编者按：近期，美国刊物《连线》和《大西洋月刊》相继发表重磅文章，将当下AI热潮称为“终极泡沫——终结所有泡沫的泡沫”。两篇文章揭示美国AI巨头陷入巨额亏损：OpenAI去年营收约40亿，亏损50亿美元。分析人士指出，在这场“明知可能是泡沫，却不得不下注”的豪赌中，谁能以更低成本获取并稳定供应电力，谁就能掌握竞争主动权。

意大利国际事务研究所（IAI）近期发表的报告，对这一“AI—能源纽带”如何重塑全球竞争格局进行了系统分析。报告指出，AI扩张化发展对电力的需求呈指数级上涨趋势。保障电力持续稳定供给已成为国家发展AI的核心战略支撑，这也推动了全球能源格局的重塑，倒逼全球油气行业的变革发展，油气公司需从“传统能源供应商” 转型为 “AI能源解决方案提供者”与 “AI 驱动的高效运营商”。

在这一趋势下，油气公司面临两大转型难题：一是在AI地缘政治化背景下，技术获取面临出口壁垒；二是全球油气公司面临大洗牌，部分公司或将成为地缘政治牺牲品。本文转载自欧亚系统科学研究会，文章仅代表作者本人观点。

【文/皮耶尔·保罗·雷蒙迪，编译/李旭】

地缘政治世界中的AI

人工智能具有很强的变革潜力，因此，全球各界人士都在密切关注AI领域的发展。各国的决策层都在积极引导私人资本进入AI领域，以获取实际经济收益，同时增强自身的经济安全与国家安全；企业则在“数据—算力—模型—应用”各个环节争夺市场份额。

人工智能的运行，离不开数据中心提供的电力与算力支持。随着竞争加剧，各国在数据中心方面的投资显著扩张，规模越来越大、投资速度也越来越快：中国设立了475亿美元的半导体基金，以强化芯片方面的研发与生产能力；印度投入了12.5亿美元；加拿大投入了24亿美元以支持相关的项目研发与基础设施建设。在国家层面，中美两国最为关键。两国依托自身强大的科技产业、充裕的资金、相对丰富的能源和有针对性的产业政策，推进AI行业的发展。以数据中心容量来计算，美国约占全球份额的45%，中国约占25%。

美国凭借自身的科技巨头与持续投资在建设与算力供给上处于领先地位。过去十年里，美国的机器学习模型产出居于首位；在大语言模型领域，约73%的模型是由美国开发的。2024年，美国机构共发布40个模型，中国15个，欧洲3个。同期，美国人工智能私人投资约1091亿美元，中国约93亿美元，英国约45亿美元；前二十名还包括瑞典、阿联酋、荷兰、意大利。若看2013—2024年的累计投资，名次略有变化，但格局基本不变。

图1：2024年人工智能私人投资额排名前二十的国家（单位：十亿美元）

图2：2013—2024年人工智能总投资额排名前二十的国家（单位：十亿美元）

在资本的推动下，美国出现了通过合资与整合做大AI的趋势。目前，美国政府正在推动多方联合，OpenAI、甲骨文与软银宣布在美组建合资企业，并承诺投资1000亿美元。相关的监管措施也在同步加快：2024年联邦层面的相关行动较上一年几乎翻倍。而在将人工智能纳入国家发展战略的同时，美国也在高度关注与中国的竞争。美国国会下属的美中经济与安全审查委员会呼吁设立新时代的“曼哈顿计划”，以巩固美国的前沿技术领导地位。与此同时，中国在AI方面的领导地位也在稳步提升。过去十年，中国围绕AI推出了系统性的产业政策。虽然美国在模型产出上仍占优势，但在质量与先进性上，两国的差距正在缩小，私营企业的重要性不断上升。

总体来看，AI已成为新的大国战略竞争战场。多国倾向于将技术竞争视为零和博弈，例如，美国在AI领域形成了较为系统的限制框架，以约束中国获取关键技术与设备的能力，其典型做法是对先进芯片与半导体制造设备实施出口管制。

欧洲则秉持着不同的发展路径与节奏。欧洲的数据中心用电量约占全球总量的15%，但因本土龙头企业偏少、资本市场深度不足、关键技能短缺而相对落后。不过，欧盟在制度安全层面投入颇多：2024年6月，欧盟通过了《人工智能法案》，以区分风险分级的方式为开发者与使用者设定相应的规则；2025年4月，欧盟又发布了“人工智能大陆行动计划”，拟撬动约2000亿欧元的投资，在欧洲建设至少13家“人工智能工厂”，并新建5家左右的“人工智能超级工厂”。不过，相关投资的实际落地仍有困难：欧盟整体的融资能力弱于其主要对手，而且能源和房地产方面的成本也相对较高。

放眼全球，自2023年以来，在统计的75个国家当中，有关人工智能的立法与政策增长幅度约为21.3%，较2016年相比更是增长了9倍之多。除了头部经济体外，许多中等国家与新兴经济体也在积极参与。

