【文/觀察者網專欄作者 潘禺】
近年來，以ChatGPT為代表的一系列令人耳暈目眩的新名詞，不斷昭示著AI技術的最新熱潮。美國股市的巨大估值與美國官員的公開背書，都在認證著AI時代的到來。
在發表於【金融時報】的文章中，美國國務卿布林肯和美國商務部部長雷蒙多，參照亞伯拉罕·林肯的話，將人工智慧與文字和印刷機這兩項發明相提並論，認為這是一類特殊的發明，能促進所有其他發明和發現。透過對中國禁售高端芯片，限制投資和科研合作，美國用實際行動表明，AI已經成了地緣政治和大國賽局的又一焦點。
然而，這一輪人工智慧技術革命導致的大國科技競爭，與美國當年透過曼哈頓工程、阿波羅計劃所引領的那幾場，具有顯著的不同特點。透過冷戰思維與技術封鎖的老路，在過去無法保障美國壟斷科技優勢，在今天更不可能。
原子彈和航天技術的裝置和從業者高度專門化，有著易於保密和管控的特點。相比之下，AI技術有著非常多樣化的套用場景，廣泛套用於各行各業，從醫療、金融到制造業和娛樂；有著非常豐富的開發人員構成，不限於大型企業和政府機構，還包括學術界、中小企業和個人開發者；有著開源和開放性，存在大量開源計畫和開放數據集，透過社群、論文和線上課程廣泛傳播和普及；有著快速的技術叠代和市場需求的強烈驅動；還有著多樣化的知識基礎，涉及AI所賦能的千行百業需要解決的問題，這都會讓封鎖和限制措施的效果大打折扣。
那麽封鎖路徑之外，堂堂正正的AI科技競爭又如何呢？
對比中美各自的優勢和劣勢，並不難看到一些表面特點。比如美國有一些領先的科技公司，有較好的創新環境，能吸引全球頂尖的AI人才，但美國在數據私密上的過於嚴格會限制AI技術發展。而中國有更好的制造業基礎，在AI與產業融合上有巨大優勢；得益於龐大市場規模和廣闊套用場景，中國企業有快速的執行力，以推進AI技術套用落地和商業化，當然中國在基礎研究和核心技術上仍有一定的對外依賴，尚需要進一步科技自立自強。
上述這些特點都是可以調整的，比如數據私密終究是一個政策問題，大有技術性的操作空間，比如美國的創新與中國的執行，也只是一種籠統的概括，實際情況可能更復雜，也是可以互相取經的，中國在致力於打造科創中心，美國也在以國家力量投入制造業，如芯片制造的本土化。
而如果我們深究，假設中美兩國政府都高度重視這一輪AI科技和產業競爭，給予最大的支持和投入，在各自借鑒對方，揚長避短、取長補短之後，還有哪些深層的、根本性的問題是短期難以改變的呢？
在看到輝達為代表的美國科技「七巨頭」龐大的市值後，人們往往會產生一種印象，美國科技企業擁有高不可攀的領先優勢和壁壘。且不論是否果真如此，從另一個角度，美國股市這種集中於極少數的估值結構，最能反映的是資本追逐利潤的特性，市值背後是快速增長的財務表現和樂觀的未來預期，而非業務的重要性或利潤之外的某些意義，比如波音的重要性，目前就無法用資本市場給出的估值衡量。
AI這一賽道上同樣有非常多的重要環節，其意義是無法被追逐利潤的資本市場所評估的。AI對數據儲存與計算資源的需求日益龐大，這就需要建設更多的數據中心，並提供相關基礎設施的配套支持，比如電力系統。
在美國，數據中心一夜之間激增的電力需求，現在正超出許多地方的可用電力供應。這導致企業接入電網的等待時間長達數年，對於生活在數據中心密集區的居民來說，停電和價格上漲的擔憂日益增加。
