无人机整机
无人机配件
无人机服务
设备与工具突破性技术与驱动这些技术的能源的命运紧密相连，任何一个领域的大规模发展都离不开另一个领域的推动。这种互联互通在中美关系中意义非凡，也更具活力。两国政治紧张，竞争激烈，但技术上的交集却被低估。鉴于数字系统和能源系统之间不可避免地相互关联，以及中美两国在该领域取得的进展，现任和未来的美国政府需要将两者结合起来考虑，慎重考虑技术投资如何推动能源生产的新领域，以及新能源创新如何对人工智能 (AI) 等应用和交叉技术重点领域的发展至关重要。
人工智能的开发、控制和驱动竞争，提供了一个尤为清晰的视角，让我们得以观察这些相互交织的动态，因为技术发展加剧了竞争，而这种竞争又塑造了各国的能源选择。华盛顿和北京在优先考虑人工智能等需求驱动因素并应对人工智能带来的能源需求挑战、应对智能电网的安全后果以及投资标准化等全球市场拓展措施等方面的政策举措，都对两国在能源和技术领域的竞争力具有战略意义。
在应对维护能源安全和推动技术创新的双重任务时，美国将面临一系列选择，但成功的关键在于认识到两者之间的相互依赖程度。正如本文将探讨的那样，这种动态在人工智能领域具有标志性意义，类似的动态也可能出现在技术创新以及诸多行业赖以生存的能源安全领域。制定一项清晰的战略——该战略能够认识到这种相互作用并充分利用私营部门投资的乘数效应——不仅将带来战略优势，还能在互利基础上为多边乃至双边合作提供平台，因为对人工智能的共同关切正在激发两国政府的政策讨论。
人工智能需求驱动因素
人工智能系统目前的形式是臭名昭著的能源消耗者，这可能会给美国和中国的电网带来负担，并可能对长期能源需求预测造成压力。虽然人工智能绝不是全球能源需求增长的主要贡献者，但它的巨大需求、快速崛起和大规模普及，为全球清洁能源规划带来了新的、具有重要颠覆意义的动态，提供了一个窗口。
需求紧张。在人工智能系统大规模发展之前，对能源密集型数据中心日益增长的需求与这些数据中心内机器的效率之间存在着相对稳定的动态关系。因此，在现代人工智能系统成熟之前的十年（大约2005-2016年），美国数据中心的能源消耗相对平稳，因为效率的提升抵消了数据中心数量的增长。然而，随着亚马逊、Alphabet旗下的谷歌和Meta旗下的Facebook等全球数据密集度最高、运营数据中心最多的公司开始抓住先进机器学习（近年来推动ChatGPT等“生成式”工具发展的基础科学）的商业利益，向高能耗硬件的必要转变导致能源消耗在接下来的五年里（2017-2023年）增长了一倍以上。
人工智能引起的需求激增有多种形式。训练先进的人工智能系统会在单个大型电力消费者中产生需求，这种需求可能会迅速超过任何服务他们的能力，更不用说他们日益寻求的清洁能源了。虽然估计数相差很大，但分析现有研究和公司自己的声明表明，训练（也就是说为消费者使用而构建）目前可用的尖端模型估计每个模型消耗了数十兆瓦。许多人工智能公司用来预测未来需求和获取能源容量的“缩放定律” 1表明，在短短几年内，开发和维持下一代系统每年将需要数千兆瓦的电力。这种能源需求将转化为一个广泛使用的“前沿”人工智能模型的训练，消耗的电量可能相当于一年 500 万个美国家庭的用电量。用于训练大多数人工智能系统的芯片效率的提高以及这些处理器的使用方式的改善，可以防止出现最坏的失控消耗情况——但随着更长的“训练运行”成为常态，这些收益可能难以抵消训练过程本身的计算强度/持续时间的增长。