中东，尤其是海湾国家表现得尤为突出。沙特和阿联酋希望依托自身雄厚的资金、低廉稳定的能源、广袤的土地与强力的政策承诺，打造区域乃至全球范围内的人工智能枢纽；“数据是新的石油”已成为当地各国政府的共识。两国已将AI产业纳入到经济多元化路线图当中：阿联酋于2017年发布了国家级人工智能战略，沙特也于2020年发布了国家级数据与人工智能战略；随后，相关的大额项目密集落地。阿联酋的G42与多家科技公司共同推进“Stargate UAE”项目，沙特则启动了价值约1000亿美元的“超越工程”，还设立了国家级人工智能旗舰企业 HUMAIN。不过，这些国家要想实现自身的目标，仍需解决人才短缺、技术依赖、极端高温以及当地的地缘政治不确定性等不利因素。

东南亚各国也在积极参与AI热潮。各国都在努力营造更为友好的监管与营商环境，充分发挥本地年轻人口多、成本低的优势。据测算，东盟在数据中心建设与运营成本方面较全球均值便宜约20%。

总而言之，推动AI产业扩张的关键要素包括充裕的资本、稳定且廉价的能源供给、过硬的技术与工程能力支持。这些因素导致数据中心在地理上往往高度集中。当然，气候也同样重要：气温更低的地区因冷却成本更低，更能吸引投资。随着全球范围内的气温上升，这一影响将进一步放大。与此同时，在一个地缘政治色彩更加浓重、技术密集程度更高的世界里，数据中心的选址也会更多地考虑主权与国家安全因素，这一点也将重塑各国与各个企业之间的“AI外交”和合作版图。

AI—能源纽带

AI大模型需要依托数据中心才能运行，而数据中心则需要大量的算力与电力支持。因此，要想评估AI对能源系统带来的影响，必须把数据中心用电作为核心切入点。按惯例，数据中心大致可分为两类：一是普通规模，其装机与负荷一般较小；二是超大规模，其用电需求可达100兆瓦甚至更高。近年来，超大规模数据中心的快速普及，对电力系统提出了更高的负荷要求。

自2017年以来，数据中心年用电量以约12%的速度不断增长，明显高于全球用电的平均增速，几乎达到了其四倍之多。到2024年，数据中心年用电量约415太瓦时，约占全球总用电量的1.5%。目前，AI相关的负载在其中所占的比例仍相对有限，且各国差异显著。按地域看，美国、欧洲与中国合计约占全球数据中心用电总量的85%；其中，美国的数据中心用电占全美用电总额的4%以上，欧洲不到2%，中国约为1.1%。这些差异既与产业布局与投资节奏有关，也与各地电力结构、能源价格和电网条件密切相关。

表1：按国家划分的数据显示：2024年数据中心用电量（占比与绝对值），以及到2030年的用电增量

（一）用电增长的相关预测

在未来一段时期内，随着人工智能技术的持续进步与新项目落地，数据中心的用电需求量预计会继续上行。从现在到2030年，用电量的年均增速大概率约15%。按国际能源署的测算，2030年全球数据中心用电量将比现在多一倍多，约为945太瓦时，体量略高于日本2024年的全年用电量；但其在全球用电总量当中的占比仍在3%左右。尽管占比不高，但增长的分布情况却明显不均：在美国和日本，2030年数据中心的用电增量会占全国用电增量的约50%；而数据中心往往集中在少数区域，因此容易在城市群或园区层面推高负荷峰值，进而抬升对电网承载、调度与新建电源配套的要求。

随着AI用电负载的上升，环境方面的考虑也应当提上日程。例如：一次AI查询的耗电量约为普通搜索的十倍，而这将影响企业的减排策略。一项覆盖约200家AI企业的研究显示，2020—2023年间，其碳排放总量增长了约1.5倍。即便可再生能源的扩张使得电网平均碳排放量有所下降，但也未必能帮助科技公司降低自身的碳排放量。

虽然多数预测都认为AI产业的用电量将持续上行，但相关的不确定性依然较高，关键在于数据的可得性、效率提升的速度以及行业的发展节奏。效率提升很可能会显著压低边际用电量：经验显示，AI相关芯片的能效大约每三年就能翻一番，按同等算力口径计算，现代芯片的耗能量已比2008年时低约99%；2015—2019年的工作负载虽然增长了近三倍之多，但总用电量却相对稳定，这主要就得益于芯片能效的提升。近期的技术进步（如DeepSeek于2025年推出的大型推理模型）与“分布式训练能力”的推进，进一步强化了效率提升带来的成效。

不过，需要警惕的是，效率提升并不必然带来总用电量的下降，单位成本降低常常会导致使用频率的上升，因此还可能会出现“反弹效应”。此外，电网接入方面的限制、上游芯片与设备供给的瓶颈、监管审批周期等因素，以及社会接受度与人才供给等外部约束，也会影响AI在各行业的实际采用速度。