01 触发事件

Wired 这篇报道讲了一个具体事实: 内蒙古一座城市 (大概率是乌兰察布, 但我没去 Wired 后台核对) 正在成为中国 AI 数据中心的关键枢纽。三大驱动力摆在桌面上 — 廉价电力 (内蒙古煤电工业电价全国最低梯队)、充裕土地 (数据中心是用地大户)、临近北京 (政治中心 + 网络骨干 + 接近客户群)。文章把这个组合称作 "the unlikely place", 但其实一点都不意外, 后面我会展开。

02 这事的真正含义

表层是 "中国在建数据中心", 但 Wired 真正在说的是另一件事。

AI 这门生意的成本结构, 已经从 chip 单极主导, 转向 chip + power + land + cooling 的复合主导。chip 是必要条件, 但不充分决定 unit economics。问题不在 chip, 在 power + land + 监管速度 这层物理约束。中国在这三层上的结构性优势, 正在部分对冲美国在 chip 上的领先。

粗略算一笔账: 你 chip 比我强 30%, 我电力比你便宜 40-50%, 长期 deployed compute 总量上, 我未必落后。我没看到精确量化这个对冲的公开数据, 但方向上几乎是确定的。那个真正会被定价的, 不是每张卡的 TFLOPS, 是每瓦电力产出的 token 成本。

03 历史类比

这个模式在重工业里已经演过好几遍, 都是同一条线索。

1950s-70s 铝冶炼, 全球产能向加拿大魁北克、冰岛、挪威迁移, 因为电解铝本质是 "electricity-to-solid", 这些地方水电最便宜。2010s 比特币挖矿, 矿场向内蒙古、新疆、得克萨斯、哈萨克斯坦迁移, 同样追着廉价电力。2020s AI 训练, 数据中心向 Oregon、Iowa、内蒙古聚集, AWS 在 2006 年起就把 EC2 的 US-East 锚定在 Virginia 廉价电网。

模式几乎一样: 任何产业一旦核心投入变成能源, 产业就会地理迁移到能源最便宜的地方。

AI 这一波的特殊性在于规模。GPT-4 级别单次训练 ~50 GWh; 一个满载的 inference 集群年耗电可超过一座中等城市。电力在 AI 的 OPEX 里占比 30-50%, 不是 5%。电力 location 直接决定 product unit economics。具体迁移速度会不会跟铝冶炼一样慢, 我没把握, 但方向上几乎是教科书级别。

04 对 AI builder 意味着什么

短期这个季度: 用 OpenAI / Anthropic / Google 的 builder, 这条信号不直接影响你的 token 账单。

中期 6-12 个月:

  • 做 inference-heavy 产品 (chatbot、agent、RAG) 的, 认真评估中国云 (阿里、火山引擎、腾讯云) 的 deploy 成本结构, 理论上比 AWS us-east 便宜 30-50%。这是粗估, 取决于具体 workload 和 PPA 条款
  • 做 to-C AI app 的, 警惕 Chinese competitor 凭借更低 serve cost 发起价格战, 这事在中文 AI 产品圈已经在发生
  • 做 model routing / token 网关 (像我自己在做的 opcx.ai), energy arbitrage 是一个被严重低估的 routing 维度, 同等质量下, 内蒙古 deploy 的 token 价格理论上能比 Virginia deploy 低 30-40%

长期 1-3 年:

  • 能源 + 土地 + 监管速度 这套组合拳, 是中国 AI infra 真正的 moat, 比 "自研芯片" 更难被美国复制。出口管制可以卡 chip, 但管不了煤电厂和变电站
  • 美国侧的算力扩张正在被电网瓶颈卡住 (Loudoun County / Dominion Power 已经在 refuse 新数据中心接入), 中国侧基本不会

05 反方观点 / 风险

我可能高估了能源优势, 三个反驳要先摆出来。

第一, chip 效率差距可能完全盖过电力价格优势。NVIDIA B200 单卡 inference throughput 大约是华为 Ascend 910C 的 2-3 倍, 同样一瓦电力美国侧产出更多 token。energy arbitrage 的方向可能被 efficiency arbitrage 反向对冲。我没在内部跑过精确 benchmark 对比, 上面数字基于公开资料的估算, 别拿去当事实用。

第二, "廉价电力" 正在变得不那么廉价。内蒙古数据中心耗水量惊人 (冷却塔 + 周边蒸发), 当地 2024 年起已经在限制新建数据中心。煤电的碳成本未来大概率会被内部化进电价。这条 advantage 的保质期可能只有 3-5 年, 不是永久 moat。

第三, 也是最关键的 — 物理优势 ≠ 模型能力。决定 frontier model 的不是 deployed compute 总量, 是 best chip + 最好算法 + 最多高质量数据。中国能源优势可以推高 deployed compute, 推不动 frontier。中国仍可能在 "good enough" 段位 (Qwen / DeepSeek / Doubao 级别) 拿到全球份额, 但 GPT-5 / Gemini 3 / Claude 4 级别的前沿模型, 主导权仍在美国 labs。这条 reasoning 对 to-C 应用层 builder 是好消息, 对 "中国 AI 全面超越" 这种叙事是冷水。

最后一句 hedge: 我没去过这个内蒙古城市, 没见过当地数据中心的电价合同和 PUE 实测值, 也没见过任何中国 hyperscaler 的内部成本结构表。上面的推理基于 Wired 这篇报道 + 行业一般经验, 实地情况可能更乐观或更悲观, 我不下死结论。