本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
2025年，全球五大科技公司在基础设施上的投资已超过4000亿美元，几乎全部由人工智能计算需求驱动。到2026年，这一数字预计再增长75%。登月竞赛高峰期，美国航天局的年度投资按不变价格计算约为500亿美元。今天的规模已是另一个量级。
这不是一场普通的技术竞赛。大规模生产人工智能的能力，取决于一种物理资源——电力。少数几方对电力的集中控制，已经勾勒出本世纪下一个垄断格局的轮廓。
关于人工智能的公共讨论集中在就业问题上。这是错误的战场。真正的博弈在于电子的价格，以及谁控制着将电子转化为智能的基础设施。
核心要点
- 根据国际能源署数据，2025年全球五大科技公司基础设施投资超过4000亿美元，预计2026年增长75%。
- 这笔支出主要流向数据中心。据国际能源署2025年4月发布的报告，到2030年，全球数据中心电力消耗将从2023年的300至380太瓦时增至约945太瓦时。
- 微软、谷歌和亚马逊控制全球逾65%的云计算能力，形成每年以数百亿美元计的准入门槛。
- 欧洲和多数新兴国家缺乏足够稳定的低碳电力市场，无法参与这场基础设施竞争。技术优势正在转化为地理与制度优势。
- 可行方案包括：集体采购池、能效标准、面向区域参与者的绿色电力市场，以及对可再生能源独家合同的监管。
四千亿美元靠不了一个想法
工业资本主义的历史，是少数几种资源塑造全球竞争格局的历史。煤炭成就了英国，石油成就了中东和美国石油巨头，金融资本决定了谁能在20世纪主导创新。
今天，这一资源是算力。算力有一个直接的物理约束：电力。
训练GPT-4这类大型语言模型，需要数万块专用芯片在数据中心持续运行，其能耗相当于一座中等城市。据多个研究团队估计，训练新一代模型仅计算成本就高达1亿至10亿美元。推理——即回答一次查询——每个令牌的成本是网页浏览的10到100倍。这些成本下降的速度，不足以让新进入者负担得起。
构成壁垒的不是技术秘密。算法在流通，模型在开放。壁垒来自运行它们的物理基础设施。这套基础设施每年需要数百亿美元，依赖稳定的电力市场，还要与芯片寡头制造商维持合同关系。
数据中心电耗五年翻倍
国际能源署估计，2023年全球数据中心消耗电力300至380太瓦时，低于法国全年用电量（同年约445太瓦时）。2024年，这一数字升至415太瓦时。据国际能源署2025年4月《能源与人工智能》报告，基准情景下，2030年将接近945太瓦时。自2022年以来，人工智能相关工作负载占比持续加速上升。
这个几乎翻倍的预测本身还属保守。它假设芯片能效将按当前速度持续提升。若人工智能需求增速超过芯片性能提升——这是2023年以来的可观察趋势——那么2030年的电耗可能达到1200太瓦时。
问题不在于电力本身，而在于可靠、廉价且低碳的电力，以及地理上合适的区域。数据中心需要低温冷却、稳定的电网，以及绿色电力来履行大型科技公司向投资者和监管机构作出的气候承诺。同时满足这三个条件的地区屈指可数：美国东北部、斯堪的纳维亚，以及东南亚少数地区。
选址决策就在这里产生。率先入驻的公司签署长达十年、二十年的电力供应合同，将资源锁定，让后来者无路可进。
谁控制算力，谁就控制智能的入口
集中化不是预测，已是现实。
据Synergy Research Group 2025年数据，微软、谷歌和亚马逊控制全球约65%至70%的云计算能力。微软、亚马逊、Alphabet/谷歌、Meta和甲骨文，五家寡头拥有、运营或承包着全球人工智能运行所依赖的几乎全部基础设施。
这种集中对人工智能经济有直接影响：圈外企业无法以同等条件获取算力。它们在现货市场按零售价按需购买。而据Wood Mackenzie分析，大型科技公司已谈妥远低于现货价格的长期电力合同，将芯片成本摊销在数亿小时的计算中。它们的智能边际成本，在结构上低于任何竞争对手。
达龙·阿西莫格鲁和西蒙·约翰逊在《权力与进步》中提出了核心问题：技术不会惠及所有人，除非被迫如此。人工智能算力以近乎教科书式的清晰度说明了这一机制。技术在进步，能力在积累，但获取这些能力的渠道，遵循的是资本投资的分布，而不是需求或创意的分布。
人工智能跑得快，基础设施挖下的鸿沟却持久
模型的改进速度确实惊人。人工智能一月还不会做的事，九月就掌握了——这种能力加速有据可查。但它掩盖了一种不对称：能力提升的红利，首先流向有能力负担基础设施的玩家。
与19世纪的类比并不精确，但有参考价值。铁路塑造美国经济时，控制铁路的公司主导运输定价长达三十年。问题不在于铁路技术，工程师可以自由流动。问题在于物理基础设施集中在少数人手中，最终迫使西奥多·罗斯福从1902年起拆散铁路托拉斯。
未来几年的问题不是人工智能能否做更多事情。它当然可以。问题在于：圈外的人，能否以正常经济竞争所要求的条件，获得同样的工具。
对新兴国家而言，这个问题尤为关键。多数国家既没有必要的电力市场，也没有必要的基础网络来承载有竞争力的数据中心。它们将是基础设施的客户，而非生产者。这是一种新型技术依赖，叠加在原材料与金融依赖之上。13个非洲国家曾试图通过禁止原矿出口来掌控矿业命运，但对于算力，类似的杠杆尚不存在。
有具体应对方案，但需要政治意愿
指出瓶颈而不提调节机制，是分析者的失职。
目前有多条路径正在探索，成熟度各异。
