美国没料到，现在的中国西部已成为全球焦点？

为什么曾经被视为"落后代名词"的中国西部，如今会成为全球科技巨头和大国博弈的必争之地？答案，就藏在一个2022年启动的国家级超级工程里。

今天你在手机上向DeepSeek提出一个问题，零点几秒之内便能得到一段几百字的回答。但你或许并不知道，这个问题可能跨越了几千公里，从你的手机穿过光纤网络，进入贵州深山的一个山洞里，被几千张GPU同时计算，然后再原路返回。

一个东南沿海用户的随手一问，为什么要跑到大西北的山洞里转一圈呢？答案藏在一个2022年启动的国家级超级工程里——东数西算。

很多人第一次听到这四个字的时候，第一反应大概是：听起来怎么这么像几十年前的南水北调和西气东输呢？本质上就是这个逻辑，只不过这一次被调的不是水，不是气，也不是电，而是这个时代最值钱、最稀缺也最看不见的东西——算力。

东数西算，就是数字经济时代的南水北调、西气东输。要把这件事情讲清楚，得先搞明白一个最基础的问题：东部那么发达，互联网公司、AI公司的钱全都在东边，为什么要费这么大劲，把数据中心建到西边的山沟沟和大沙漠里去呢？

答案藏在三个字里：电、地、热。先说电。一个数据中心本质上是一个吞电的怪兽。

2022年全国算力中心总耗电量大约是1700亿度，占全社会用电量的1.6%左右。而到了2030年，预计会突破8000亿度。

这是什么概念呢？整个北京一年的总用电量大约是1450亿度，也就是说，全国算力中心一年烧掉的电，到2030年可能相当于五六个北京。

电这个东西在中国是有空间差异的。东部沿海工业发达，人口密集，对电的需求大，电价高。

江苏、广东、上海这些地方，工商业电价每度在0.7到0.9元之间。而西部有大量的风电、光伏、火电，工商业电价能压到每度0.3到0.4元，差不多是东部的一半。

再说地。东部一线城市的工业用地一亩动辄上百万、几百万元，北上广深现在已经没有什么大块的工业用地能拿了。

而要建一个超大型数据中心，没有几百亩地根本铺不开。在西部，很多地方几千亩的土地批起来眼睛都不眨一下，价格也不到东部的零头。再说热。

上面说了，数据中心非常耗电。除了计算本身之外，哪个环节最耗电？是制冷。

服务器一开机就是70多度的高温，必须要用制冷设备把它们死死压在25度以下。一个传统数据中心，制冷能耗能占到总能耗的40%，也就是说，交的电费里差不多有一半是花在了给机器吹空调上。

东部夏天高温接近40度，机器散热成本巨大。而西部，像贵州贵安全年平均气温15度左右，宁夏中卫年平均气温只有8.8度，内蒙古和林格尔就更狠了，年均5度多，冬天能到零下20多度。

机器在这种地方就跟泡在冰水里一样舒服，光靠自然风冷就能解决大部分散热问题。更妙的是，像贵州还有那种喀斯特溶洞，常年恒温在18度上下，机器搬进去连制冷设备都可以省掉一大半。

从纯粹的物理学和经济学角度，把数据中心搬到西部，这道题根本不需要解，答案就摆在那儿。2014年，贵州做了一个当时让很多人都看不懂的决定：在贵阳和贵安新区All in大数据产业。

当时贵州是全国最穷的省份之一，2013年人均GDP排名全国倒数，山区交通又极其闭塞。一个当时连高铁都还没怎么通的省份要搞最前沿的数字经济，很多人当时就笑了：贵州搞大数据，是不是把数据当大白菜来卖呢？

但贵州人没管这些声音，闷着头就开始干了。2015年，第一届中国国际大数据产业博览会在贵阳召开。

2017年，苹果公司宣布要在贵州建立iCloud中国大陆区的数据中心，所有中国大陆用户的iCloud数据都将存储在贵州。苹果的这个决定当时在美国引发了巨大的争议，库克在美国国会被反复质询。

但从苹果的商业逻辑来看，他们必须在中国建数据中心。因为2017年实行的《网络安全法》明确要求，关键信息基础设施运营者在中国境内收集的个人信息和重要数据，必须在境内存储。

而贵州给了苹果全中国最优惠的电价、最便宜的土地和最低的税收。紧接着，腾讯、华为、阿里、中国移动、中国电信都纷纷进驻贵安。

腾讯把它的核心灾备中心搬进了山洞里，华为把它的数据中心放在了贵安七星湖旁边。到了2025年底，贵安新区已经建成了26个大型及以上数据中心，全省存力规模超过了32EB。

