文 | 超前实验室，作者｜牛贝塔，编辑｜Jessica
近日，能源界惊现大动作：
印度巨头阿达尼集团宣布，将在未来十年直接投资 1000 亿美元，在印度荒漠中建设一个由可再生能源直接供电的超大规模 AI 数据中心帝国。董事长高塔姆· 阿达尼断言：“ 能够整合能源和计算能力的国家，将定义下一阶段的技术增长。”
无独有偶，在地球的另一边，有人的思考维度更为“ 狂野”。
今年 1 月，中科天算创始人兼 CEO 刘垚圻在一场演讲中，直接描绘了“ 算力上天” 的图景。他提出建设太空计算网络以支持“ 天数、天网、天算”，并断言，这一终极基础设施将把颠覆性应用带到每个人身边。
“ 把算力送上天，不是为了离地球更远，而是为了离每一个人更近。” 刘垚圻如是说。
事实上，二者共同回应的，是 AI 狂飙下，日益尖锐的能源警报。
国际能源署警告，到 2026 年，全球数据中心总用电量将首次突破 1000 太瓦时，相当于日本全国一年的用电总量。而在我国，国务院印发文件，要求到 2026 年，国家级算力中心的绿色电力使用率必须超过 80%。
一边是 AI 算力狂飙，另一边是碳排放硬约束收紧，AI 的终极竞赛战场已然拓展到物理世界，在监管、能源与算力的三重绞索下，谁能找到成本的最优解，谁才能赢得未来。
巨头的千亿赌注，远非能源企业跨界，而是看准了 AI 产业界一大矛盾，并试图将矛盾转化为套利空间：
进行地理大迁徙，将部分地域得天独厚的禀赋变现，开启“ 算力合规狂飙” 时代。
监管、算力与能源的“ 不可能三角”
近年来，需要训练和部署大模型的企业，发现自己被困于一个不断收紧的“ 不可能三角” 之中。
日益严苛的全球监管、饥渴难填的算力需求、及触及天花板的能源供给，正三面合围企业的总拥有成本，将战略选择逼入墙角。
第一重绞索，是 AI 近乎无底洞般的“ 算力饥渴”。
大模型的参数竞赛远未看到终点，而智能体的普及则将推理需求推向新的高峰，这直接转化为对高端 GPU 的疯狂追逐。英伟达多款等芯片的单卡功耗已突破千瓦大关，推动单台 AI 服务器的机柜功率密度轻松达到 20 千瓦以上。
算力增长的曲线，几乎与能耗增长的曲线重合。
一个连锁反应是，高算力需求推高能耗，而高能耗产生的巨大热量，又对散热系统构成了极限挑战，传统的风冷技术已触达瓶颈，散热本身成为制约算力密度提升的“ 热墙”。
第二重绞索，最为基础，也最为刚性：触及全球性天花板的“ 能源供给”。
电力是算力的“ 粮食”，但粮食的增产速度远跟不上“ 胃口” 的扩张。全球电网基础设施的投资与建设周期漫长，无法匹配数据中心耗电量的爆发式增长。
在美国部分科技投资密集区，电网容量不足已成为数据中心项目延期或取消的首要原因。摩根士丹利预计，2025 年—2028 年美国数据中心累计电力缺口将达 47 吉瓦，这一数字相当于 9 个迈阿密或 15 个费城的总用电量。
第三重绞索，来自不断筑高的“ 全球监管墙” 与飙升的合规成本。
各国加速推进的“ 数据本地化” 存储与“ 主权算力” 战略，迫使科技公司进行昂贵且重复的分布式基础设施投资，以满足数据不出境的政治要求。
拿此次阿达尼的千亿投资来说，旨在印度形成一个 2500 亿美元的 AI 基础设施生态系统，减少对外部算力的依赖，满足数据与算力留在本国的政治与经济要求。
监管，正从软性约束变为硬性成本，直接写入企业的损益表。
与此同时，能源结构本身也在剧变。依赖化石能源将面临越来越高的碳成本和政治风险；而风电、光伏等绿色能源，虽然前景广阔，却受限于其不稳定性，以及“ 风光资源” 与“ 算力需求” 在地理上的错配。
至此，困局清晰无比：
要满足严监管，企业需牺牲布局的灵活性并背负沉重合规成本；要追逐高算力，则必须承受惊人的能源账单与碳排压力；而要保障能源供给，又不得不受制于特定地域的政治与基础设施。
破局之道，并非正面强攻，而是寻找能同时撕裂这三重绞索的“ 裂缝”。
裂缝，恰恰隐藏在大自然给行业留下的彩蛋中。
双重套利，算力开启全球地理大迁徙
面对困境，催生出两套相互关联的“ 套利” 组合拳：
一是向“ 绿电洼地” 与“ 自然冷源” 进行物理层面的“ 地理套利”；二是借助“ 开源模型” 灵活性的“ 监管套利”。
两者的核心，都指向对“ 企业总拥有成本” 的重构。
首先，地理套利，也就是算力向能源与气候的“ 价值洼地” 迁移。
这并非什么新概念，但在 AI 时代被赋予了战略级的紧迫性，逻辑很简单，将耗电巨大、产热惊人的 AI 训练与推理负载，从电费高昂、气候炎热、监管严苛的核心都市，迁移到绿色能源富集、气候凉爽自然冷却效率高、且可能享有政策优惠的边缘地区。
