“大多数人认为 AI 竞赛是关于谁能构建最聪明的模型。我认为这是关于谁能保持电力供应不断。”

一位前谷歌高管 Alvin Foo 的警告，今天在 X 上被围观了。

他的理由很简单：

很多美国人觉得人工智能是一个活在云端、只吃算法的数字神明。

硬核的物理世界正在给这种天真泼一盆冷水。一场关于 AI 物理底座的军备竞赛，已经渐渐形成了分野。

为什么算法救不了“缺电”的硅谷？

在硅谷的传统叙事里，改变世界只需要三个步骤：

写出天才的代码、找风险投资砸钱、然后改变世界。

这种根深蒂固的“软件至上”文化，源于美国在互联网时代几十年来的绝对统治力。在他们看来，物理世界是低效、沉重的，而代码是轻盈、无所不能的。

现在，美国的科技巨头们本能地陷入了新一轮的“模型内卷”：今天你出 1T 参数，明天我搞 2T 混合专家模型（MoE），各大实验室为了在 Benchmark 上多跑赢一个百分点而狂欢。

然而，AI 并不是纯粹的精神产物，它是建立在极度消耗物理资源基础上的“吞金兽”。

英国《金融时报》披露了几个硬核数据：

1. 电力的无底洞：AI 驱动的智能搜索，其消耗的电量是传统谷歌网页搜索的 10 倍以上。
2. 散热的代价：ChatGPT 每进行一次简单的几百字对话，就相当于让一个低能耗灯泡亮上几分钟，并且要“喝掉”一小瓶用于冷却服务器的蒸馏水。
3. 规模化的极限：当模型走向多模态和“世界模型（World Models）”时，算力需求呈对数级增长，直接演变成对地表能源的疯狂洗劫。

这就带来了一个极为尴尬的局面：

美国的模型越来越聪明，但支撑这些模型的电网却越来越力不从心。

美国文化崇尚“小政府、大市场”，电网系统高度碎片化、私有化，大部分输电线路和变压器的工龄已经高达三四十年。

在这种体制下，协调一个跨州的电力升级项目，审批和建造可能需要耗时数年甚至十年。

当微软、亚马逊等巨头绝望地发现硅谷和北弗吉尼亚的电网已经快被数据中心榨干时，他们不得不跑去和核电站签排他性协议（比如微软尝试重启三哩岛核电站）。

算法再精妙，没有源源不断、稳定且廉价的电子流动，也只是服务器机房里的死铁一块。

AI 竞争的下半场，拼的根本不是谁的代码更优雅，而是谁能在这个物理世界里，提供最庞大的能源富余和最稳固的硬件供应链。

中国在能源与矿产上的歪打正着

当美国在虚拟经济和华尔街金融衍生品里长袖善舞的时候，中国在过去几十年里，默默地做着最重、最苦、甚至一度在西方眼中被认为是“产能过剩”的重工业和基础设施建设。

这种在西方经济学教条里显得有些“笨重”的固定资产投资，如今却成了 AI 时代最可怕的战略红利。

从《金融时报》给出的两张图表中，我们可以看到令人震撼的降维打击：

第一，看左图的“电力冗余（最大发电能力减去峰值需求）”：

1980 年时，美国的电力冗余和弹性远超中国。

但到了 2000 年以后，中国的曲线呈现出近乎垂直的火箭式飙升，总冗余容量已经突破了 15 TWh，而美国依然在 5-7 TWh 的区间内缓慢爬行。

这意味着，中国电网拥有极其恐怖的“超级充电宝”效应，能够轻松吃下猛增的、高密度的算力中心用电需求，而不会像美国某些地区那样，数据中心一开，居民区的电网就瑟瑟发抖。

第二，看右图的“关键矿产与磁体全球市场份额 (%)”：

数据不会撒谎，在人工智能硬件底座所依赖的供应链上，中国几乎完成了全产业链的绝对控盘：

• 磁体生产（Magnet production）：中国斩获了全球 ~95% 的市场份额。这是什么概念？数据中心高性能制冷泵、未来具身智能机器人的伺服电机，核心部件全在这里。
• 稀土精炼（Rare-earths refining）：中国占比 ~92%。所有高端芯片及高精度电子元器件离开它，就像做菜不放盐。
• 锂精炼（Lithium refining）：中国占比 ~70%。这是数据中心不间断电源（UPS）及储能系统的命脉。
• 稀土开采（Rare-earths mining）：中国占比 ~70%。
• 铝冶炼（Aluminium smelting）：中国占比 ~60%。服务器机架和散热基板的基础材料。
• 铜精炼（Copper refining）：中国占比 ~45%。连接成千上万块 GPU 的高密度高导电线缆，全靠铜的供应。

西方的战略家们直到最近才猛然惊醒：

哪怕美国的英伟达设计出了世界上最完美的芯片，哪怕 OpenAI 拥有最聪明的算法，但只要这些芯片需要装进服务器、连接超高密度的铜缆、依赖高性能稀土磁体进行冷却，全球的供应链终点站依然是中国。

中国花了几十年建立的清洁能源矩阵（特高压、光伏、风电）以及全套有色金属精炼体系，原本是为了承接全球制造业和新能源汽车浪潮，却阴差阳错地，给 AI 时代的“物理大爆炸”提前买好了全额保险。

大转折点何时到来？

当中美两国的 AI 竞争从“软件对抗”走向“物理消耗战”，未来的局势推演将会变得清晰而残酷。我们可以将其分为两个阶段：

第一阶段：存量博弈期（2026—2027年）

这一阶段，美国凭借在先进芯片设计（如英伟达架构的持续迭代）和顶级人才库上的先发优势，依然会在纯粹的模型智能层面上领先。

但这种领先的斜率正在放缓。随着开源社区的暴力掘进，中国本土的模型正在用极高的性价比抹平代差。

此时，美国科技巨头为了维持微弱的算法优势，必须调用更庞大的算力进行集群训练，这意味着他们将率先撞上一面由电力短缺、变压器产能不足、输电线老化构成的“电网之墙”。

硅谷的老板们可能空有百亿美元现金，却要为了几百兆瓦的用电指标跟地方政府扯皮三年。

第二阶段：大转折点（2028—2030年）

真正的战略转折点预计将在 2028 到 2030 年之间到来。这个转折点的触发器有两个：

1. AI 彻底由“虚拟世界”转向“实体世界”：即具身智能（机器人）与全面工业自动化的爆发。
2. 万亿级推理成本反噬科技公司的利润：AI 不再只是实验室里的玩具，而是需要面向全社会提供高频服务的生产力工具。

当数百万台工业机器人、物流无人机需要走向现实世界的生产线，当每一个算力节点都需要进行 24 小时不间断的现实世界物理推理时，对于铜、锂、铝以及超高密度磁体的需求将呈现几何级爆发。

届时，美国由于缺乏本土精炼产能，硬件成本和电费成本将飙升至不可承受之重；

而中国凭借“东数西算”国家战略调配的西北绿电，配合几乎零关税、全本土化的关键矿产供应链，将能够以美国几分之一的物理成本，大规模部署和运行同等智能水平的 AI 系统。

当 AI 竞争的胜负手从“谁的模型在跑分上多拿一分”变成“谁的商业化推理成本更低、规模更大”时，中国在物理层面的优势将迅速扩大。

这场竞赛的终局，也许正应了那句老话：战略不是取决于你在聚光灯下展现了多少灵感，而是取决于你在黑暗中默默搬运了多少块砖头。