很多人觉得，AI竞争的核心是芯片、算法还有人才。
可真正决定下一个阶段AI格局的，也许不是实验室里的代码，而是地图上的电网、土地和水资源。
因为AI大模型正慢慢变成一种“重工业”。
训练和运行大型模型，需要很多GPU服务器，而服务器背后对应的是非常庞大的数据中心。一个大型数据中心，从本质上来说，就是一个一直耗电、耗水、占用土地的超级工业设施。
以前工业时代争夺的是煤炭、石油、铁矿；互联网时代争夺的是光纤和用户；而到了AI时代，国家竞争正多出来一个新的维度：
谁有廉价、稳定、成规模的能源和空间，谁就相对更容易成为算力中心。
这就是美国，中国，中东走向三条完全不一样AI地理路线的缘由，很多人把美国AI优势归结到硅谷。
可是，未来的AI竞争，也许正慢慢远离硅谷。
硅谷虽然有全球顶尖的科技公司和人才, 但它不是最适合大规模建设数据中心的地方。
原因很简单：
硅谷所在的旧金山湾区，是全球土地成本比较高的地区之一，同时还有电力供应、环保限制以及空间不够的问题。
AI时代需要的不是几十平方米的办公室，而是一大片一大片工业级的土地。
美国真正适合承载AI基础设施的区域，正在往这些地方转移：
比如德州、弗吉尼亚州、亚利桑那州这类地方。
其中，弗吉尼亚北部已经成了全球最大的互联网数据中心集群之一。
这里离华盛顿近，有成熟的网络基础，而且土地条件比硅谷宽松。还有, 德州的优势更明显。
德州有美国重要的天然气资源、风电资源还有大片低密度的土地。
以前，这些条件是给石油和能源产业服务的；现在，它们正变成AI时代的新基础设施。
于是就出现了一个反常识的变化：
以前人们觉得科技中心肯定得靠近大学、人才还有金融中心。
可是未来，大型AI算力中心可能会越来越靠近能源产地，而不是人口中心。
这是因为模型训练能远程进行，而且电力成本天天都有变化。
中国走的是另外一条路。
中国发展AI基础设施的优势，不光是互联网企业多，而是有完整的制造业和能源体系。
一个数据中心得有服务器设备、电力设备、制冷系统、通信设施。
这些产业，中国都有成熟的供应链。
更重要的是，中国有全球规模最大的新能源产业。
截至现在，中国已经成为全球最大的风电、光伏装机市场，并且还构建了全球规模领先的特高压输电网络。
这也就意味着，中国有把远距离能源输送到算力中心的能力。
可是，中国也有自身的地理局限。
中国最需要AI算力的地方，通常是北京、上海、深圳、广州这类东部城市。
这里有着：
高密度人口
科技企业
金融资源
创新人才
但这些地方不适合没有限度地扩大数据中心。
原因也是挺实际的：
土地昂贵、电力紧张、水资源压力比较大。
像上海、深圳这类沿海城市, 每多建一个大型数据中心，就意味着会面对更高的能源调度压力。
于是，中国就有了一项很有代表性的地理上的调整：
把东部的数据需求，转移到西部有能源优势的地区去。
“东数西算”工程背后的逻辑就是这样。
贵州、内蒙古、宁夏、甘肃这些地方，正在变成新的算力承载地。
贵州贵安新区依靠当地比较凉爽的气候还有水电资源来建设大型数据中心；
内蒙古凭借丰富的风电资源和宽广的土地承接一部分算力需求；
宁夏、甘肃则利用西北能源基地的优势来布置相关产业。
在这背后体现出一个主要规律：
中国东部有最多的人才，可是西部有更合适AI基础设施的空间和能源。
未来的数字经济，不肯定全部都集中在人口最密集的地方。
而最容易被忽视的是中东。
很多人还觉得，中东的核心资源仅仅是石油。
但到了AI时代，中东正在试着把能源优势转化成算力优势。
阿联酋､沙特这些国家正在对AI基础设施进行投资。
它们具有着三个天然条件：
第一，能源十分丰富。石油与天然气产业经过长时间积累，有着很强的能源供应能力。
第二，土地比较充足。
沙漠地区虽然不太适合传统农业以及人口扩张等，但特别适合建设大型工业设施。
数据中心不需要在繁华街区，只需要：稳定的电力、大面积的土地以及高速的网络。
第三，资本非常充足。
能源出口带来的财富，让这些国家能够快速投资新产业。
这也就意味着，中东正在试着来一次资源转换：以前是出口石油；以后或许会出口算力。
当然，AI时代不会仅仅简单地变成“谁电多谁赢”。能源不过是基础罢了。
真正决定国家竞争力的，是能源、土地、网络还有制造能力和产业生态的组合。
美国的优势在于能源；资本以及技术创新；
中国优势在于制造体系；电网能力以及新能源规模；
中东的优势在于能源成本还有资金实力。
这三者代表着三种不一样的AI地理模式。
未来全球算力中心的竞争，可能不会像互联网时代那样仅仅围着几个科技城市开展。
它会重新去寻找那些具有：
便宜能源、宽广土地、稳定环境以及强大基础设施的地方。
AI好像运行在云端，可是云端的后面，仍然是一片真实的土地。
未来决定数字时代国家竞争力的，或许不只是有多少芯片，而是谁有支撑芯片运行的电力、土地还有空间。
热门跟贴