（来源：刘润）
中美AI竞争的终局，可能不是拼“算力”，而是拼“电力”。因为AI越猛，越吃电。谁能把这笔电费扛住，谁就能撑到最后。
最近的一些消息，让我越来越相信这个观点。比如前段时间，英国《金融时报》的一则报道。报道说，中国启动了针对AI的电费补贴。在某些数据中心密集的省份，只要你在数据中心全面使用国产芯片，就可以减免你的电费，最高50%。
有人说，这么多啊，这可省钱了。也有人说，短期是省钱了，可是，能一直这样下去吗?到时候补贴一停，估计又要回到解放前了。
怎么说呢？在我看来，这个补贴，与其说是短期的产业扶持，不如说是我们在AI竞争中，发起了一次“非对称”回击，用廉价充裕的电力优势，弥补芯片性能劣势。
一个电费补贴，怎么就成“回击”了？它到底打到哪了？
要回答这个问题，我们得先去看看我们的对手，正在经历的一场能源危机。
01
美国AI产业的瓶颈，已经从芯片转向了电力
你知道吗？最近美国的科技巨头们，找电都快找疯了。
这话不是我说的。是微软的CEO纳德拉说的：现在的最大问题不是计算（芯片）过剩，而是电。如果电力跟不上，即便仓库里堆满芯片也没用。品品这话。世界顶尖的科技巨头，手握最先进的算力芯片，最大的烦恼，居然是找不到足够的插座。
（图片来自视频号：半导体俱乐部）
为什么会这样？因为搞人工智能，真是太耗电了。
当ChatGPT每日响应约2亿个请求时，耗电就足以支持1.7万个美国家庭的用电。这还只是一个AI应用的电量。预计到2035年，美国AI算力产生的电力需求，还会翻一番以上。但是，美国的电网，又特别不给力。他们的电网系统，大部分建造于几十年前，甚至更早。北美电网运营商就曾发出警告：未来几年，辖区内很有可能间歇式停电。摩根士丹利也说，2030年左右，美国某些区域的电力缺口，可能高达20%，AI就是其中很重要的原因。
当需求爆炸，但供给却动不了、修不快时，麻烦就来了。
弗吉尼亚州北部的劳登，一度是全球最大的数据中心市场之一。2025年，政府宣布加紧数据中心项目的审批。原因之一，就是电网的输电能力已经跟不上需求。同样的情况发生在亚利桑那州的图森。他们拒绝了亚马逊的大型新数据中心项目，因为项目消耗了太多电和水。
那怎么办呢？AI巨头们，只好砸钱。
为了给云计算和人工智能项目供电，微软签署购电协议，重启三哩岛核电站1号机组，并买下未来20年该电站的所有电力。亚马逊觉得电网效率太低，于是，干脆花了6.5亿美金，在电站旁边买下了数据中心园区，直接接入了发电厂。
电力，客观上已经成为了美国AI产业的瓶颈之一。
02
我们正在用能源优势，弥补产品性能劣势
聊完美国，再回来看中国。你会发现，我们正在用自己的能源优势，补产品劣势。
什么能源优势？
早在2022年，AI大爆发之前，我们就已经启动了一项超级工程：东数西算。
在中国，有一个天然的“错位”。风电、光电资源最丰富的地方，比如内蒙古、贵州，电力用不完。而最需要电的企业，比如有大量数据要处理的互联网企业，却都挤在东部的北上广深，这里寸土寸金，电价也贵。
怎么办？
那就，把东边的数据，搬到西部计算。让中国西部那些可能被闲置的，清洁廉价的电力，被东部需要算力的企业，更大规模地用起来。这就是，东数西算。
这个伏笔，很多年前就种下了。于是，在AI这个用电大户横空出世的今天，它让我们拥有了充足的能源优势。
但这还不够。因为，真正的挑战在于：我们要推动国产芯片替代。因为在AI竞赛里，大模型是标，芯片是本。治标，不如治本。
而阻碍一家企业从英伟达换成国产芯片，除了产品性能的差距之外，还有两个难关。
第一个难关，是电费成本。
有评估认为，产生同样多的算力，我们的芯片要多花30%到50%的电。也就是说，本来100万的电费，换了之后，要多花30-50万。
第二个难关，是生态迁移成本。
CUDA，是一套，让程序员更好用英伟达GPU的编程工具。如果说，英伟达的GPU是AI时代的“电脑主机”。那么，CUDA就是AI时代的“Windows系统”。换芯片，就意味着软件工程师，要花大约6到18个月的时间，把过去十几年，在CUDA上积累的所有代码、模型、工具链，推倒重来，适配新生态。比如，华为的CANN。
