问题： 当前，全球新一轮科技竞争加速演进，大模型训练与应用推理推动算力需求持续攀升。
与传统互联网业务不同，人工智能对计算密度与持续运行时长要求更高，带动数据中心用电量快速增长。
国际市场多地出现电网接入排队、供电能力不足、电价波动加剧等现象，电力与能源结构正在成为算力供给的“硬约束”。
从产业链看，电力不仅关系到芯片与服务器能否高负载运行，更直接影响训练周期、运营成本与安全冗余水平，决定算力基础设施能走多快、走多远。
原因： 一是计算环节“吃电”。
大模型训练依赖海量参数与长时间并行计算，单次训练即可消耗大量电能。
以公开资料中对GPT-3训练的估算为例，其耗电量达到千兆瓦时量级，折射出大模型训练的能源强度。
推理端同样在应用规模扩大后形成持续负荷，使数据中心从“阶段性用电”转向“常态化高功率运行”。
二是散热环节“再吃电”。
服务器集群高负载运转会产生大量热量，必须依靠制冷、风冷或液冷等系统稳定温度。
制冷系统往往占据数据中心显著比例的能耗，部分地区在高温季节还会遭遇冷却效率下降，进一步推高用电需求与峰值负荷。
三是供电与电网约束叠加。
数据中心需要连续、稳定、可预测的电力来源，对电网接入容量、供电可靠性、调峰能力要求极高。
若电力供给不足或电价波动较大，将直接抬升算力成本并制约扩张节奏。
多重因素叠加，使“电力保障能力”从配套条件上升为竞争要素。
影响： 从全球视角看，数据中心用电预计仍将保持较快增长，部分预测认为到2030年前后全球数据中心用电水平可能显著高于当前。
电力紧张将带来三方面影响：其一，算力布局更趋向“能源跟着算力走”，资源与政策优势地区吸引数据中心集聚；其二，企业更重视能效指标，液冷、模块化机房、余热回收与智能调度等技术加速普及；其三，碳约束强化，能否获得稳定绿电与可核算的低碳电力，将影响数据中心在国际市场的合规与竞争力。
对中国而言，电力底盘的强弱将直接关系数字经济“底座”是否稳固。
算力作为新型生产力的重要支撑，若能在更低能耗、更高可靠性条件下扩张，有助于降低产业链综合成本，提升模型训练与应用落地效率，带动制造、能源、通信与软件生态联动升级。
对策： 中国的基础优势体现在规模、结构与布局三方面。
规模方面，我国已建成全球规模最大的电力基础设施体系。
数据显示，2024年全国发电量超过10万亿千瓦时，占全球发电量约三分之一，为高强度用电场景提供了更强的供给韧性与调度空间。
结构方面，可再生能源扩张为算力增长提供更可持续的能源来源。
我国已形成全球最大可再生能源体系，社会用电结构中绿电占比持续提升。
按照有关预测，到2026年前后仍将新增较大规模的风电、太阳能装机，绿色电力供给能力有望进一步增强，为数据中心低碳转型提供条件。
布局方面，“东数西算”工程体现了前瞻性思路：通过引导数据中心向能源资源更为富集、气候条件更利于散热的地区集聚，推动算力基础设施与能源基地、输电通道协同发展；同时以网络与算力调度满足东部地区高密度需求，形成跨区域协作。
该思路既有助于降低综合能耗与碳排放，也有利于缓解局部电网压力，提升整体系统效率。
前景： 展望未来，算力竞争将从单纯比拼芯片数量、服务器规模，进一步转向“电力供给能力+能效水平+绿色合规”的综合较量。
随着大模型应用加速进入工业、政务、科研与消费领域，数据中心将更加重视稳定性与低碳属性，电源结构、峰谷调节能力、储能与需求侧响应等将成为关键变量。
对我国而言，继续巩固电力保供能力、提升绿电消纳与跨区输送效率，推进数据中心节能技术与标准体系建设，将有助于把电力优势转化为算力优势、产业优势与创新优势。
电力资源的重要性在AI时代被重新定义。
当人工智能成为全球竞争的新焦点时，那些能够提供稳定、充足、清洁电力的国家，将在这场竞争中占据制高点。
中国不仅拥有全球最大的电力基础设施体系，而且正在以创新的战略思维和坚实的投资力度，推动能源结构的绿色转型。
这种硬实力与战略前瞻性的结合，为中国在新一轮全球技术竞争中奠定了坚实基础。
面向未来，如何进一步优化能源配置、提升电力利用效率、推动能源与AI产业的深度融合，将成为决定各国在这场竞争中能走多远的关键问题。