马斯克和扎克伯都在讲同一件事，AI发展真正的瓶颈，不是GPU算力不足，而是电力。电力的供应不像GPU一样可以无限扩张，AI训练和推理的需求只会越来越大，但发电厂却没办法无限制的扩张发电机组，更不用说盖新电厂的难度。

算力或将重构电力需求结构

电力正在成为新的紧俏商品，AI数据中心正将电力需求的逻辑重构。

2020年，OpenAI预训练GPT-3这样的大语言模型参数达到1750亿，需要将近130万度电。而GPT预训练所需的参数已经从1750亿，提高至GPT-4的1.8万亿。再到GPT-5即将突破的10万亿，意味着只要生成式AI应用的范围越来越广，耗电量只会节节攀升。

Meta首席执行官扎克伯格今年5月在最新的采访中提到，建造AI数据中心的算力GPU供应紧张正在逐步缓解，但下一步电力将是发展瓶颈。“目前建立单一的数据中心功耗在50-150MW，如果发展到1GW级别的数据中心，将需要一整个核电站的发电机组为AI数据中心供电。”

这也意味着，除了芯片、算力的技术竞争之余，电力竞争也将重燃战火。

未来超大规模数据中心使用的总电力将增加一倍

根据预测，由于人工智能带来的核心驱动力，全球预计将额外建造120-130个超大规模数据中心。因此，因此，在未来四年中，由于机器的功率和计算密度的增长速度快于数据中心数量的增长，全球数据中心将增加50%至1500 个，但超大规模数据中心使用的总电力将增加一倍。

因此，超大规模数据中心的关键IT总负载容量为25GW至30GW，四年后可能会升至50GW 至60GW，而四年前可能仅为10GW至12GW。

数据中心世界将发生翻天覆地的变化——并不是因为公司没有数据中心，而是因为超大规模企业将进行大规模的 人工智能、GenAI建设，这对大多数企业来说成本太高且具有破坏性，以至于难以应对。

综合观察，人工智能浪潮的来临，使得AWS、微软Azure、谷歌云这些云服务巨头们正在加大对基础设施的投入，并且也在人工智能云服务上获得了快速增长。从长期的角度，各行各业对于人工智能的需求必然是长期的，不仅会带来基础设施层面的长期投入，也将逐渐演变成一项“资本游戏”，成为云服务市场最大的变量。

免责声明：

1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。

2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。

3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。

相关标签：