一个曾经几乎被很多人遗忘的省份，硬是靠着大数据把自己变成了21世纪数字版图上的关键节点。但问题来了：如果你是上海某游戏公司的经理，让你把游戏的核心服务器搬到贵州，你愿意吗？

打死都不愿意。为什么呢？因为延迟。

上海到贵安直线距离大约1700公里，在光纤里传输，理论上单程传播延迟大约是8.5毫秒。经过路由交换、跨运营商互联等环节，实际网络延迟会更高。

对于竞技游戏来说，高延迟就意味着你按下技能键，有可感知的滞后，整个游戏体验会受到影响。而对于高频金融交易、远程手术这些场景，几十毫秒的额外延迟都可能造成严重影响。

这就是为什么过去十几年，互联网公司宁可在北京上海挤破头，扛着每度0.9元的高价电费，也不愿意搬到西部去——因为用户在哪里，服务器就必须在哪里。但是在2022年2月，东数西算工程还是正式启动了。

全国规划了8个国家算力枢纽节点：京津冀、长三角、粤港澳大湾区、成渝，这四个主要是数据消费端；内蒙古、贵州、甘肃、宁夏，这四个主要是算力供给端。并且在这8个枢纽里，划出了10个国家级数据中心集群。

那网络延迟的问题怎么解决呢？很简单——分级。

国家的逻辑非常清晰：不是要把所有的数据中心都搬到西部去，而是要把数据按照延迟敏感度分级。凡是对延迟极其敏感的，比如金融交易、工业实时控制、4K直播、网络游戏、自动驾驶决策、AR/VR这些，继续留在东部就近部署，离用户越近越好。

而凡是对延迟不敏感的，比如离线数据分析、灾备存储、后台批处理、视频渲染、模型训练这些，全部都往西部送，能搬的都要搬过去。这就像是物流体系里的区分：城里的便利店得开在你楼下，但中央仓库可以放在郊区。

而这还只是上半场。真正让东数西算从一个区域协调政策，升级为影响国运级别的国家战略的，是另一件事——AI大爆发。

2022年11月30日，OpenAI发布了ChatGPT，12月全世界陷入震惊。2023年开始，所有人都在抢一样东西——GPU，准确地说，是英伟达的H100、A100，以及后来被美国禁运之后的H800、A800这些特供版。

这场抢卡大战的本质是什么？是算力。训练一个GPT级别的大模型需要消耗多少算力呢？

根据行业机构的普遍估算，GPT-5的训练动用了约2.5万到5万张英伟达H100显卡，持续运行了3到6个月，仅训练期间的耗电量就高达55到60吉瓦时，相当于一座10万人口小城市一个月的用电量。最终的硬件折旧加能源成本高达5亿至15亿美元。

而正在准备中的GPT-6级别的模型，行业预测其需要的算力将是GPT-5的10到100倍。

为了填补这种恐怖的算力黑洞，OpenAI与甲骨文、软银甚至启动了耗资数千亿美元级别的"星际之门"超算集群项目，预计将部署数十万张新一代的B200级别AI芯片。更要命的是，AI对算力的需求是指数级增长的。

摩尔定律说芯片性能每18个月翻一倍，但AI大模型对训练算力的需求增速远超传统摩尔定律。面对算力需求的指数级增长，中国怎么办呢？

我们的策略很清晰。第一，自己搞芯片。华为昇腾、寒武纪、海光、燧原、摩尔线程、百度昆仑芯，全产业链推进。

到2025年，已有多家中国AI芯片公司实现了大规模出货，国产芯片市场份额持续攀升。第二，抢电、抢地、抢散热，把所有能用的资源全部往AI上倾斜。

而东数西算，正好就是为第二条路准备的现成基础设施。AI大模型训练本身就是一个对延迟极其不敏感、对算力需求极其变态、耗电量又极大的工作。

一个训练任务跑三个月，你早开始30毫秒还是晚开始30毫秒根本无所谓。但你用便宜电还是贵电，成本是30%还是50%，那省下来的可能就是几个亿了。

这是天作之合。于是从2023年下半年开始，整个东数西算的剧情突然转向。

原本是按部就班稳扎稳打的"东数西存""东数西灾"，迅速变成了狂飙突进的"东数西训"——在东部产生的数据，运到西部去训练大模型。

我们看现在西部几个枢纽节点的画风：内蒙古和林格尔，原本是中国电信、移动、联通的传统数据中心基地，2023年之后开始大规模上马可用于AI大模型训练的GPU智算集群。

