人工智能主导的资源竞争

Source details

Canonical URL

人工智能主导的资源竞争

Other formats

• Markdown version
• Structured JSON version
• Bundle manifest

Bibliographic details

• Authors: THIJS VAN DE GRAAF
• Published: December 17, 2025

概要

• 人工智能的发展不仅是“云端”和“代码”的问题，还强烈依赖电力、冷却用水、半导体和地下矿产等有形资源。
• 数据中心数量和规模激增：最大的“超大规模”数据中心的电力需求可达数十兆瓦；部分新项目规模将达到吉瓦级。阿布扎比规划中的园区为“5吉瓦级”，占地“10平方英里”。
• 国家层面和企业层面的资源获取能力将决定人工智能的推进速度与主导权，地缘政治竞争明显（例如美国对先进芯片实施出口管制，中国对关键矿产实施出口限制）。

能源需求与数据中心影响

• 关键统计：
  • 数据中心目前的耗电量已达到全球电力供应的“1.5%左右”。
  • 国际能源署（IEA）预测，到“2030年”，数据中心的电力需求将增长“一倍以上”，人工智能是主要驱动因素。
  • 在本十年内，人工智能仅占新增电力需求的“不到十分之一”从全球角度看，但国家层面差异显著：到“2030年”，美国和日本的数据中心可能占其新增电力需求的“近一半”；在爱尔兰，数据中心耗电已占全国总电力的“五分之一以上”。
• 地方性影响：
  • 弗吉尼亚州北部：数据中心耗电已占该州总电力的“四分之一左右”，导致公用事业延迟或取消其他用户的电力使用。
  • 爱尔兰都柏林：电网运营商于“2022年”冻结新的项目审批，仅批准能自行发电的项目。
  • 新加坡：自“2019年”全面暂停项目审批，仅允许严格符合能耗规定的设施运行。

科技公司介入能源领域

• 大型科技公司成为可再生能源的重要采购者：微软、亚马逊和谷歌签署数十亿美元的电力采购协议。
• 企业能源策略举例：
  • 微软探索小型模块化反应堆，并考虑收购闲置核电站。
  • 谷歌支持发展先进地热技术。
  • 亚马逊测试氢能作为备用能源。
• 风险与两面性：科技巨头资本可能加速清洁能源创新，但也可能加剧对化石燃料的依赖。美国作为全球“40%以上”数据中心所在地，其能源仍严重依赖天然气，增加温室气体排放。

效率、算力和半导体瓶颈

• 人工智能既消耗电力，也能用于电网负荷平衡、预测可再生能源发电和优化能耗；部分城市将服务器余热输送到供热管网。
• 芯片与计算效率进展：
  • 新一代芯片如英伟达的Blackwell处理器和谷歌的张量处理单元（TPU）旨在提高每瓦运算性能。
  • 软件进展示例：中国于“2025年1月”发布DeepSeek，其训练成本和能耗被描述为仅为OpenAI和谷歌同等规模模型的一小部分。
• 杰文斯悖论：每瓦算力成本下降可能激发更高使用需求，抵消效率提升带来的节能效果。
• 半导体为第二限制：
  • 训练最先进模型需要数千个专用芯片，设计多由英伟达完成，几乎全部由台湾半导体制造公司（台积电）制造。
  • 芯片供应高度集中，已成为技术主权检验的试金石；美国限制向中国出口先进芯片，并对国内制造提供补贴，促使中国加速本土芯片企业培育。

矿产需求与供应链集中度

• 芯片制造与数据中心对矿产的需求量大且多样：
  • 需求示例与预测：到“2030年”，数据中心每年可能消耗超过“50万吨铜”和“7.5万吨硅”，占全球总需求的“2%”；对镓的需求可能占全球总需求的“十分之一以上”。
  • 一个超大规模园区的铜消耗量几乎与一座中型矿山一年的铜产量相当。
• 供应集中与限制：
  • 中国控制全球“80%至90%”的硅、镓和稀土精炼产能。
  • 中国在“2023年”对镓和锗实施出口限制；自“2024年底”以来，对钨、碲、铋、铟和钼实施新的出口限制。
  • 因矿产供给紧张，多种金属价格已飙升；美国、欧盟、日本和韩国已出台关键矿产战略，包括回收利用计划和与资源富集国家建立合作联盟。
• 结论性风险：矿产与芯片领域的高度集中与准入壁垒提升地缘政治风险，能否确保稳定、可持续的资源获取路径将决定人工智能革命的掌控权归属。

土地、水资源与选址因素

• 选址决定因素：电价、充足的水资源和光纤网络速度是超大规模数据中心布局的关键。
• 水资源压力：
  • 彭博新闻社报道：数据中心冷却系统每天需要消耗数百万加仑水；自“2022年以来”，在美国新建的数据中心中，有“三分之二”选址于缺水地区。
  • 争议案例：亚利桑那州项目引发关于稀缺水资源是否应优先供给家庭的讨论；西班牙和新加坡也有类似争端。
  • 间接影响更大：为数据中心供电的发电厂消耗的水资源远远超过数据中心本身。
• 气候与延迟考虑：气候寒冷国家（如挪威、冰岛）有冷却优势；爱尔兰作为跨大西洋电缆枢纽影响其数据中心密集度；阿布扎比的选址考虑最大限度减少与亚洲和欧洲的网络延迟。
• 地理格局：不同国家采取不同策略——部分实施限制以保护电网和水资源，另一些则提供廉价可再生能源、区域供热或充足建造空间以吸引项目。

政策挑战与决策要点

• 三大政策挑战：
  • 规划不确定性：对“2030年”数据中心需求预测差距大，最高值几乎是最低值的“7倍”，快速建设限制了决策者验证确定性的时间。
  • 透明度不足：行业层面对数据中心的电力、水和矿产使用的公开报告极为匮乏，需加强披露以便监管机构、公用事业和社区评估未来需求。
  • 可持续性与公平性风险：若在扩网和供应链扩张中缺乏环境与社会保障，可能重蹈“大宗商品竞争”中的“繁荣与萧条”循环，且发展中经济体可能仅作为原材料供应方，承担更高能源和资本隐形成本，导致人工智能收益偏向富裕国家。
• 两种可能路径：
  • 管理得当：人工智能热潮可加速清洁能源发展并培育更具韧性的供应链。
  • 管理不当：可能导致新增排放长期持续并加剧资源依赖。

结论与政策含义

• 人工智能的主导权不仅是算法与数据的问题，更是一场围绕电力、水资源、半导体和矿产的资源竞争。
• 各国政府和企业必须把发电厂、电网、水资源和矿产资源纳入数字政策与产业政策的核心，以决定谁能在人工智能领域占据领先地位，并影响其发展成果的可持续性与普惠程度。

来源：国际货币基金组织网页：《人工智能主导的资源竞争》 — https://www.imf.org/zh/publications/fandd/issues/2025/12/inside-the-ai-led-resource-race-thijs-van-de-graaf