然而，一个不太受重视但同样重要的需求驱动因素是实际利用人工智能系统执行功能的成本，即所谓的“推理”（字面意思是查询人工智能模型，无论是回答基于文本的问题，还是生成图像等）。许多人认为的“标准”搜索引擎查询，如果用大型语言模型 (LLM) 来进行，普遍估计需要10 倍的电力才能得到类似的结果——尽管业内一些人没有提供细节或基准，但他们声称简单查询所需的电力要少得多。然而，模型的能力远不止文本生成，图像或视频生成等其他功能要求每个输入进行更多的推理，进而增加生成输出所使用的能量。推理成本的精确估计不仅取决于查询的类型和复杂性，还取决于底层模型（ChatGPT 或 Meta 的 Llama）具有的“参数”数量。尽管形势每天都在变化，但截至撰写本文时，可用的 AI 模型数量范围从最小的近 100 亿，到能够处理和输出文本和图像的所谓“多模态”模型的数百亿到数千亿，再到最大的此类模型的（估计）超过 1 万亿。能耗并不完全跟踪参数的增加，但它确实提供了方向性指示，并且根据计算是否需要分布在数据中心内的多个处理器上等因素，还会出现额外的波动。随着公司将 LLM 驱动的结果嵌入到甚至基本的网络搜索中，消费者可能也越来越无法避免能源成本。因此，哪些模型成为全球范围内查询的“默认”模型（例如，当 iPhone 用户在手机浏览器中进行网络搜索时）或甚至正式标准化（如下所述），对总体 AI 能耗有着巨大的影响。
持久的战略重点。一个关键问题是，人工智能是否仍将具有战略意义，尤其是在中美关系中，因为许多能源决策都将在长达十年的时间尺度上做出。根据目前的证据，在特朗普第二届政府任期内，开发更优质、更强大的人工智能系统的竞赛不太可能减弱。尽管一些批评人士预计会出现又一次“人工智能寒冬”，或者这些技术将无法产生国家层面的经济影响，但特朗普第二届政府的人事和政策选择几乎没有迹象表明其预计外交政策背景下的人工智能问题会降温。唐纳德·特朗普总统上任第一天就任命了几位科技界人士——其中一些人在特朗普第一届政府期间在人工智能领域拥有丰富的经验——加入白宫团队，并在组织层级中提升了白宫人工智能（和加密）沙皇的职位，这表明人工智能将继续成为一项高级别的政策关注点。在政府上任后的几周内，它发布了一项行政命令，指出“我们可以巩固我们在人工智能领域的全球领先地位”，该命令旨在审查（但不会全盘停止）总统乔·拜登的主要人工智能命令。几天后，副总统 JD Vance 的首次国际演讲完全以人工智能为主题。那次演讲呼吁重新考虑前任政府以安全为中心的人工智能方针，引起了广泛关注。然而，除了头条新闻之外，值得注意的是，两者之间存在着连续性。在描述挑战时，Vance 指出“敌对的外国对手如何将人工智能武器化”，而拜登则关注“对手和其他外国行为者对人工智能系统的使用”。两人都将能源作为人工智能竞争的关键载体，拜登政府在最后一刻采取行动，试图加速美国人工智能公司能源基础设施的增长，这与 Vance 的说法相呼应：“我们现在站在渴望可靠电力的人工智能行业的前沿。”万斯继续说道：“除非世界建立起支持人工智能的能源基础设施，否则人工智能就无法腾飞。”他甚至认为，“它将帮助我们创造和储存未来的新能源模式。”在人工智能的地缘政治竞争中，各国政府都认为能源至关重要。
在中国，国家主席习近平多次以各种方式强调“中国高度重视人工智能发展”，并表示要“瞄准未来科技和产业创新制高点”，尤其关注“人工智能”和“新能源”。尽管北京方面尚未像华盛顿那样明确强调能源与人工智能发展之间的联系，但习近平在“构建新型能源体系重大战略部署”和“新技术赋能”等讲话中都提到了这两者之间的关系。尽管近年来中国科技领域遭遇重大阻力，即政府对科技行业的打压，但北京方面仍在继续推动人工智能发展。领先的人工智能技术不断涌现，无论是研究人员、初创企业还是成熟企业。 （尽管与美国一样，中国精英政治圈子中可能正在进行一场关于加速人工智能发展的社会经济影响的健康（尽管截然不同）的辩论。）虽然许多人报道了中国公司在人工智能发展方面取得的进展，包括 DeepSeek出人意料地发布了一款可与一些美国主要竞争对手相媲美的模型，但衡量中国对人工智能进展的重视程度的一个违反直觉的指标可能是北京将在多大程度上使其屈服。