马斯克：27年除了中国都会缺电，中美手里有的，都是对方想要的

人工智能的竞争，正在把电力和基础设施推到更显眼的位置。模型与芯片决定系统能做什么，但把这些能力部署到足够大的规模，还需要持续供电、厂房、网络和冷却设备。马斯克与黄仁勋关于“超级智能”的讨论，呈现的正是这两套条件如何彼此依赖。

黄仁勋首先谈到，人工智能或者说超级智能，是对整个运算堆栈的一次彻底重塑。从处理器与芯片的设计方式和运作方式，到软件如今的训练与开发方式，再到应用程序能够执行哪些功能以及如何执行，运算堆栈的每一个层级都被重新发明。

这种运算方式与以往的信息检索方式截然不同，它是一种生成式的运算方法。

他指出，要在这场竞赛中取胜，首先需要的就是能源，因为能源驱动运算、运算驱动算法，而算法再去驱动各种应用，最基础的一层就是能源。

有了这些能源，才能建造土地、电力与厂房来容纳基础设施。

黄仁勋认为，美国在芯片设计与算法开发上均处于世界一流水平，而取胜的关键之一在于保持警觉，确保电力输送与发电能够顺利推进。他特别提到，特朗普总统在支持能源方面一直很有远见，若没有这份远见，就不可能在能源之上兴建数据中心。

他同时表示，数据中心上线的速度非常快，相关建设已进入许多街区与社区，必须与社区携手合作，让社区也能分享这场工业革命的繁荣与成功。

他强调，要致胜就必须打造全球最好的芯片，拥有大量能源，创造出色的算法，并确保美国民众对这项技术充满热忱，让它扩散到制造业、医疗保健、太空探索等各个不同产业。

黄仁勋使用“超级智能工厂”来描述新的数据中心，强调它们在生产具有经济价值的计算服务，而不只是保存数据。这样的设施需要大量运算与网络设备，也需要发电和冷却系统。名称变化背后，是算力服务依赖实体基础设施的现实。

马斯克同样把扩大电力与芯片产能列为重要任务，他认为，美国在软件和数字领域拥有优势，但长期竞争仍需足够的能源与逻辑、存储芯片制造能力。

他以中国的发电规模作比较，表达对美国扩大供给的关注。这是他对竞争条件的判断，不能进一步推导为所有国家都会在同一时间缺电。

他还提出了一种推演：以美国平均用电功率约500吉瓦为基数，增加5吉瓦相当于提高约1%。他据此猜测，随着芯片与算法的每瓦效率提升，新增电力可能对应显著经济产出，甚至设想用电与GDP大致同步增长。

但这一对应是个人估算，并不是经过证明、适用于所有经济活动的固定规律。

新增电力能否产生相应价值，要看它服务什么应用，以及芯片、网络和实际需求能否同时到位。提高硬件每瓦运算能力、改进算法，与扩大电力规模共同作用，才可能降低计算服务成本。电力是重要基础，却不能独自决定生产率和经济增长。

从更长远的视角，马斯克还讨论了轨道计算与太空太阳能的可能性。他设想将更多能源与运算设备送入轨道，以获取不同于地面的能源条件。这里涉及的是未来目标与路线判断，不能把提出的生产规模或发射能力当作已经建成的系统。

轨道路线也没有消除工程约束，发射成本、设备可靠性以及在轨运行条件，都会影响实际可行性。

把太阳能设备制造出来、成功送入轨道，与长期稳定输出可使用的运算服务，属于不同阶段。讨论这种设想，关键是保留目标与实施结果之间的距离。

对于地面建设，黄仁勋特别强调社区的重要性。数据中心进入当地，意味着土地、电力、冷却和施工等方面的变化。

企业希望项目推进，就需要与周围居民合作，让社区能够分享收益，而不能只要求地方提供资源。基础设施建设因此也是企业与地方之间的协调过程。

他预计，新设施可能带动发电厂、营建工程、电力冷却与管道等多种工作机会。这一判断强调，人工智能产业并非只需要软件工程师，也需要能够把实体设施建起来、维护起来的技术工人与施工人员。就业的实际规模，仍取决于项目数量、进度和具体建设方式。

马斯克则以自身项目为例，介绍了周边就业、税收及水资源回收方面的安排，并提出企业应当为社区做些实际事情。企业自身对项目收益的介绍可以说明其经营思路，但不能自动替代地方完整的成本收益评估。需要同时观察供电、用水与社区需求能否协调。

能源投资是另一项被反复提到的条件，马斯克认为，算力需求正在推动市场资金关注储能以及不同的能源技术。需求带来的投资动力值得关注，但融资意愿与项目建成仍是两回事；不同能源路线的成本、建设周期和实际表现，也不能一概而论。

两人还把系统安全与产业发展放在一起讨论。黄仁勋强调，在评估和部署能够执行任务的代理系统时，需要隔离环境、限制权限，并持续监控。模型能够完成更多工作，并不意味着它应该不受限制地访问所有工具与数据。

他提出在代理运行环境之外进行监控的思路，以便发现越界行为并按规则上报。其逻辑是把执行任务与检查任务分开，避免只依赖系统自身判断。算力基础设施扩张之外，可靠的管理与监督机制，同样决定这些能力能否被广泛使用。

马斯克与黄仁勋还提及关于超级智能安全的共同安排，包括内控、审查与共享实践等方向。无论具体机制如何推进，讨论所强调的都是能力与治理需要同时发展。宣布一种原则只是起点，能否执行、如何检查，仍需要持续观察。

从产业组织看，电力问题之所以被推到前台，是因为扩大算力会同时增加对土地、变电设备、输电线路、冷却系统和长期供电安排的需求。资金与软件可以较快调整，实体设施却需要规划和建设，某个环节迟滞，都可能影响整套系统的部署。

美国的芯片设计、软件和资本体系，与中国的制造、电力设备和新能源供应链，为各自发展提供条件。

但不能把这种比较简化为一方只有“大脑”、另一方只有“身体”。两国都存在完整产业中的不同环节，优势也会随具体应用与项目条件变化。

建设速度同样不能用一个全国统一的期限概括，数据中心多久接电，取决于项目规模、当地剩余电力容量、线路与审批条件。中国某个项目较快建成，不能证明所有项目都能半年通电；美国部分项目遭遇长时间等待，也不能推出每个项目都一定要十年。

因此，这场讨论更有价值的提示是：前沿芯片与模型能力必须和现实的能源、制造及工程体系配合。电力瓶颈可能影响部署规模，芯片供给与算法效率也可能形成约束。未来竞争的关键，在于怎样把这些条件组织起来，而不是用某一项优势宣布其他因素已经不再重要。