AI产业链连载②｜为什么全世界的AI都在抢电？

一个在广东开厂的朋友今年碰到两件事。7月，他收到错峰用电通知，生产线安排被打乱了半个月。也是今年，他想给公司上AI客服，供应商的算力报价超了他预期一倍。他叹气说，电和AI，两头都在挤我。

我说这两件事其实是同一件事。AI耗的也是电，而且耗得比你想象的多得多。把AI这门生意拆开，业内常比作一块五层蛋糕，最下面三层是能源、芯片和算力基建，也是整个产业里最像传统生意的部分。这一篇把它们掰开。

一能源层：AI工厂首先是一座电厂

先看全球。国际能源署的测算，全球数据中心用电量2025年约485太瓦时，到2030年可能增至约950太瓦时，翻一倍。AI专用数据中心的用电量同期可能涨到现在的三倍。

再看中国。据信通院及多家券商的测算，2026年全国数据中心用电量约2240亿千瓦时，占全社会用电量约2%。绝对量看着不大，但它增长快、高度集中，广东这样的算力大省，局部电网的压力比全国平均数大得多。我那位朋友的错峰用电通知，背后就有这股力量。

钱的角度更直白。行业测算里，2025年智算中心的运营成本中电费占比约56.7%，超过折旧、人工、房租三项加起来的总和。也就是说，AI这门生意，一半以上的运营成本是电。谁拿到便宜的电，谁就在这一层赢了半局。

这也解释了这两年产业里的几个反直觉现象。互联网大厂不去挤北上广深，跑去内蒙古、甘肃、贵州建机房，图的就是一度电上那点差价。科技公司开始签核电长期协议、投资电站，互联网公司干起了电力公司的活。电从成本项变成了战略资源，这一层的游戏规则正在被AI重写。

美国更紧张，一些数据中心跟居民抢电，个别地区把新数据中心的审批停了下来，中国这边则可以全国一盘棋地把负荷往电富余的省份挪，这也是中国敢定80%绿电硬指标的底气。

政策同时在往两头推。一头是能耗约束，2026年起多个部门要求新建大型数据中心的PUE降到1.25以内。PUE是电能使用效率的指标，越接近1越省电，1.25的意思是每度电用在计算上的损耗不能超过四分之一，国家枢纽节点的要求更严，不得高于1.2。

另一头是绿电要求，枢纽节点新建算力设施绿电占比要达到80%以上。内蒙古和林格尔已投运的数据中心绿电比例超过85%，用电成本保持在全国最低一档，这就是为什么机房越建越往西部走。据测算，“东数西算”把算力搬到电便宜的地方，能省下20%到30%的用电成本。截至目前，全国已累计建成306家国家绿色算力设施。

这组约束对企业的含义有两条。一是算力成本短期降不下来，能耗和绿电的门槛把新增供给卡住了，供给紧，价格就硬。二是选供应商时值得多问一句机房在哪，同样一份算力，枢纽内还是枢纽外、绿电多还是绿电少，价格和稳定性都不一样。

二芯片层：一家公司的定价权

五层蛋糕的第二层，眼下是全世界议价能力最强的一层。

英伟达一度坐上全球市值第一的位置，支撑它的就是这层几乎独家的话语权。它在AI芯片上的主导地位，让它成了这轮产业里利润最厚的一环。AMD在追赶，但先进AI芯片的制造几乎都绕不开台积电的产线。最先进制程的产能是排队的，谁的订单排在前面，谁的出货就快，这个排队权本身就是钱。

链条上还有一个不起眼但卡脖子的环节，芯片本体之外，把多颗芯片和显存封装到一起的先进封装工艺，还有HBM高带宽存储，同样是产能紧张区。第二层的紧缺不止发生在芯片本身，还发生在它周围的配套上，这些环节大多握在少数几家厂商手里，短期看不到松动。

国内这一层是“两张清单”并存的状态。一张是英伟达及其生态，受出口管制影响，能买什么型号、买多少，一直在变。另一张是华为昇腾、寒武纪、海光加上中芯国际的国产线，过去是备选，现在慢慢变成必选项。国产芯片在单卡性能上仍有差距，但供应稳定、政策支持明确，政企和国企市场基本已经转向。