第一条：监管可再生能源购电协议。 大型科技公司与可再生能源生产商签署购电协议，锁定二十年产能。欧洲绿色电力市场仍在建设中，已有提案要求将部分产能保留给区域参与者。欧盟委员会在《数据法案》和《人工智能法案》中纳入了这一议题，但尚未就基础设施本身出台约束性措施。
第二条：共享算力池。 德国、法国（通过数字主权计划）、日本等国正试图建立共享计算池，以行政定价向研究机构、中小企业和公共部门开放。这些计划相对于私人投资体量仍微不足道。法国通过Clara计划向科研界提供了一批A100芯片，但数量仅相当于单个超大规模企业几周的边际投资。
第三条：能效监管。 通过强制规定每单位算力的性能标准，监管机构可以加速淘汰低效设备，削弱现有参与者依赖旧设备摊销的优势。欧洲正在其能效指令框架内制定相关指标，但落地进展缓慢。
第四条：价格透明化。 目前云计算定价不透明。大型科技公司签署保密合同，享受大幅折扣；初创企业则支付标价。公开加权平均价格，将使反垄断机构能够评估这种价差是否构成滥用市场支配地位。欧洲反垄断机构已对云市场展开初步调查，但预计最早2027年才能作出结构性决定。
2030年将如何看待2025年
代际后果是真实的。2023年至2028年间的基础设施决策，生命周期为15至20年。今天建的数据中心，2040年还在运行；今天签的电力合同，2045年才到期。现有参与者在这一窗口期积累的成本优势，不会因技术进步自动消失。
这就是普通技术集中与当下这场集中的本质差异。多数行业中，竞争优势随时间侵蚀，因为新进入者可以低成本复制基础设施。而人工智能算力基础设施的逻辑相反：投资越早，边际成本越低，能报出竞争对手无法匹敌的价格，收入又流向下一轮投资——循环自我强化。
这个循环并非不可打破，但没有干预，它就是不可避免的。当前十年与以往技术周期的不同在于：监管工具已然存在——反垄断、能效标准、市场准入、价格透明——欧洲的监管机构有政治意愿使用它们。问题不在于是否知道该怎么做，而在于行动是否足够快，以免2035年的格局只是2025年的放大版。
欧洲已经证明，监管可以成为经济主权的工具。算力基础设施是下一个试验场。无所作为的代价，不由科技公司承担，而由数亿需要在未来数十年公平获取人工智能的用户、企业和公共机构承担。
来源
- Carbon Direct, AI Scale and Climate Commitments: A 2026 Outlook — https://www.carbon-direct.com/insights/ai-scale-and-climate-commitments-a-2026-outlook
- 国际能源署, Electricity 2024: Analysis and Forecast to 2026 — https://www.iea.org/reports/electricity-2024
- Synergy Research Group, Cloud Infrastructure Market Shares Q4 2024 — 无链接，来源引用无URL
- Daron Acemoglu 和 Simon Johnson, Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity, PublicAffairs, 2023
- Wood Mackenzie, 超大规模企业购电协议市场分析，2024-2025 — 无链接，来源引用无URL
- 欧盟委员会, AI Act 和 Data Act — https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
- IEA — Key Questions on Energy and AI（2026年4月）— https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
- IEA — Energy and AI（2025年4月）— https://www.iea.org/reports/energy-and-ai/executive-summary
- Synergy Research Group — 云市场份额2025年第三季度 — https://www.srgresearch.com/articles/cloud-market-share-trends-big-three-together-hold-63-while-oracle-and-the-neoclouds-inch-higher
- RTE — 法国2023年电力报告 — https://analysesetdonnees.rte-france.com/en/annual-review-2023/keyfindings
- Epoch AI / Stanford — 人工智能训练成本（arXiv 2024）— https://arxiv.org/html/2405.21015v1
- The Planetary Society — 阿波罗计划成本 — https://www.planetary.org/space-policy/cost-of-apollo
- Visual Capitalist / Epoch AI — 大型科技公司资本支出 2022–2025 — https://www.visualcapitalist.com/visualized-big-tech-ai-spending/