AI算力烧到电力端: 这轮科技行情,拼到最后可能是能源

这是大凡投资的第 6 7 1  期分享

作者｜大凡基金

出品｜大凡投资（ID：dafantouzi）

过去谈 AI，市场最先想到的往往是大模型、应用、芯片和算力。

谁的模型更强？

谁的应用落地更快？

谁能拿到更先进的芯片？

谁能把 AI 更快接入原有业务？

这些问题当然重要。

但最近，另一个问题也开始被反复提起：

这件事听起来有点反直觉。

AI 给人的感觉是轻的，是云端的，是算法、数据和软件。但支撑它运行的，并不是一个抽象的“智能大脑”，而是一座座数据中心、一排排服务器、持续运转的 GPU 集群，以及背后稳定、经济、低碳、可调度的能源系统。

AI 越先进，背后的基础设施反而越重。

这也是“算电协同”开始被市场关注的原因。国家能源局会同国家发展改革委、工业和信息化部、国家数据局印发的《关于促进人工智能与能源双向赋能的行动方案》提出，要围绕算力设施能源供给、绿色低碳转型、算力电力高效协同等方面部署重点任务，并提出到 2030 年，人工智能算力设施的清洁能源供给保障能力和能源领域人工智能应用水平大幅提升。

AI 产业竞争，已经不只是模型和参数的竞争，也开始进入算力、电力和基础设施能力的竞争。

01

AI越往下走，越不像“轻资产故事”

AI 行情刚开始时，市场最容易被模型能力吸引。

谁发布了新模型，谁的多模态能力更强，谁的推理成本更低，谁的应用入口更多，都会成为关注点。

但 AI 从概念走向真实使用后，逻辑会慢慢变重。

模型训练需要算力。

用户使用需要推理。

视频生成、智能体、多模态交互、企业级 AI 应用，一旦大规模铺开，就不再只是“有一个好模型”那么简单。

它背后需要持续供给的，是更大规模的算力资源。

而算力不是凭空来的。

它需要芯片，需要服务器，需要数据中心，需要冷却系统，也需要长期稳定的电力供应。

所以，AI 看起来是软件革命，落到产业链上，很快就会变成一场基础设施扩张。

大型科技公司持续加大 AI 相关投入，也是在验证这一点。

腾讯 2026 年一季度资本开支为 319 亿元，同比增长 16%；公开报道显示，这部分投入主要投向 IT 基础设施、数据中心与 AI 相关建设。

阿里方面，管理层也在业绩交流中释放出继续加大 AI 基础设施投入的信号。公开报道显示，阿里将超过此前三年 3800 亿元的 AI 投资计划；同时，截至 2026 年 3 月底季度，阿里云收入同比增长 38% 至约 416 亿元，AI 相关产品收入保持高速增长。