对老板的实用点只有一条。将来采购算力，或者签AI服务合同，问清楚供应商用的是哪家的芯片。不同芯片的取得成本不同，反映到你的报价单上，差距可能不止一倍。这一句问话，值一次专业的谈判。

三基建层：数据中心成了新电厂

第三层是把这些芯片装起来、供上电、散好热的地方。

传统数据中心一个机柜功率4到8千瓦，智算中心的机柜能到30千瓦以上，同一间房塞进去的耗电差了四五倍。散热方式也跟着换，风冷压不住，液冷从可选项变成了标配。机柜功率上去之后，对供电、承重、制冷的要求全变了，老机房改造的成本极高，所以新增智算供给大多来自新建园区，而不是旧楼翻新。

再往上游看，散热的生意跟着水涨船高，液冷替代风冷之后，按机构测算，单机柜的散热设备价值量是风冷的好几倍，做温控、做冷板、做管路的供应商跟着受益。基建层的钱，一半花在看得见的机柜和楼，另一半花在看不见的配套上，这些配套供应商不在聚光灯下，却是这一轮确定性最强的受益者之一。

国内这一层的主力，一头是三大运营商的云，一头是润泽科技、世纪互联这样的第三方数据中心服务商，再加上围绕八大算力枢纽布局的地方平台。2026年是“十五五”开局之年，八大枢纽都在扩容周期里。

建设周期也变了，一座传统机房从拿地到投运要一两年，一座大型智算中心从审批、电力报装到满负荷运转，周期更长，还得看当地电网喂不喂得饱。供给不是想放就能放，这也是业内普遍判断算力租赁价格短期难大跌的原因。对圈内人这是一个扩张周期，对企业用户来说，供给放量意味着两年后算力租赁的价格有望往下走，不急的采购可以等一等窗口。

四三层合起来，就是你的AI账单

把三层串起来看，你付的Token费是怎么构成的。

把建设和运营的账放在一起算，芯片折旧通常是最大头，取决于用什么芯片、产能紧不紧；单看运营成本，电费占了一半以上，取决于机房在哪、用什么电。再叠加机房租金、网络带宽和模型层的毛利，除以Token数量，就是你看到的单价。

这几项里，企业真正能影响的只有用量和选择。芯片产能你影响不了，电价你影响不了，但你什么时候用、用多少、用哪家的服务，决定你在这条传导链的末端付多少钱。

所以这个价格不是AI公司拍脑袋定的，是底座三层一层层传导上来的。电价动，算力租赁价迟早跟着动；芯片紧俏，云端接口的溢价就高。

举个粗略的账。同样规模的企业用AI，一家选了自建，买卡的钱一次付出去，之后每天电费折旧照走；一家选云端按量付费，用量小的时候贵一点，用量上来之后单价反而往下走。三年拉平看，多数中小企业的总账是云端划算，除非数据敏感到必须物理隔离。

这笔账没有标准答案，但有计算方法，核心变量就三个，用量、数据敏感度、持有能力。下次拿到报价单，把这三个变量先填一填。

企业可以做的应对有三条。

第一，非敏感业务尽量用云端按量付费，别自建。底座的钱让专业的人去花，你按用量买结果就好。

第二，涉密或核心数据要走私有化部署的，先算硬件加电费的账，再决定要不要买卡。很多企业高估了私有化的必要性，低估了它的持有成本，一台高端算力服务器买回来，折旧和电费每天都在走表。

第三，选供应商时把底座当谈判筹码。用什么芯片、机房在哪、电价怎么算，三个问题问下来，报价里有多少水分基本就清楚了。

五底座之上，是能力

底座三层决定价格，模型和应用栈决定能力。下一篇往上走，把大模型、知识库、智能体、Skill、工具这几个被用乱的词掰开讲清。它们各自是什么、对应哪些公司、在你的企业里各管一段什么活，弄懂了这些，AI选型才不会被名词牵着走。那也是这个系列里跟你的采购决策贴得最近的一篇。底座的钱花给谁是行业的事，能力怎么长在自己身上，才是企业的事。

风险提示：本文为产业观察，不构成任何投资建议；引用测算数据均标注机构来源，以官方披露为准。