CSIS | 算力狂飙的尽头，为什么是“国家电网”？
编者按
提起AI算力的角逐，公众视野往往最先聚焦于高算力芯片的抢夺与制程封锁的博弈。但在算力需求呈指数级爆炸的今天，这套旧有的评价坐标系正在加速失效。2026年2月，美国战略与国际问题研究中心（CSIS）发布的报告里明确宣告了竞争维度的升维：继续死磕“造芯能力”，已经无法看清大模型下半场的真正牌局。简报提出了“瓦特定律”（Watt’s Law）—在可见的未来，主导AI版图扩张的核心密码，将从“纳米级的晶体管雕刻”，不可逆地转向“兆瓦级的能源转化率”。换言之，真正的壁垒在于，谁能将受限的电力筹码，最高效地榨取为可见的AI有效输出。
报告来源
The Rise of “Watt’s Law” and Why Power Could Put a Ceiling on American Innovation
01
从“算力红利”到“电力枷锁”
过去数十年，美国数字经济的繁荣牢牢锚定在一个隐性共识之上：算力将无限膨胀，而能耗成本始终处于可控区间。这一基石由摩尔定律与登纳德缩放定律共同奠定——前者驱动了性能的指数级跃升，后者则确保了晶体管微缩带来的功耗红利。从底层的商业模式、产业链站位到顶层的国家安全战略，几乎所有宏大叙事都建立在“廉价且充沛的算力会如期而至”的预设之上。
然而，大模型时代的狂飙突进，正在无情动摇这一技术底座。当下的AI计算，已彻底褪去单纯追求“单点极致速度”的旧有外衣，演变为一场对持续供能、超大规模并行以及系统级吞吐能力的极限施压。在海量数据搬运与无间断运行的重压下，单一芯片的性能神话被打破，系统在严苛物理条件下的真实稳态输出能力，成为了新的胜负手。
因此，与其将现代AI集群视作一台传统的“超级电脑”，不如将其重新定义为一座精密运转的“重型数据工厂”。在这座工厂内，CPU退居幕后化身为调度中枢，而真正扛起大模型淬炼重任的，是GPU、TPU等规模化部署的加速矩阵。但这套矩阵的效能，极度依赖于源源不断的“燃料”补给：由高带宽内存（HBM）、底层存储与高速网络织就的无形“传送带”，必须保持全速运转。一旦数据洪流出现微小凝滞，造价高昂的算力阵列便会瞬间沦为既吞噬电力、又空耗资金的闲置资产。正因如此，AI系统的表现已不再取决于某块神奇的芯片，而是高度依赖一整条物理与软件管线的极致协同。
02
“瓦特定律”的崛起
于是，“瓦特定律”应运而生。需要澄清的是，该瓦特定律并非早期在1819年提出的那个物理铁律，而是一个新的战略认知框架。
遵循它的逻辑，系统能力的增长核心已悄然聚焦于两件事：可调度的电力规模，以及全局层面的运行效率。前者是决定规模上限的硬性约束，后者则是将庞大能耗转化为有用算力的关键通路。单纯追求某一环节的加速已无法满足需求，如今的效率提升，必然依赖于硬件设计、内存网络、软件算法及编译管理的深度全栈协同。伴随这一转变，核心评估指标也发生了迁移：我们不再唯晶体管数量或GPU峰值性能论，而是更看重系统在真实运转环境下的实际转化率——也就是每消耗一兆瓦时电能，最终到底能换来多少可用的AI计算结果。
这意味着，未来AI算力的跃迁，未必仅仰仗单一技术的奇迹式突破，而更像是一场关于电力获取、成本博弈与全局系统优化的综合战役。当一个运转良好的AI系统展现出“超越摩尔定律”的进化速度时，物理规律并未被重写；这种突飞猛进，实质上源自于在电力红线之下，整套系统所经历的极致、端到端的深度优化。
视角的转变重塑了问题的核心：当能源供给成为模型训练与部署的硬性天花板时，产业瓶颈便不可避免地跳出单一的芯片维度，向更宏大的物理世界外溢——从并网时效、输电负荷、变压与开关设备的产能，一路延伸至冷却系统、水资源配额、行政审批、地方政策博弈，乃至电价的周期性波动。
美国阿贡国家实验室的Aurora超算与光刻机巨头ASML的现实案例，正将这种隐忧从抽象预判转化为迫在眉睫的产业倒逼：
1.基础设施的主客易位
对于Aurora这类迈入数十兆瓦能耗区间（等同于三四万户家庭常态用电）的庞然大物而言，电力已彻底褪去“背景条件”的温和外衣，成为决定系统架构生死的核心约束指标。
2.来自源头的物理警告
ASML的论断则更加直白——在高性能计算需求狂飙突进的当下，倘若功耗与成本的剪刀差无法弥合，能源供给的枯竭点，即是人类训练顶级AI能力的终点。
03
瓦特定律重塑博弈：
算力长城的底座，是电网
在“瓦特定律”的框架内重新打量全球竞争，死磕“芯片断供”的旧剧本已经显得过于单薄。
真正的威胁在于，如果对手的本土算力体系拔地而起，整个战略计算的攻防逻辑都将改写。即便单点芯片存在代差劣势，只要用更庞大的硬件集群填补算力缺口，再靠软件生态的发展去消化劣势，同样能重构出一套极具生存韧性的系统。当算力竞赛步入深度依赖“电力供给、规模压制与全局调度”的深水区，大国博弈的胜负手，已从死守某个单点技术的“卡脖子”，全面升级为考察谁能最高效地统筹整套国家级算力基础设施。
终局的较量，无非是如何让自身的算力系统膨胀得更快、跑得更稳、造价更低。这要求我们将大规模AI算力直接升格为“国家级战略基建”，而能源政策不仅要上桌，更要坐到AI战略的中心：
1.打通政企壁垒
并轨NSF、DOE与科技巨头的协作路径。
2.摸清能源家底
动态评估供电极限，砸入资源建设国家级测试与验证平台。
3.校准管制预期
认清出口管制只是一种“用时间换空间”的战术拖延，绝不能用来掩盖本土建设的迟缓。
4.借调外部能源
务实地与能源富集的盟友深度绑定，把地缘优势转化为算力燃料。
剧本的翻篇并不意味着美国手里的牌不灵了。从单纯依赖晶体管微缩，转向更强调全栈优化和系统协同的阶段后，美国在系统工程、软件、云基础设施和产业整合上的既有能力，反而可能重新显得重要。
0４
AI竞争的尺度，正在被重新定义
这份简报提醒我们重新校准观察AI竞争的尺度。模型、芯片和算法依然关键，但在算力规模持续膨胀的今天，未来的领先者未必只是最擅长制造芯片的人，而可能是那些能将电力、算力与系统效率深度整合，真正把AI当作一项需要持续供能和全局调优的“工业能力”来运行的建设者。
编译｜陈沛羽
排版｜韩智颖
审核｜陆逸沛