这两个难关，怎么跨过去？答案之一，就是：电费补贴。补贴的真正威力，在于它从根本上，改变了一家企业看待国产芯片的“成本视角”。
当一家公司在评估一项新技术时，它的成本公式是这样的：
总成本 = 采购成本 + 运营成本（电费占大头） + 迁移成本
在这个公式下，国产芯片很难占优，企业自然没有动力去选择。但现在，这个公式里，就出现了两个，我们独有的减项。
第一个减项，叫“能源调度红利”。
东数西算，让你的基础电费，从一开始就比别人低了一大截。
第二个减项，叫“财政补贴”。
这就是这次的电费补贴。它在你已经很低的电费基础上，再砍一刀。
于是，一个全新的、只属于中国的“AI算力成本公式”，诞生了：
总成本 = [采购成本 + 运营成本 + 迁移成本] - 能源红利 - 财政补贴
我们没有在公式的前半部分，去跟对手硬拼。而是用我们独有的“系统能力”，改变了最终的计算结果。这就是：用能源优势，补产品劣势。
电力补贴，本质是用运营成本优惠，去覆盖生态迁移成本，从而为国产芯片产业，争取到建设生态和迭代技术，最宝贵的时间。
03
弹药、扳机、目标：一个完整的反制系统
拆到这里，事情就清楚了。三件看似独立的事，背后，其实是一个闭环。
东数西算，是弹药。
它解决的，是能源供给和单位算力成本的问题，让我们在“谁有电、谁便宜”这条赛道上占据先手。
电费补贴，是扳机。
它规定了这批弹药该怎么用，只有换上国产芯片，你才能用上这笔便宜电。
国产芯片，和以CANN为代表的国产生态建设，则是我们要精准打击的，那个目标。
弹药决定能打多久，扳机决定能不能打，目标决定打向哪。这三者一起，构成了一个从资源到成本、再到生态的闭环。而这个闭环的目的，从一开始就不止是防守，而是，进攻。进攻的方向，至少有两个。
第一，英伟达的生态霸权。
英伟达的CUDA生态，就像AI领域的Windows操作系统。它用极其高昂的迁移成本，锁住了所有用户。我们现在要做的，是用自己巨大的内需市场，催熟CANN的国产替代。一旦它在市场里，被验证、完善，英伟达一家独大的局面，就有被撕开口子的可能。
第二，AI的成本基础。
因为能源危机，未来搞AI，成本会越来越高。而我们这里，因为东数西算和电费补贴，成本相对可控。当未来的AI竞赛，从百米冲刺变成一场消耗战的时候，谁的成本更低，训练更好的模型，谁或许就能，笑到最后。
当正面战场胜算不大的时候，唯一的出路，或许是重新定义战场。
最后的话
英伟达用CUDA生态，统治了AI的上半场。那是一个拼芯片性能、拼算法优化的时代。在那个游戏里，我们确实起步晚了。
但现在，游戏规则正在悄悄改变。
当AI从实验室走向大规模商业应用，当模型越来越大、训练越来越频繁，这场竞争就不再只是技术的竞争，而是资源的竞争。不再只是拼谁的芯片更快，而是拼谁能承受得起这场持久战的成本。
丰富的清洁能源，完善的电网基础设施。这些，都是我们在上一个时代积累的“隐藏资产”。现在，它们开始发挥作用了。
所以，才有这么一句话：美国最怕的，不是华为的芯片，而是中国的电网。
当然，这不意味着我们可以躺平。芯片性能的差距，仍然需要时间来弥补。软件生态的建设，更是一场需要耐心的马拉松。但至少，我们找到了一条可能的路径：用能源换时间，用时间换技术，用技术换生态。
技术拼到最后，往往成了拼资源。而我们，最不怕的就是这个。
参考资料：
1、FINANCIAL TIMES：China offers tech giants cheap power to boost domestic AI chips
2、三哩岛核电站将重启为微软AI供电，曾发生美国史上最严重核事故
3、美国宾州史上最大投资！亚马逊200亿押注核电数据中心
4、Tucson City Council rejects Project Blue data center amid intense community pressure
5、The Resource Adequacy Report
观点/ 刘润 主笔/ 景九 编辑 / 歌平 版面 / 黄静