新的注册要求和严格的测试确保查询响应忠实地遵守政治命令——人工智能开发人员私下里对性能后果表示遗憾——表明人们对人工智能渗透到经济和广泛消费者使用中寄予厚望。另一方面，人工智能代表了外交交流中为数不多的新领域之一，最终产生了领导人级别的相互声明，关于在核指挥和控制中使用人工智能系统是不明智的，这至少说明了军方对这项技术的持续担忧。对人工智能能力的不断追求是由市场需求驱动的，但同时也受到地缘政治的刺激；在与美国的竞争中，满足人工智能对能源的需求将成为衡量北京内部成功的标准，这不仅体现在经济竞争中，还体现在人工智能带来的地缘政治优势上——而这正是中国积极寻求的。
上游替代方案
海外采购。由于太平洋两岸的人工智能开发和应用趋势不太可能减弱，人们开始质疑是否有其他替代方案可以替代美国和中国的电网完全承担人工智能的能源负担。为此，阿联酋等国家正在努力吸引美国（大概还有中国）的人工智能公司在国外进行能源密集型培训。这些投资值得关注；它们的资本可能远超美国的风险投资和私募股权融资，而且还有更广泛的方案来支持公司的竞争优势，很可能成为国内谈判中的重击。话虽如此，大量模型培训离岸外包的实际操作和监管挑战使其成为短期内难以实现的远景目标。越来越多的国内数据主权规则和针对版权侵权的积极诉讼可能会使前沿模型公司更不愿意在海外培训如此昂贵的模型。即使是像沙特阿拉伯（并由主权支持）的 Humain 大举购买尖端英伟达芯片用于人工智能训练这样的交易，也更有可能用于国内模型开发和推理，而不是取代重要的美国前沿模型训练。2相反，为了满足最大规模的数据中心使用需求，美国和中国的人工智能公司可能不得不（或将被迫）利用现有的电网，并依靠政府的领导来获得更多供应和优先排序。正是在这方面，美国和中国不同的做法可能会变得尤为有趣。
事半功倍？“扶手椅人工智能”（通用系统，几乎人人可用）时代尚未到来三年，两国仍处于这项技术发展的早期阶段。在美国，大量资金涌入新兴人工智能公司，资金充裕的科技巨头也投入巨资，利用现有数据训练人工智能模型，这意味着这个细分行业尚未被剥夺。问题在于市场轨迹：使用这些模型带来的收入，加上投资者对其潜力的投资意愿，是否会成为提高效率的动力，还是会加剧商业竞争，以至于能源效率成为模型整体性能的次要考虑因素？
需要明确的是，学术界的计算机科学研究长期以来一直重视以计算效率更高的方式交付人工智能模型，而公司本身也有明确的盈利动机来降低训练成本。该领域——乃至全球清洁能源的未来——的一个核心问题是，新的计算技术能否永久地遏制能源成本的指数级增长，而这正是“缩放定律”目前必然导致的。这项研究的早期阶段和重要突破表明，或许可以实现这一目标；除了现有的市场驱动因素之外，如果将清洁能源的更广阔前景纳入考量，政府鼓励人们关注这些领域的激励措施或许能够带来超额回报。（如果管理不当，也可能只会创造更大的需求，因为人工智能推理的成本下降速度甚至比过去几年更快。）
但在这个领域，这样的突破不太可能长期成为国家机密；在中美脱钩的论调背后，现实情况却更加微妙：国际人工智能技术研究人员之间频繁的互利共赢，加上开放出版的文化，成为该领域重要的规范和验证手段。虽然国家对效率显著提升的人工智能训练的投资或许能够解决能源挑战，但最终可能成为平行进步甚至合作的契机，而不是赋予一方或另一方战略优势。
引发核裂变？科技巨头近期收购专用核裂变工厂以满足自身需求的举动，或许将成为全球核能快速演变争论的转折点。事实上，在美国政治转型和气候投资领域出现严重分歧之际，核裂变提供了一个潜在的政治缓和领域：它既不“环保”到足以让右翼政治家反感，又不至于碳排放密集到招致左翼最激烈的反对。无论人工智能公司是否有效地对这一潜在重叠领域进行三角测量；是否在政治气候和可靠的基荷能源需求下不断积累对该技术不断变化的观点；或者仅仅是缺乏满足自身需求的替代方案，结果都是一样的：核裂变或许是投资者和人工智能领导者需要的权宜之计，让他们有信心继续构建能源密集型模式——尽管监管时间表并不吸引人，而且公众对核裂变的部署也缺乏共识。在这方面，挑战核管理委员会对现代小型模块化反应堆监管的联邦诉讼将成为该行业以及那些计划依靠小型模块化反应堆来满足不断增长的能源使用预测的人们关注的焦点。