據高盛的一份報告估計，到2030年，數據中心占全球能源的使用量，會從當前的2%上升到4%，由於全球電力需求多年來一直平穩，這裏每一個百分點都是非常巨大的。在美國，未來20年的電力需求預計將增長40％，而過去20年僅增長了9％，數據中心是這一需求激增的最大原因。瑞典的數據中心電力需求在這個十年內可能翻倍，並在2040年再次翻倍。在英國，預計AI在未來十年內將多消耗500％的能源。在美國，預計到2030年，數據中心將占用總電力的8％，而2022年這一比例為3％，根據高盛的說法，這是「一代人未曾見過的電力增長」。
數據中心使用的電力比大多數國家都多。全球範圍內，已經建成或在建的數據中心超過7000個，而2015年這一數位為3600個。這些數據中心如果連續執行，年耗電量可達到508太瓦時，超過義大利或澳洲的全年電力生產。到2034年，全球數據中心的能源消耗預計將超過1580太瓦時，幾乎相當於整個印度的用電量。（1太瓦時等於1萬億瓦時，也就是10^12瓦時）
面對這樣的形勢，微軟、谷歌、亞馬遜這些大公司都在研究使用更少電力、平衡電網需求的技術方法，大體是從芯片、伺服器、冷卻裝置中擠出更多效率，或將負載轉移到不同地區。微軟和亞馬遜也在押註核能，目前還沒有明確的道路。從矽谷的規律看，所需的電力只會增加，每個輝達的H100芯片消耗多達700瓦，幾乎是典型60英寸平板電視功耗的八倍，而最新的芯片B100，能耗幾乎是H100的兩倍。微軟在2020年建造的超級電腦訓練了OpenAI的GPT-3，使用了1萬個當時最新的AI芯片。2023年11月，微軟新建的超級電腦依賴14400個Nvidia H100芯片，下一代超級電腦已經在設計中，將比現有的強大30倍。
在這些大公司雄心勃勃、狂飆突進的同時，普通美國人的生活正受到影響。電力公司在新的變電站、輸電路線和基礎設施上的大量投資，導致電價上漲，升級的成本通常在整個地區的電力使用者之間分攤，顯示為每個人月度電費單上的一個計畫。
維吉尼亞的一個在建的數據中心
數據中心的建設需要大量土地和特定的環境條件，可用土地逐漸減少，環境保護和土地使用爭議，會對新建電力基礎設施造成限制。彭博社報道了美國維吉尼亞的勞登縣的案例，這裏曾以馬場和內戰戰場聞名，過去15年，大量田野和森林被清除，用來建造數據中心。當地的電力公司Dominion Energy在2022年春天經歷了18次負荷警告，也就是有控制的斷電，包括輪流停電。
在維吉尼亞，反對數據中心的聲音越來越大。在今年三月的威廉王子縣監督員會議上，憤怒的居民對一項允許在特定地塊上建造更高的數據中心的分區變更提出了反對意見。一位女士告訴官員們，數據中心正在將她安靜的社群變成「反烏托邦噩夢」。但在聽取了十幾個人反對分區變更的意見後，監督員們還是投票透過了，更大的數據中心得到了批準。
對於微軟、谷歌、亞馬遜這些雲端運算大廠來說，采取措施最佳化其數據中心冷卻系統，購買可再生能源抵消其碳排放，可以降低能源成本，也能改善公眾形象，固然令他們有動力在能效最佳化上做更多的事，但從他們的盈利模式看，更多的客戶，更大的數據流量，是最根本的目標，因此必然會追求建更多的數據中心，部署能耗更多的裝置，訓練更強的AI大模型。資本市場基於這些大公司創造的利潤來定價，卻並不會為背後的代價估值。
相比之下，中國也要發展人工智慧，要建數據中心，但中國的辦法，是透過一系列產業布局和技術創新，來確保數據中心的穩定執行和電力系統的永續發展。這些成就也是難以被資本定價的。