我们都不陌生的“ 东数西算”，作为国家主导的系统性地理再配置，就是全球范围内规模最大、最成体系的“ 地理套利” 工程：
将东部密集的算力需求，有序引导至内蒙古、贵州、甘肃、宁夏等可再生能源丰富、平均气温较低的西部枢纽。
例如，青海依托年均仅 3.4 摄氏度的冷凉气候，数据中心可实现全年超 300 天自然冷却，其制冷耗电量比全国平均水平低约 40%，将电能利用效率 PUE 值控制在 1.2 以下的先进水平，于是，全国首个 100% 清洁能源可溯源的绿色大数据中心便在青海建成。
呼和浩特、乌兰察布等地也正推动算力产业绿电使用比例不断提高，并创新“ 以荷定源” 模式，让可再生能源建设规模直接匹配数据中心负荷。
此外，全球其他“ 洼地”，还包括冰岛、北欧与北美中部，利用丰富的地热、水电与寒冷气候，这些地区早已是传统数据中心的青睐之地。
地理套利的总拥有成本账本是清晰的，它直接削减了运营成本中占比最大的电费与冷却费。使用本地绿电，还能提前满足 ESG 要求、规避未来碳税，减少了政策成本。
当然，它也引入了新的变量，那就是网络延迟、高端运维人才的稀缺以及远程管理的复杂性。
企业需精密计算，只有当能源与散热节省的成本，远超网络延迟带来的效率损失及额外管理开销时，套利才真正成立。
当然，算力负载可以全球迁移时，模型本身的选择成为另一重关键套利工具：
相较于必须通过 API 调用、受制于服务条款且可能面临地缘政治风险的闭源商业模型，开源模型提供了前所未有的灵活性。
开源模型生态的繁荣，让企业可以混合搭配、自主微调，根据特定任务选择最优模型，避免了供应商锁定风险，将开源模型部署在通过“ 地理套利” 获取的廉价绿色算力上，能形成成本与自主权的双重优势。
如今，也就衍生出了技术套利的可能性。
技术套利下，全球算力“ 第三级” 崛起
如果说“ 地理套利” 解决了能源的来源问题与环境问题，那么，“ 技术套利” 则旨在极致优化能源的“ 利用效率”。
首先，是液冷革命粉碎“ 热墙”。
浸没式液冷等先进散热技术，通过液体直接接触发热器件，其散热效率远超空气，能将数据中心的 PUE 值压降至 1.1 甚至更低。
国内企业如宝德计算、曙光数创等已推出全栈液冷方案，单机柜功率密度可达 40 千瓦，在更小空间内释放更大算力，本质上提升了单位能源消耗的“ 算力产出”。
其次，是“ 算电协同”，从“ 负荷” 到“ 智能节点”。
最高级的套利，是让算力设施不再是电网的被动消耗者，而是主动的调节者。青海、内蒙古等地正在探索“ 源网荷储一体化”，通过智能调度系统，让数据中心的算力负载动态匹配光伏、风电的出力曲线，实现绿电的最大化就地消纳。
例如，在风力强劲的时段自动增加训练任务，在夜间无光时适当降低非紧急算力，这背后是 AI 算法对电力与算力需求的精准预测与调度，实现了整个系统效率的跃升。
如此一来，未来，全球算力枢纽的定义被改写：
传统的全球 AI 枢纽，如硅谷、北京、深圳，其核心优势在于顶尖人才的聚集、风险资本的澎湃与初创生态的繁荣，如今，新一代的枢纽正在崛起，其核心竞争力是非常朴实的：
稳定的、廉价的绿色能源供给、广阔廉价的土地、以及有利于自然冷却的寒冷气候。
理想中的下一代 AI 基础设施，应该是一座位于风光水资源富集区的、采用浸没式液冷散热和高效电源架构的、主要运行可定制开源模型的绿色算力中心。
在这场格局重构中，我国明显有先发优势。“ 东数西算” 国家战略已超前规划并大规模建设，建成了物理上连通东西部、协同供给的绿色算力网络骨架。
在液冷服务器、高效电源模块等关键节能技术上，中国产业界已达到全球并跑水平，青海、内蒙古等地的实践表明，中国在“ 算电协同” 的工程化落地方面已探索出可行路径。
同时，“ 地数天算” 等更具前瞻性的设想也颇为先锋，按规划，我们通过太空太阳能电站为在轨数据中心供电，利用宇宙接近绝对零度的背景进行终极散热，突破地表能源与散热的总量极限。
这虽属远期设想，但展现了在能源-算力协同创新上试图“ 换道” 的雄心。
总而言之，全球 AI 竞争下半场，呈现出“ 双重博弈” 的复杂图景：
表层，仍是模型算法、工程能力与产品创新的短兵相接；深层，则是国家与企业之间，围绕绿色能源基础设施、算力产业政策、低碳技术标准与开源治理话语权的长期性、系统性竞合。
我国已在绿色算力“ 新基建” 的规模与速度上确立了身位，但要将基础设施的“ 硬优势”，转化为持续引领产业生态与全球规则的“ 软实力”，这场考验才刚刚开始。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
Related articles
