AI算力的下半场:不拼芯片,拼电了

昨天我盯着两个数字看了半天，越看越觉得有话要说。

据公开报道（2026年9月），中国每天消耗的AI词元（Token）调用量，已经突破140万亿，比两年前增长超过1000倍。另一头配的是：推理算力需求，已经占到全部AI计算的三分之二以上。

把它们摆在一起，意思就变了。AI不只在"学东西"的时候吃算力，现在"干活"的时候，吃得更凶、更久、更关不掉。

💡 我的判断：这一轮变化里，真正值得琢磨的不是"算力又涨了"，而是——**AI竞争的瓶颈，正在从"芯片能做多强"，悄悄换成"电从哪来"。**

本期导读

• 先看三个数字
• 但故事的下一层，藏在电费单里
• 一个反直觉的规律：越省电，总耗电越高
• 连谷歌都开始往天上搬数据中心了
• 我的判断：下一场竞赛在地面，不在发布会
• 对普通人和工程人，意味着什么
• 三个信号，值得开始盯

先看三个数字

（据公开报道，2026年9月；不同机构统计口径有差异，看趋势即可。）

三个数字指向同一个方向：算力的重心，已经从"训练一次大模型"，转向"每天支撑无数次调用"。前者是一次性投入，后者是持续消耗——后面这个，才是装上就再也关不掉的那台发动机。

但故事的下一层，藏在电费单里

聊算力，大家习惯先问"芯片多强"。可当你把时间尺度拉长，会发现一个更硬的东西在后面顶着。

芯片每升级一代，单位算力的耗电和成本都在下降。按常理，用起来应该更轻松才对。但事实是，全球数据中心的用电量不降反升。

为什么？因为便宜下来的东西，一定会被用得更多、更狠。

我拿一件事打比方。空调越省电，你就越敢开、越舍得开，最后家里电费反而涨了。算力是一样的：当一次AI调用便宜到可以随手用，那些过去"用不起"的场景——整本书读完、整张图纸核一遍、整段视频逐帧分析——全都被拉了出来。

需求涨的速度，跑赢了成本降的速度，这就是今天算力局面的真相。

⚠️ 提醒：这意味着"芯片更强"能缓解焦虑，但解决不了根问题。当调用量是千倍级增长时，真正的天花板不再是晶圆，而是**电、水和地**。

一个反直觉的规律：越省电，总耗电越高

这个规律，值得单独说清楚，因为它决定了这盘棋往哪走。

• 第一层
  ：技术进步让单次调用更便宜；
• 第二层
  ：更便宜 → 更多人、更多场景开始用；
• 第三层
  ：用量涨幅 > 单次成本降幅 → 总算力能耗继续上涨；
• 第四层
  ：于是瓶颈从"芯片造得出来吗"，变成"电供得上吗、水够冷却吗、地批得下来吗"。

走到第四层，你就明白为什么大厂最近的动作有点"反常"了。

它们不再只比拼模型跑分，开始满世界找地、签长期购电协议、盯绿电指标——因为这些才是真正的成本下限。模型决定你贵不贵，电决定你能不能开张。

连谷歌都开始往天上搬数据中心了

最能说明"地面"有多挤的，是一个有点科幻的案例。

据公开报道，谷歌披露了一个叫"Project Suncatcher"的太空算力计划，设想用81颗搭载AI芯片的卫星组成太空数据中心集群，计划2027年先发射两颗原型卫星（合作方之一是Planet公司）。原理听起来很浪漫：太阳同步轨道上有近乎恒定的太阳能，理论上不用抢地、不用买水。

我看到这条的第一反应是：这恰恰证明了地面的电有多紧。

一个公司愿意把数据中心送上轨道、扛着发射成本和真空散热难题，理由只会有一个——在地面上，电和地越来越难拿。

当然，我不认为短期的算力会真的搬到天上去。轨道上的散热、把结果传回地面的带宽、维护成本，都是新的硬骨头。但它的存在本身就是一个信号：算力竞争，已经打到能源这一层了。

我的判断：下一场竞赛在地面，不在发布会

把上面几条串起来，我的结论很明确。

过去我们判断AI趋势，盯的是模型发布会；往后更该盯的，是电网和基建。

一个新模型发布，只改变"能力上限"；而一座智算中心落地、一条特高压通电，改变的是"能不能持续跑"。前者是面子，后者是里子。

顺着这个逻辑往下推，还有两个判断：

• "能效"会比"算力"更重要。
   当电成为瓶颈，"每瓦能跑多少算力"会取代"单卡跑分"成为新的评价尺子——就像汽车从比马力，转向比油耗。
• 太空不是终点，是压力的出口。
   它绕开了地面的电和水，却把难题换成了传输和散热。本质上，它不是解决了瓶颈，而是把瓶颈挪了个地方。

对普通人和工程人，意味着什么

说回我们自己的日子。

算力往天上搬，短期和你我没直接关系。但它说明了一件很实际的事：AI的成本下限，是被物理世界顶住的，不是被算法顶住的。 于是判断AI价格走向，光看模型榜单没用，得看电和基建。

对普通人：你用的AI服务，未来可能不是"变贵"，而是"遇到高峰期被限流"。供给的稳定性，会变成一种看不见的成本。

对工程人：算力园区、能耗指标、绿电配套、机电和冷却系统——这些过去不起眼的环节，正在变成真金白银的工程机会。AI浪潮真正落地的部分，一半是代码，另一半是水泥和电缆。

三个信号，值得开始盯

• 看用电，不只看用卡
  ：关注本地数据中心和算力园区的电力配套新闻；
• 看能效比
  ：以后评估算力方案，多问一句"每瓦跑多少算力"；
• 看供给稳定性
  ：挑AI服务时，把"高峰期会不会降速"也算进成本。

都不难，难的是把视线从"发布会"挪到"电费单"上。

换个角度想：这一整年，被反复讨论的是"模型有多强"，被忽略的是"它靠什么活着"。可任何足够强大的东西，最后都会被它赖以生存的资源卡住脖子。

AI也不例外。

最后留个问题：如果哪天有人告诉你，算力的下一站是太空——你觉得这是噱头，还是被逼出来的必选项？

说明：本文由AI辅助创作并经过人工审核修改，数据均标注来源。

关注「拙勤守新」· 用AI认知提升工作效率！