截至2026年3月，我国智能算力规模已达1882 EFLOPS，建成了超过70条算力大通道，在用算力中心标准机架达1445万架，规模仅次于美国，排名世界第二。

数字可能有点抽象，换个说法：一个标准机架就是一个2米高、半米宽的机柜，里面装满了服务器。上千万个标准机架首尾相连的话，能排到几千公里。

而中国每天还在以肉眼可见的速度往这个数字上加新的机柜。我们的算力已经很强大了，但在AI时代，东数西算要高效运行的话，还要解决一个绕不开的问题——网络带宽。

一个大模型的训练数据集、它的历史归档数据，少则TB级，多则PB级，甚至EB级。上面说了，AI的背后是算力，算力的背后是电，而西部有便宜的电。

那这个便宜的电又是从哪里来的呢？答案是——新能源。

内蒙古、宁夏、甘肃、青海这一大块西北区域，是中国风能、太阳能资源最富集的地方，这里的新能源装机量在世界范围内都是顶级水平。但新能源发电有一个致命的问题——不稳定。

太阳能要有太阳，没太阳就不发电；风电要刮风，不刮风也不发电。这就会带来两个问题：要么发不出来电，遇阴、遇风歇停，发电量立刻掉一截；要么就是风大太阳烈，发出来的电用不完，只能弃掉。

西北地区就曾经频繁出现过弃风弃光的现象，最严重的时候，甘肃的弃风率一度超过了40%，弃光率超过30%，也就是说将近一半的风电和1/3的光电是白发的。为什么要弃掉呢？

因为西部本地用电少，发出来的电用不完，没有储能设备的话也没有办法存起来。而要把电送到东部的话，就需要特高压线路。

中国这十几年砸了好几千亿建特高压，但这条路也有输送上限，多出来的电就只能眼睁睁地浪费掉。而数据中心恰好是一个能灵活匹配新能源波动性的用电大户。

为什么呢？因为大模型训练这个环节具有一定的弹性，它是可以通过Checkpoint机制容忍有计划的中断的，也可以根据电价高低来错峰安排任务。

今天风大电便宜，那就多跑几个训练任务；明天没有风的话，电贵，理论上也可以把训练暂停，等电便宜了再继续。当然，这也并不意味着训练就可以随时断电，频繁中断的话会浪费掉大量的算力。

但它对电力连续性的要求，却是要比实时推理服务和精密的制造业宽松得多。这就形成了一个闭环：西部建数据中心，消化本地的新能源；

新能源企业有了稳定的本地大客户，敢继续扩大产能；有数据中心这个大户，电网消纳压力也减轻了；东部享受廉价的算力。所有人都赢了。

这也就是为什么这一两年来，东数西算的红头文件里反复强调"东西部协同"。因为这不仅仅是把数据搬到西部这么简单，它实际上是在用算力作为媒介，把东部的资本、技术、需求跟西部的能源、土地、自然条件进行了一次全国范围的资源再平衡。

讲到这里，听起来好像一切都顺风顺水、皆大欢喜，对吧？那它有什么挑战吗？当然也有。

第一个挑战，还是要回到电。前面高频提到训练大模型这个环节可以容忍短时的电力中断，但推理服务要求连续供电，而且数据中心的基础设施，比如冷却系统、网络供应，都需要稳定的电力。

人才这件事情是一个慢变量，至少需要10年甚至更长的时间才能看出真正的成效，但西部地区已经在这件事上加速追赶了。讲到这里，再来看看其他国家的情况。

在全球范围内，谁掌握了算力，谁就掌握了AI时代的主导权，这件事已经成了所有大国的共识。美国这边，微软、谷歌、亚马逊、Meta这四家公司是美国AI算力的绝对主力，他们各自大规模建大型数据中心。

德州、亚利桑那、华盛顿州、弗吉尼亚州这些地方，因为电便宜、地也便宜、税收优惠，成了美国的算力高地。比如弗吉尼亚州北部的数据中心走廊是全球最大的数据中心聚集地之一，承载了全球约13%的数据中心运营容量。

这个州超过1/4的电力被数据中心消耗。但美国的算力分布主要是由市场驱动的，缺乏全国统一的顶层规划，这也就导致了美国不同地区的电力供应跟不上AI算力的爆发式增长。

2024年开始，也多次出现了电力短缺、电网告急的情况。整个欧洲在AI算力上的占比跟美国和中国相比的话，根本就不在一个量级。

未来全球AI大模型的竞争，本质上是算力的竞争、能源的竞争、基础设施的竞争。算力红利正在抹平东西部的发展鸿沟，让内陆城市迎来弯道超车的历史性机遇。

当然，产业链配套不足与高端人才缺口，仍是西部真正实现突破必须跨越的关键难题。