蒙古：草原用来放羊！内蒙古：感谢长生天，我给全国供AI

一阵冷风越过蒙古高原，吹过的景象却截然不同。

在蒙古国，牧民赶着羊群寻找能够过冬的草场；向南进入中国内蒙古，风机叶片在草原和荒漠边缘缓缓转动，绿色电流沿着专线进入数据中心，机房里的服务器正在训练大模型。

气候相近，风光资源相似，一边还在与旱灾、沙化和缺电搏斗，另一边已经开始把草原上的风，卖成数字时代的算力。

草原的冷风，过去冻牛羊，现在给服务器降温

AI数据中心最怕两样东西，一是缺电，二是过热。

一排排服务器塞进机房，每块芯片都在持续发热。机器消耗一度电进行计算，冷却系统还要再消耗一部分电，把热量从机柜里搬出去。

因此，许多数据中心不仅是计算机大户，也是空调大户。

内蒙古的寒冷，在这里变成了一种生产资料。

和林格尔、乌兰察布等地年平均气温约为7摄氏度，数据中心一年大约有6个月可以利用室外冷空气辅助散热。冬季机房外寒风呼啸，内部冷却设备却可以少转一会儿。

省下来的不只是电费，还有水和制冷设备的运行成本。

而走出机房，远处还有另一幅景象。

风机立在旷野上，光伏板沿着地面铺开。一条约41公里长的专用输电线路，把风电、光伏和储能系统与和林格尔的数据中心连接起来。

风吹得大，风机多发电；阳光充足，光伏板开始工作。绿电不用先绕远路进入大电网，再从另一头送回来，而是沿着专线直接进入机房。

不过问题也会随之出现，服务器可以连续训练模型，风却不会按程序员的时间表吹，太阳到了晚上也要下班。如果电力忽高忽低，价值不菲的计算设备就无法稳定运行。

解决办法藏在一套算电协同系统里。

平台以毫秒级速度采集风电、光伏、储能和机房负荷数据，再结合天气与发电预测分配电力。

绿电富余时，让储能设备充电，也可以给合适的计算任务增加资源；发电下降时，储能立即补位，电网则负责最后托底。

大模型训练、实时推理和数据处理对中断的容忍度不同。把可以推迟的任务放到绿电充裕时执行，再用储能和电网保护重要任务，才能让风光电与算力真正配合。

草原、风机、储能柜和服务器，原本是四种互不相干的东西，现在被一套调度系统拴在了一起。

29.7万P背后，是另一种算力打法

截至2026年6月，内蒙古公布的算力总规模为31.5万P，其中智能算力约29.7万P，数据中心绿电使用比例超过80%。

这里的P，通常用来描述每秒浮点计算能力，并不等同于GPU数量。

公开资料显示，内蒙古相关集群部署的AI加速卡约为2万张，而且相当一部分是国产芯片。

美国马斯克的xAI则披露，Colossus 1拥有超过22万块英伟达GPU，Colossus 1和Colossus 2到2025年末合计超过100万块H100等效GPU。

单看一家公司掌握的高端GPU数量，xAI仍然走在前面。

内蒙古的玩法并不是在草原上复制一座Colossus，它更像一座面向全国的算力电站。

北京、上海和深圳有大模型公司、互联网企业和大量数据，却面临土地、电力和散热成本。内蒙古有廉价土地、冷凉气候和大量风光资源，但本地计算需求没有东部那么大。

“东数西算”做的事情，就是用高速光纤把两边接起来。

目前，内蒙古已形成面向呼和浩特、包头、鄂尔多斯和乌兰察布的低时延网络，并与全国25个城市实现直连。北京企业把适合异地运行的训练、推理和数据处理任务送到内蒙古，机房完成计算，再把结果传回去。