中國大力發展光伏和風電等可再生能源的成就有目共睹。截至2023年底，中國光伏裝機容量已超過300吉瓦，是全球光伏裝機容量最大的國家。中國風電裝機容量已超過350吉瓦，是全球風電裝機容量最大的國家。
中國的特高壓輸電技術世界領先，建成了世界上最大的特高壓輸電網路。
中國的智慧電網也領先世界，透過智慧排程、分布式能源管理、微電網、需求側管理，提升電力系統的靈活性和可靠性，更好地應對數據中心的高峰負荷需求。在中國，電力系統不僅是人工智慧發展的支撐，也得到了反哺，中國積極推動人工智慧、大數據和物聯網等技術在電力系統中的套用，提高電力系統的智慧化水平。位於貴州的貴安新區數據中心，利用當地豐富的水電資源，采用高效節能技術和智慧管理系統，被譽為綠色數據中心的典範。在北京、天津和河北地區，建設了多個分布式能源計畫，透過微電網和儲能系統，提升數據中心的電力供應可靠性。
中國的儲能技術同樣處於世界領先，中國擁有全球最大的電池生產能力，具備大規模制造和供應鏈整合的優勢。在電網側儲能計畫上，中國投入大量資源，透過電池儲能系統（BESS）提高電網的穩定性和調節能力。在數據中心部署大規模電池儲能系統，儲存可再生能源發電的剩余電力，能在需求高峰時提供穩定的電力供應。
表面上看，中國是在AI時代到來之前，取得了產業布局上的一系列前瞻性的成功，是依托中國制造業的雄厚基礎，下對了先手棋，似乎是某種幸運的體現。但這裏還有更深層的邏輯不能被忽略，就是中國的體制優勢發揮了意想不到的作用。
如果從資本的邏輯，從純粹市場經濟的邏輯上看，在貴州這樣中國最落後、最不發達的地區之一，不僅耗費巨資修建公路和橋梁，還建成大量數據中心，除了氣候和地理上的少數有利條件外，都不是一樁合適的投資。但中國並不是從利潤、報酬率這些角度來布局產業的，國家將貴州定位為大數據產業的基地，是基於社會主義市場經濟的另一套邏輯。如果沒有大數據這樣相對高端的產業布局來驅動，在貴州通水、通電、通路、通網，改善偏遠地區農民的生活，就缺乏經濟上的永續性，不可能完全實作。以通電來說，中國建設了大量輸變電路線和配電設施，在偏遠山區，則大量采用太陽能光伏發電和小水電等分布式能源，使得貴州的農村電力覆蓋率達到100%。
貴州省盤州市保田鎮鵝毛寨村的光伏發電站（來源：新華社）
近一段時間，國內和海外一些經濟學家經常提出，中國應該投入更多政策和資源支持居民消費，而不是繼續投資於生產領域。這些說法並非全然沒有道理，但也要理解到，如果沒有像在貴州這樣的基礎設施建設和產業布局，如果沒有對像光伏、電網這些領域的生產投入，中國幾億農村居民的生活就無法改善，他們的消費也就更無從談起。中國體制並不追求短期的經濟刺激，也不追求短期的資本報酬。
在AI發展沖擊全球電力系統的當前挑戰下，中國坐擁一個強大的新能源與電力產業，能夠處變不驚，這不完全是幸運，而有著某種必然性。
在AI時代，中美科技競爭中，這樣對中國有利的因素還會有很多。比如，依靠強大的基礎設施與網路建設，從智慧家居、智慧城市到工業物聯網，中國能為AI技術找到廣泛的套用場景，這也是其他國家很難效仿的。在農村，大量網路攝影機和傳感器的部署，使得農業生產，如灌溉、養殖的監控，都找到了智慧解決方案。能有這樣一個大規模智慧物聯網市場的前提，依然是當初不計報酬的通水、通電、通路、通網。
美國官員將人工智慧比作文字和印刷機這樣的發明，指的就是人工智慧的產業賦能與發明促進作用，如果僅從用AI來幹活，來生產和創造來說，中國已經進入了人工智慧的時代。
