夜雨聆风你有没有想过一个问题：你跟AI聊一次天，要烧多少电？
我帮你算算。你用GPT-5.5问一个复杂点的问题，让它给你写篇分析报告，大概消耗3000到5000个Token。这背后，数据中心的服务器要跑GPU推理，要散热降温，电力消耗大概在0.01度电左右。
听起来不多对吧？但想想全球每天几百亿次的AI调用。这个数字就很恐怖了。
2026年5月，AI圈发生了两件事，让我觉得AI的"电费账单"问题，真的要摆上台面了。
500兆瓦，只为AI
第一件事：谷歌母公司Alphabet和黑石集团宣布，要联合成立一家新的AI云计算公司。
这家公司的核心卖点是什么？用谷歌自研的TPU芯片，建一个专门为AI推理和训练设计的云平台。目标到2027年，实现500兆瓦的算力规模。
500兆瓦什么概念？一个中型燃煤电厂的发电量，大概就是300到600兆瓦。也就是说，这家新公司要吃掉的电力，差不多等于一座发电厂。
而且这不是普通的数据中心。传统数据中心里，服务器干的活比较杂——有跑网站的、有存数据库的、有做视频转码的。但这家新公司，只做一件事：给AI当电表。
你可能会问：为什么Google自己不做，要拉上黑石？
答案很简单：太贵了。
一个500兆瓦的AI数据中心，光基建投入就得上百亿美元。Google虽然有钱，但也不想把整个资产负债表押在AI基础设施上。拉上黑石这种全球最大的另类资产管理公司，本质上是把AI算力变成一种"基础设施资产"——像高速公路、像电网一样，投资人出钱建，企业按需租用。
这说明一件事：AI的底层逻辑正在从"软件生意"变成"重资产游戏"。
英伟达不想只卖显卡了
第二件事：5月19日，英伟达正式交付了Vera CPU给OpenAI、Anthropic等四大AI实验室。
Vera是什么？你可能知道英伟达的GPU——A100、H100、B200，那是训练AI的"显卡"。但Vera是CPU，是中央处理器，是电脑的"大脑"。
简单科普一下：过去训练AI，流程是这样的——CPU负责准备数据、调度任务，GPU负责做大量并行计算。CPU是管家，GPU是苦力。英伟达虽然是GPU之王，但在数据中心里，CPU一直是英特尔的领地。
现在不一样了。Vera是英伟达专门为AI场景设计的CPU，和自家的GPU深度耦合，能省掉大量数据在CPU和GPU之间搬运的时间。用英伟达CEO黄仁勋的话说："这不是一颗CPU，这是一个计算新时代的开始。"
说实话，这话有点营销味。但从战略上看，英伟达这一步走得非常对。
它不再只是一个"卖铲子的"——挖金矿的人需要铲子来找它。它想成为"卖整个矿山的"——从芯片到网络到软件栈，全包了。
第一批拿Vera的是谁？OpenAI、Anthropic、Google DeepMind、微软。全是美国的。
这里面有一个很微妙的信号。
算力"断供"的隐形墙
你可能还记得，2022到2025年间，美国对中国的AI芯片出口管制一步步收紧。先是A100不让卖了，后来H100也不行了，连降级版H800都被卡了。
现在最新的Vera CPU，第一批交付名单里没有中国公司。这倒不一定是禁令直接导致的——Vera本来就是英伟达和几家顶级AI实验室深度合作开发的产物，中国公司没参与也正常。但它反映了一个现实：在AI算力最前沿，中国企业在物理上被隔离了。
这不是禁售某款产品的问题。而是一个"生态系统"级别的隔离。
英伟达的CUDA软件生态、自研的NVLink互联技术、CPU-GPU协同设计——这些一起构成了一套完整的AI计算体系。你就算拿到了芯片，没有配套的软件和互联技术，性能也大打折扣。
更值得关注的是，Google和黑石搞的那个500兆瓦AI云，用的也是谷歌TPU自研芯片。这也是一种"生态闭环"。
说白了，全球AI基础设施正在形成两套体系：一套是美国的，从芯片到云到模型，垂直整合；另一套是中国的，在限制条件下自建替代方案。
中国的底牌
那中国这边在干嘛？
坐以待毙当然不可能。
华为的昇腾系列芯片一直在迭代，百度有自己的昆仑芯，寒武纪、壁仞科技这些国产AI芯片公司也在咬着牙追。虽然单卡性能跟英伟达最新产品比还有差距，但大规模集群部署的能力在快速提升。
更重要的是，中国在"用效率换算力"这件事上走得很前面。
前面提到，百度文心大模型5.1的预训练成本只有业界同规模的6%。这不是靠偷工减料，而是通过"多维弹性预训练"技术，用更聪明的算法降低了对原始算力的需求。
打个比方：别人练肌肉要去高端健身房买顶级器械，你研究出了一套自重训练方法，用公园的单杠也能练出差不多的效果。虽然顶级器械还是好，但你没有它也能行。
这种"效率优先"的思路，正在成为中国AI的一个差异化优势。因为芯片受限是客观现实，那就只能在算法和工程上死磕。结果反而逼出了一些真功夫。
AI的"吃电"问题，不止是芯片的事
回到电力这个话题。
全球AI数据中心的用电量正在以每年40%以上的速度增长。有研究机构预测，到2030年，AI数据中心的用电量可能占到全球总发电量的5%到10%。
这是什么概念？如果把所有AI数据中心的用电量加在一起，可能超过整个日本的用电量。
而且电力只是问题的一半。冷却呢？一个大型数据中心每天用来散热的水，够一个小城市的居民用一天。
所以你看，Google和黑石搞500兆瓦AI云，不只是商业上的合纵连横，背后还有一个更根本的焦虑：再不建专门的AI基础设施，现有的电网和供水系统根本扛不住。
这也是为什么最近AI圈开始流行一个词："可持续算力"。
不是"能不能买到更多GPU"，而是"你建的数据中心，有没有足够的电和冷却能力来跑这些GPU"。
我的观点
2026年5月的这两件事——Vera交付、500兆瓦AI云——表面上是两个商业新闻，但加在一起看，指向的是同一个趋势：
AI正在从一个"软件故事"变成一个"能源故事"。
过去十年，我们聊AI的时候聊的是算法、数据、模型结构。未来十年，我们聊AI会更多地聊电力、芯片制程、冷却效率、数据中心选址。
这件事其实挺讽刺的。AI被寄予厚望要解决人类的能源问题、气候问题，但它自己先成了一个巨大的能源消耗者。
不过我不觉得这是坏事。
每一次技术革命都伴随着巨大的资源消耗，然后技术本身又会反哺资源效率的提升。当年蒸汽机也烧煤烧得很凶，但它最终让整个工业体系的效率提升了百倍。
AI也一样。它现在吃掉的电，未来可能通过优化电网调度、提高工业能效、加速新材料研发，十倍百倍地"还"回来。
但前提是，在"还回来"之前，我们先得保证电网撑得住，芯片跟得上。
这不是一道技术题，这是一道应用题。考的不仅是算法有多聪明，更是基础设施有多扎实。
而这方面，中国有自己的路要走，也有自己的仗要打。
