電力短期供應不足，已成為中國AI發展的一大堵點

本文發星球。

概括前言：卡點、堵點，本身也是機遇，本文重點分析為什么說電力供應不足，已成為中國AI發展的堵點。

而國家高度重視AI發展，決策風格向來是實事求是、有問題解決問題。那么當AI發展受限于電力供應不足，必然要想辦法解決，尤其4月經濟數據并不理想，要想辦法穩住二季度，穩住向好態勢，目前看還是要靠基建投資拉動。

以下是部分內容：

在AI、算力領域，經常提到算力就是電力，基本觀點是由于中國在電力方面的巨大優勢，中國AI、算力未來的發展一定強于美國，這個判斷在中長期和整體上是正確的，但在短期內、局部重點地區，不宜高估算力方面的中國電力優勢。

事實上，電力供應不足和價格過高，已經對中國AI發展帶來了不利影響，在AI電力供應方面，美國當前更具優勢。注意是當前，不是中長期。

道理很簡單，中國的確有非常強大的電網體系，但這個體系的強大建立在全國統籌規劃的基礎上，就意味著中國電網建設非常的嚴謹、規范，更有提前量，這有利有弊。

比如建設一條特高壓輸電線路，需要經過若干年的論證、規劃和建設，首先需要納入“五年規劃”或者能源專項規劃，成為一項戰略儲備項目，再進行3到5年的前期工作，包括可行性研究、核準申請、環評、水保、土地預審、跨省協調等等，有的耗時可能會更長。

這些工作完成之后，才輪到2到3年的建設工作。算起來從開展規劃到完工，需要7到12年時間，而有的跨區送電工程因為涉及多省協調和生態紅線調整等，需要的時間就更長了。

這就帶來一個問題：10年前，能知道現在的東部沿海地區會涌現電力需求如此高且爆發式增長的數據中心嗎？

當然不可能。

就需要平衡電力需求，于是2022年啟動了“東數西算”工程，但大家有沒有注意到，這兩年對這項工程的提法已經弱化了，不像剛提出的時候熱度那么高。原因在于AI的發展太快了，以前主要進行大模型訓練的時候，當然可以在西部進行訓練，就地消納西部海量的綠色能源。

但從2025年開始，AI大模型發展已經從訓練主導進入到大規模推理主導。大模型訓練進入邊際遞減階段，追求規模的參數競賽已經達到相對極限，重心已經向后訓練技術、特定領域微調等轉變，以提高推理效率和任務精度，而非單純擴大訓練參數；而從數據總量來看，2025年中國用于人工智能訓練和推理的數據總量是199.48艾字節，其中推理數據量達到101.34艾字節，首次超過訓練數據量。

2026年這一趨勢更加明顯。近期英特爾CEO表示，隨著AI從訓練轉向推理，CPU與GPU配比將從傳統的1:8向1:1甚至4:1演進。這雖然是英特爾給自己鼓勁，但基本符合目前的趨勢；而行業目前共識，未來70%以上的AI基礎設施將用于推理，此前主要用于訓練。

這就導致“東數西算”的價值銳減，因為推理對時間延遲有要求，支持推理的數據中心必須建設在距離用戶最近的地方，部署在西部的數據中心難以滿足低時延推理的需要。

實際2022年推動“東數西算”的時候，就已經在討論時延問題，當時就認為這是“東數西算”工程的基本前提。

所以明明說“東數西算”，但部署的八大國家算力樞紐節點，京津冀、長三角、粵港澳大灣區三個卻位于東部，就是為了解決時延問題，重點支持網絡延遲要求高的業務，比如工業互聯網、自動駕駛、金融證券、智慧城市等等高價值應用，而這些高價值應用，才是大頭。

2022年后，也確實在努力解決時延問題，典型如網絡骨干直連，減少數據傳輸環節。

但物理極限卡在這里，比如從成都到上海直線距離大概2000公里，光跑完需要6.7毫秒，考慮雙向傳輸那就是13.3毫秒，這是物理極限，實際根本不可能達到。無論怎么減少中間環節，也必然超過了2021年5月《全國一體化大數據中心協同創新體系算力樞紐實施方案》對車聯網、聯網無人機、智慧電力、智能工廠、智能安防等實時性要求高的業務的時延要求，這些業務單向端到端時延需要在10毫秒以內，目前西部到東部的單向時延，遠超這個標準。

注意這還是2021年的方案，當時還沒有考慮到AI推理的需求。

所以，最有價值、占比最高的AI業務需求，一定要靠近使用一線，太遠的數據中心指望不上。

那么問題就出現了，中國電網當然強大，但電力分布不均，廣大東部尤其東南地區是缺電的，而AI、算力是電老虎，增速還特別快。

2023年底時，中國數據中心年耗電就已經達到1500億千瓦時，占全社會用電的1.6%，之后兩年電力消耗暴增，2025年的耗電量有不同口徑，信通院測算是1960億千瓦時、占全社會用電的1.89%，但這個統計口徑是比較狹義的，其他機構測算最高在4000億千瓦時。

就算按照信通院的口徑，2025年國內算力中心用電量的同比增長也在18.1%，遠高于同期全社會用電量增速的5.2%。2026年才是AI算力需求爆發年，這從Token的消耗量就能看出來。中國2026年3月日均Token消耗量較2025年底增長40%，IDC預測中國2026年Maas企業級Token調用量同比增速超過20倍，行業龍頭企業比如阿里程序員的Token消耗量，5月日均消耗量已經是年初的9倍，還在飛速增長。

小鎮之前說過，。

當然，用Token消耗量來評估AI的發展和應用水平過于簡單粗暴，但就像用GDP評估國家或地區經濟發展一樣，也有很多問題，根本無法反映真實情況。比如保加利亞因為通貨膨脹，竟然在2026年4月被IMF認定為發達國家，而開戰4年的烏克蘭，人均GDP已經比戰前翻倍還多了。

但GDP已經是最好用、最方便的了，Token消耗量也是一樣的道理，如果一家AI企業、一個希望融入AI時代的個體，每月的Token消耗量達不到一定量級，什么都別談了，迎接AI時代，行勝于言。

道理就很簡單了。

整體和中長期，中國電力供應一定非常充足，一定大大領先美國，但聚焦到AI發展最核心的東部尤其東南部沿海，聚焦到2026年，中國電力真的具有優勢嗎？

不僅不是優勢，甚至電力已經成了中國AI產業發展的一個相對短板。

原因有三，分別是：工商業電價高、電力供應階段性不足、自主芯片耗能大。針對這三點，也就可以推演未來政策需要加力的方向。

......（以下省略1004字）

當然，除了這一關鍵產業，其他能夠緩解東部尤其東南部算力電力短期需求的措施，都將得到支持。

其他文章推薦

（中篇）

（上篇）

歡迎分享，讓更多人發現“大樹鄉談”