这些投入背后，AI 已经不只是“讲故事”。

它正在变成真实的资本开支、真实的算力中心，以及真实的基础设施建设。

这轮 AI 行情如果继续往深处走，就很难停留在“模型叙事”里，迟早要走到“基础设施兑现”。

02

算力的尽头，是电力、冷却和成本

“算力”这个词听起来很抽象。

但换个角度看，它其实很具体。

算力越大，意味着更多芯片在运行；

芯片越多，意味着更高能耗；

能耗越高，意味着更高电力需求；

电力需求越集中，数据中心对电网、用能指标、清洁能源消纳和冷却能力的要求也越高。

所以，AI 规模化应用真正带来的挑战，不只是“有没有足够多的 GPU”。

这些问题过去很少出现在普通投资者的视野里。

因为大家更愿意讨论模型能力和应用场景。

但产业真正跑起来以后，能源就不再只是背景。

尤其是 AI 推理需求上来后，算力消耗会从训练阶段的一次性高峰，逐步走向日常化、持续化、高频化。AI 越普及，后端算力消耗越可能变成长期支出。

这时候，电力成本就会成为 AI 商业模式的一部分。

同样是 AI 公司，同样是数据中心，如果电力成本、冷却效率、算力调度效率不同，最后反映到利润表上的结果也会不同。

所以，市场开始关注算力网络的可扩展性、清洁能源的消纳能力，以及硬件层面的热管理效率。

不是这些物理环节突然变成了 AI 本身。

而是 AI 越往底层走，能源、空间、散热和调度能力，越可能影响它的扩张速度和成本结构。

03

“算电协同”为什么突然重要？

“算电协同”听起来像一个政策词，但背后的产业问题很现实。

算力增长很快，电力系统必须跟得上。

一边是 AI 数据中心快速建设，带来更高密度、更连续、更敏感的用电需求；另一边是能源系统本身也在转型，需要兼顾安全、稳定、低碳和经济性。

如果算力布局只考虑土地、网络和机房，而不考虑电力供应、清洁能源消纳和系统调度，未来就可能遇到新的瓶颈。

国家能源局文件提到，《行动方案》以能源支撑人工智能发展、人工智能赋能能源转型为主线，聚焦能源供给、绿色低碳转型、算力电力高效经济协同等方面部署重点任务。

对专业机构来说，这类文件值得关注，不只是因为它给出了政策方向，更因为它指出了产业落地中的真实瓶颈。

因此，“算电协同”不是给 AI 行情新增一个概念，而是产业规模化之后绕不开的硬条件。

算力中心本质上是大负荷用电设施。

它既需要稳定供电，也可能成为电力系统中的可调节资源。

如果能通过电价信号、跨区域调度、储能配置、清洁能源直供等方式，把算力需求和电力供给更好地匹配起来，数据中心的运营成本可能下降，电力系统的调节能力也可能提升。

这不是单纯的“AI 用电多”。

而是 AI 发展到一定规模后，必须面对的成本、调度和能源匹配问题。

过去，市场谈 AI 基础设施，更多关注芯片和服务器。

现在，电力、能源和调度能力也被放进了同一张图里。

04

科技行情走到后面，市场会从讲故事转向算账

每一轮科技行情，早期往往更看重想象力。

新技术出现，市场先定价空间：

它能改变什么行业？

能创造多少新需求？

能不能带来新的商业模式？

这个阶段，故事很重要。

但越往后走，市场越会关心兑现。

AI 也是一样。

模型能力、应用入口、用户增长，当然仍然重要。但当科技公司开始大规模投入资本开支，市场就会问更现实的问题：

这就是 AI 投资从“看方向”走向“算账”的过程。

同样叫 AI 产业链，不同环节的风险收益特征并不一样。

有些环节受益于资本开支扩张，短期订单可能比较直接；

有些环节处在技术迭代中，竞争激烈，盈利不一定稳定；

有些公司看起来站在热门概念上，但真正能转化为收入的业务占比并不高；

有些基础设施环节增长没那么性感，但现金流和订单能见度反而更清晰。

所以，越是热门主题，越不能只看概念标签。

AI 算力烧到电力端，并不意味着所有相关产业环节都会同步受益。

后面还是要看订单、技术壁垒、成本控制、盈利能力和估值水平。

市场可以因为叙事上涨，但长期回报最终还是要回到基本面。

05

AI不是飘在云端的故事

AI 越发展，越会暴露出一个很朴素的事实：

再强的模型，也需要算力承载。

再多的应用，也需要服务器运行。

再丰富的场景，也离不开稳定的能源供给。

所谓“云端”的智能，最后还是要落在地面上的机房、电网、冷却系统和能源调度里。

这也是为什么这轮科技行情，不能只看最热闹的模型发布和应用入口。

AI 真正进入产业化阶段后，竞争会变得更重，也更复杂。

它不仅拼算法，也拼基础设施。

不仅拼研发能力，也拼资本开支效率。

不仅拼增长速度，也拼能源成本和系统协同。

从这个角度看，“AI 算力烧到电力端”并不是一个短期热点，而是 AI 产业链继续深化后的自然结果。

未来，市场可能会越来越关注那些看起来不那么“前台”的问题：

这些问题没有模型发布那么热闹。

但它们决定了 AI 能不能真正跑起来，跑得久，跑得经济。

写在最后

这轮 AI 行情，最热闹的地方仍然在模型、应用和芯片。

但把视角再往下沉一层，能源正在变成这场科技竞争里越来越重要的底层变量。

AI 不是只存在于云端的故事。

它越强大，越依赖现实世界的基础设施。

算力需要电力。

数据中心需要能源。

推理需求需要长期稳定的成本结构。

科技公司的资本开支，最终也需要回到收入和现金流中接受检验。

所以，理解 AI 投资，不能只看谁的模型更强、谁的应用更热，也要看谁能更有效率地组织算力、能源和基础设施。

当 AI 从概念走向产业，市场定价的对象也会发生变化。

而电力、能源、调度和基础设施效率，可能正是这本账里越来越重要的一页。

风险提示：

本文内容仅为市场现象与产业趋势分析，不构成任何投资建议，不涉及任何具体证券、基金或行业板块推荐。市场有风险，投资需谨慎。

「声明：本文为作者独立观点，仅供参考广大投资者科普学习和交流，不构成投资意见或建议，请理性看待，树立正确的理念，提高风险意识。文章版权和最终解释权归大凡投资所有。」

⭐星标大凡投资，关注大凡原创连载⭐