中国也上演着类似的动态，政府规划人员在未经检验的公众舆论将数据中心与核电扩张联系起来的问题上同样玩着微妙的游戏。举个例子，中国旨在建设数据中心以满足日益增长的计算需求的“东数西算”计划，与到2025 年 80% 的数据中心使用清洁能源的既定政策目标相冲突。值得注意的是，在“如何”的解释中没有提到核电。这是一个实质性的、说明性的遗漏，表明要么在数据中心的背景下，中国规划人员尚未认为公众准备好接受数据中心作为大规模扩张核能的理由（尽管由于其他原因，这种核能扩张早已进行），要么电网规模的电池存储将在短短几年内取得重大突破，或者两者兼而有之。在这两种情况下，核裂变的利用可能确实受到私人人工智能和数据密集型企业对它的快速需求以及在全国范围内规范化的商业利益的推动，为政策制定者所期望的清洁能源结构比公众对该技术的更热烈的欢迎铺平了道路。
押注核聚变？人工智能的需求也在加速——并部分资助——美国对尚未部署的长期清洁替代品（即核聚变能源）的战略投资。虽然该技术的投资者名单包括一系列机构融资、风险投资和战略工业参与者，但最大的人工智能和科技巨头的现任和前任创始人/首席执行官在这些公司中发挥了重要的财务和组织作用。从长远来看，仅来自这些“大型科技”公司的一项投资就比联邦政府在其标志性的“基于里程碑”的核聚变发展计划下为私人核聚变提供的总资金（超过七倍）相形见绌，该计划旨在帮助该技术商业化。3 2025 年夏天，仅谷歌就宣布了两项独立的投资，并达成了从美国核聚变公司购买电力的理想协议。近几个月来，科技公司一次又一次地对核聚变进行商业押注，这似乎是为了满足人工智能的电力需求，进而满足国家人工智能的竞争力。鉴于特朗普和拜登两届政府执政期间都缺乏示范发电厂，美国两党对核聚变的热情显而易见，尽管这种热情尚不明确。北京方面则加倍增加了对核聚变的国家投资，美国核聚变官员也注意到了这一点。美国能源部核聚变科学项目负责人让·保罗·阿兰 (Jean Paul Allain) 在最近的一次采访中表示，北京每年向国内核聚变项目投入的资金远不止预计的 10 亿至 15 亿美元，“对我来说，比数字更重要的是他们进展的速度。” 在这方面，人工智能竞赛在某种程度上推动并塑造了清洁能源竞赛的下一篇章。而一些领先的商业核聚变公司则将近期的希望寄托在该行业公开面临的需求冲击上。
下游驱动因素
美国或中国将在多大程度上抓住清洁能源与新兴技术交汇领域的其他优势来提升竞争优势，甚至利用这些优势开辟新的合作领域，目前尚待观察。但至少在电网网络安全和标准化这两个领域，当前的当务之急对中美关系整体基调的影响，甚至可能超过其对能源政策的直接影响。
更优、更脆弱的电网。人工智能等能源需求大幅增长的后果之一是，公共电网必须进行升级，而这些电网无法支持新的清洁能源接入，更不用说应对大幅需求激增了。从智能电表到电网增强技术，由巨额公共支出（如美国《通胀削减法案》）支持的电网数字化在提高效率的同时也带来了显著的风险：网络安全漏洞使电网变得更加脆弱，导致远程破坏的规模之大，其程度之大一度令人担忧。这种担忧几十年来一直为人所知，美国其他对手也曾在其他地区演练过。但最近，一系列“终止开关”技术被发现植入美国关键基础设施，并被归咎于中国，再次引发了人们的担忧。美国国家安全局局长称这些行动“独一无二，与众不同”。北京方面一如既往地否认对这些黑客攻击负责，但美国的归咎尚未引发严峻挑战。在清洁能源投资和日益增长的需求推动下，电网升级换代的速度加快，也带来了更大的网络漏洞。随着两国电网的现代化，各自都将引入更多可能被征用、禁用或恶意激活的数字元素——这无疑加剧了彼此的脆弱性。可识别的“攻击”或破坏行为可能包括关键设施的选择性停电、电网本已不堪重负的地区电力供应紧张，以及区域电网可能出现的大规模连锁故障。拜登政府采取行动禁止在美国汽车上使用中国软件时，似乎已经考虑到了类似情况，因为汽车本身是电网的重要节点——如果被操纵，就可能引发此类停电事故。
