
高盛的能源市場研究也印證了馬斯克的觀點。高盛指出，到2030年，中國的備用電力容量將達到約400吉瓦，這一數字相當于全球數據中心總需求的三倍以上。如此龐大的備用電力容量，使中國不僅能夠輕松消化AI產業擴張帶來的用電激增，還能同時支撐制造業升級、新能源體系發展以及電動汽車的全面普及。與之形成鮮明對比的是，美國的數據中心電力缺口正以每年15%的速度擴大。高盛測算，如果能源基礎設施投資不能同步跟上，美國AI的發展速度可能會被迫放緩20%以上。
如今，越來越多的科技巨頭開始重視電力在AI發展中的重要性，將其與芯片放在同等重要的位置。OpenAI的薩姆·阿爾特曼曾公開呼吁，美國應將能源投資提升到與芯片研發同等的戰略高度，因為“電力就是數字時代的新石油”。英偉達的黃仁勛則從成本角度分析，由于中國電價較低且供電穩定，中國數據中心的單次模型訓練成本可降低約40%，這一差距在長期的算力競爭中具有決定性意義。摩根士丹利在最新報告中，更是將美國數據中心電力缺口預測上調35%，明確指出基礎設施，而非技術本身，正在成為AI突破的瓶頸。
資本市場的反應十分迅速，多家投資機構發現，全球科技巨頭正在重新評估算力布局的地理選擇。能夠提供長期、穩定、低成本供電的地區，正成為新的投資熱點。有跨國云服務商的內部文件顯示，原計劃在歐洲建設的三個超級計算中心已暫停推進，相關資源正轉向中國西部水電資源豐富的地區，這已經成為一種趨勢。
AI競爭的規則正在悄然改變。過去，AI競賽主要圍繞算法、芯片和人才展開；而如今，競爭的公式逐漸演變為算法、芯片、電力以及基礎設施韌性的綜合較量。在這一新的競爭規則下，馬斯克的判斷切中要害：誰掌握了電力，誰就掌握了AI的長期發展上限。從目前的形勢來看，中國已經提前邁入了這一新的發展階段。