煤炭装上火车才能卖出去，电力需要输电线路才能送走。

算力不一样，绿电进入服务器以后，经过模型和软件处理，最后可以变成一个个Token，通过光纤直接送往全国。

过去内蒙古卖煤、卖电，现在又多了一种商品：把一度电加工成一次计算。

蒙古国也冷、也有风，为什么没有出现同样的机房？

把地图摊开，蒙古国同样寒冷、干燥，也拥有丰富的风能和太阳能资源。

只看气候，它似乎同样适合建设数据中心。

可数据中心不是找一块寒冷空地，摆上服务器就能运行，首先要有足够稳定的电。

2024年，蒙古国国内发电量约为87.5亿千瓦时，同时进口了约28.6亿千瓦时电力。进口量相当于国内发电量的近三分之一，而且比上一年增长17%。

世界银行的报告指出，蒙古国用电需求在过去十年翻了一倍，装机容量增幅却不到10%。部分电厂老化，跨地区输电能力有限，电网控制系统也需要升级。

这样的电力系统首先要解决居民供暖、矿山生产和城市用电，再接入一座需要几百兆瓦稳定功率的AI数据中心，难度可想而知。

其次是网络。蒙古国拥有光纤骨干网和较高的互联网普及率，并非没有数字基础设施。但作为内陆国家，其国际数据传输需要经过中国或俄罗斯的陆地光缆。

超级算力中心不仅要把数据送进去，还要以低时延、高可靠的方式把结果送到客户手中。少一条高容量线路，就少一条备用通道；跨境传输环节增加，网络成本和商业不确定性也会跟着上升。

内蒙古的数据中心背后，是中国庞大的服务器、通信设备、电力装备、储能和施工体系。

设备坏了，附近能找到工程师；机柜需要扩容，供应商可以批量交货；算力建好，北京和其他东部城市还有大量客户购买。

蒙古国人口约350万，本地AI市场有限，又缺少同等规模的设备制造和软件产业。即使风电资源丰富，也很难靠一座数据中心独立凑齐电网、光纤、芯片、人才和客户。

这种差距，在蒙古国遭遇极端寒冬时显得更加直接。2024年的严重雪灾造成超过744万头牲畜死亡，而蒙古国约77%的土地已受到不同程度的退化影响。

此时此刻，就在蒙古高原的一边，牧民正在储存饲草、修复牧场；而在另一边，内蒙古的工程师正在调度储能、冷却服务器。

美国会撞上电网天花板，但中国还没有提前获胜

有人曾经预测，2027年至2028年将成为中美算力竞争的转折点。

理由并非毫无根据。美国数据中心用电占比正在快速上升。

国际能源署预计，到2030年，数据中心将贡献美国新增用电需求的近一半。输电线路建设缓慢、并网项目排队以及部分地区电力不足，已经成为AI企业扩张的现实障碍。

xAI为了快速启动Colossus，曾使用天然气发电设备补充现场电力。美国其他数据中心也在寻找天然气、核电和可再生能源，以免价值数十亿美元的GPU等不到电。

内蒙古的优势正好相反。

这里有大规模风光基地、相对低廉的土地、适合自然冷却的气候，还能通过国家电网、算力网络和产业政策，把电力与东部AI需求连接起来。

但这并不意味着美国会在2028年突然撞墙，中国自动接管全球算力。

美国仍掌握最先进的一批AI芯片、软件生态、云服务和头部模型企业。中国则要解决高端芯片供给、不同算力口径、设备利用率、跨区域网络时延以及绿电稳定消纳等问题。

未来几年的胜负，不会由某一天的算力排行榜决定。

真正重要的是，谁能持续获得芯片，谁能以更低成本供应稳定电力，谁能让昂贵的机器始终有任务可做。

草原没有替任何一方决定命运。

同样一阵冷风吹过边境，一边的牧民要判断羊群能否熬过寒冬，另一边的数据中心正在判断储能还能支撑多少计算任务。

风还是那阵风，区别在于它吹过以后，是卷起地上的沙尘，还是沿着41公里输电线，进入一排正在训练AI的服务器。