电力短期供应不足，已成为中国AI发展的一大堵点

本文发星球。

概括前言：卡点、堵点，本身也是机遇，本文重点分析为什么说电力供应不足，已成为中国AI发展的堵点。

而国家高度重视AI发展，决策风格向来是实事求是、有问题解决问题。那么当AI发展受限于电力供应不足，必然要想办法解决，尤其4月经济数据并不理想，要想办法稳住二季度，稳住向好态势，目前看还是要靠基建投资拉动。

以下是部分内容：

在AI、算力领域，经常提到算力就是电力，基本观点是由于中国在电力方面的巨大优势，中国AI、算力未来的发展一定强于美国，这个判断在中长期和整体上是正确的，但在短期内、局部重点地区，不宜高估算力方面的中国电力优势。

事实上，电力供应不足和价格过高，已经对中国AI发展带来了不利影响，在AI电力供应方面，美国当前更具优势。注意是当前，不是中长期。

道理很简单，中国的确有非常强大的电网体系，但这个体系的强大建立在全国统筹规划的基础上，就意味着中国电网建设非常的严谨、规范，更有提前量，这有利有弊。

比如建设一条特高压输电线路，需要经过若干年的论证、规划和建设，首先需要纳入“五年规划”或者能源专项规划，成为一项战略储备项目，再进行3到5年的前期工作，包括可行性研究、核准申请、环评、水保、土地预审、跨省协调等等，有的耗时可能会更长。

这些工作完成之后，才轮到2到3年的建设工作。算起来从开展规划到完工，需要7到12年时间，而有的跨区送电工程因为涉及多省协调和生态红线调整等，需要的时间就更长了。

这就带来一个问题：10年前，能知道现在的东部沿海地区会涌现电力需求如此高且爆发式增长的数据中心吗？

当然不可能。

就需要平衡电力需求，于是2022年启动了“东数西算”工程，但大家有没有注意到，这两年对这项工程的提法已经弱化了，不像刚提出的时候热度那么高。原因在于AI的发展太快了，以前主要进行大模型训练的时候，当然可以在西部进行训练，就地消纳西部海量的绿色能源。

但从2025年开始，AI大模型发展已经从训练主导进入到大规模推理主导。大模型训练进入边际递减阶段，追求规模的参数竞赛已经达到相对极限，重心已经向后训练技术、特定领域微调等转变，以提高推理效率和任务精度，而非单纯扩大训练参数；而从数据总量来看，2025年中国用于人工智能训练和推理的数据总量是199.48艾字节，其中推理数据量达到101.34艾字节，首次超过训练数据量。

2026年这一趋势更加明显。近期英特尔CEO表示，随着AI从训练转向推理，CPU与GPU配比将从传统的1:8向1:1甚至4:1演进。这虽然是英特尔给自己鼓劲，但基本符合目前的趋势；而行业目前共识，未来70%以上的AI基础设施将用于推理，此前主要用于训练。

这就导致“东数西算”的价值锐减，因为推理对时间延迟有要求，支持推理的数据中心必须建设在距离用户最近的地方，部署在西部的数据中心难以满足低时延推理的需要。

实际2022年推动“东数西算”的时候，就已经在讨论时延问题，当时就认为这是“东数西算”工程的基本前提。

所以明明说“东数西算”，但部署的八大国家算力枢纽节点，京津冀、长三角、粤港澳大湾区三个却位于东部，就是为了解决时延问题，重点支持网络延迟要求高的业务，比如工业互联网、自动驾驶、金融证券、智慧城市等等高价值应用，而这些高价值应用，才是大头。

2022年后，也确实在努力解决时延问题，典型如网络骨干直连，减少数据传输环节。

但物理极限卡在这里，比如从成都到上海直线距离大概2000公里，光跑完需要6.7毫秒，考虑双向传输那就是13.3毫秒，这是物理极限，实际根本不可能达到。无论怎么减少中间环节，也必然超过了2021年5月《全国一体化大数据中心协同创新体系算力枢纽实施方案》对车联网、联网无人机、智慧电力、智能工厂、智能安防等实时性要求高的业务的时延要求，这些业务单向端到端时延需要在10毫秒以内，目前西部到东部的单向时延，远超这个标准。

注意这还是2021年的方案，当时还没有考虑到AI推理的需求。

所以，最有价值、占比最高的AI业务需求，一定要靠近使用一线，太远的数据中心指望不上。

那么问题就出现了，中国电网当然强大，但电力分布不均，广大东部尤其东南地区是缺电的，而AI、算力是电老虎，增速还特别快。

2023年底时，中国数据中心年耗电就已经达到1500亿千瓦时，占全社会用电的1.6%，之后两年电力消耗暴增，2025年的耗电量有不同口径，信通院测算是1960亿千瓦时、占全社会用电的1.89%，但这个统计口径是比较狭义的，其他机构测算最高在4000亿千瓦时。

就算按照信通院的口径，2025年国内算力中心用电量的同比增长也在18.1%，远高于同期全社会用电量增速的5.2%。2026年才是AI算力需求爆发年，这从Token的消耗量就能看出来。中国2026年3月日均Token消耗量较2025年底增长40%，IDC预测中国2026年Maas企业级Token调用量同比增速超过20倍，行业龙头企业比如阿里程序员的Token消耗量，5月日均消耗量已经是年初的9倍，还在飞速增长。

小镇之前说过，。

当然，用Token消耗量来评估AI的发展和应用水平过于简单粗暴，但就像用GDP评估国家或地区经济发展一样，也有很多问题，根本无法反映真实情况。比如保加利亚因为通货膨胀，竟然在2026年4月被IMF认定为发达国家，而开战4年的乌克兰，人均GDP已经比战前翻倍还多了。

但GDP已经是最好用、最方便的了，Token消耗量也是一样的道理，如果一家AI企业、一个希望融入AI时代的个体，每月的Token消耗量达不到一定量级，什么都别谈了，迎接AI时代，行胜于言。

道理就很简单了。

整体和中长期，中国电力供应一定非常充足，一定大大领先美国，但聚焦到AI发展最核心的东部尤其东南部沿海，聚焦到2026年，中国电力真的具有优势吗？

不仅不是优势，甚至电力已经成了中国AI产业发展的一个相对短板。

原因有三，分别是：工商业电价高、电力供应阶段性不足、自主芯片耗能大。针对这三点，也就可以推演未来政策需要加力的方向。

......（以下省略1004字）

当然，除了这一关键产业，其他能够缓解东部尤其东南部算力电力短期需求的措施，都将得到支持。

其他文章推荐

（中篇）

（上篇）

欢迎分享，让更多人发现“大树乡谈”