这种动态——以及潜在的深度不信任——很可能在未来几年在双边关系中加剧。尽管中国曾表示有兴趣达成双边承诺，但现在判断是否有可能缓解这一问题的紧张程度还为时过早。美国可能会大幅升级并加大对某些网络行为规范的推动力度，将重点扩大到商业机密盗窃之外。这一努力不同寻常，因为它使北京方面以先前的规模窃取某些美国数字系统的意愿发生了可衡量的（即使是暂时的）变化。4到目前为止，双方都认为这种真正克制的追求是半心半意、不真诚的，或者两者兼而有之，这引出了一个问题：究竟需要多大程度的风险才能让双方坐到认真的谈判桌前。由于目前的风险可以说远远高于 2010 年代中期，现在是探索摆脱这种不稳定态势的途径的时候了。
标准红利。最后一个值得关注的动态是技术标准化的竞争——在电信领域竞争异常激烈（最显著的是5G和互联网标准），并且可能在新兴技术和清洁能源领域塑造市场和关系。由于工程师、科学家以及越来越多的国家官员都在寻求就新技术的架构框架达成一致，标准制定的日常工作往往充满繁琐和术语。美国曾一度认为，这是一种由行业主导、基本上不插手的做法，以避免产生赢家和输家。拜登政府在更加注重产业政策的同时，也强调了国家在标准方面的领导地位。中国官员也不甘示弱，在一份明确的三年国家行动计划中表达了同样的观点——该计划是美国官员长期以来一直宣称的一项战略的具体体现，但在此前几十年的中国官方文件中，这项战略基本上没有提及。中国的战略旨在致力于为中国技术生态系统确保一系列技术标准，主要重点是人工智能（以及其他新兴技术，包括量子计算和脑机接口）。在这方面，两国现在都明确认识到，与之前的许多技术一样，在人工智能领域，制定标准将为电信、人工智能或其他领域内更广泛的创新生态系统带来显著的红利。
尽管回报丰厚，但各州是否有能力和兴趣继续履行其持续参与标准制定的宏伟目标，仍然存在诸多疑问。在清洁能源的某些领域，早期竞争已然展开。在核聚变能等新兴技术领域，中国企业一直在国际标准化组织（ISO）努力推动其投入最大的技术版本标准化。但清洁能源技术既不是手机，也不是网络协议；各国司法管辖区各不相同，在官方标准开发组织（SDO）获得标准化，其重要性可能不如像特斯拉这样的大型市场参与者凭借专有标准获得大规模发展。特斯拉充电标准就是这样一个例子，为了鼓励采用，该标准现已更名为北美充电标准（NACS）。它在很大程度上绕过了SDO，并给各州向现有SDO施加官方或非官方压力的模式增添了新的复杂性。尽管在特朗普第一届政府执政期间，对5G、安全电信和其他标准相关领域的关注避开了对国际参与的更大范围限制，但预算和人员减少，加上机构重组，是否会阻碍这项艰巨的外交任务，仍有待观察。对于清洁能源而言，各国在其他标准流程中的参与程度，例如可再生能源故障模式和分析、能源管理系统以及储能系统组件方面的标准流程，或许能提供早期线索。
描绘交织的未来
能源和新兴技术的未来如同中美关系一样，相互交织，有时也同样充满挑战。这些关系并非零和博弈，而应相互协调，最重要的是，应将其纳入美国连贯一致的战略框架，该战略旨在将中国和能源安全置于其首要议程。对商业化能源突破的明智投资、推动更高效人工智能模型和推理的市场互补激励措施，以及确保最具前景的技术实现标准化的外交合作，所有这些都在共同推动着相同的战略要务。尽管其他因素——从台湾在半导体制造业中的角色到东南亚的关键矿产资源——将塑造这一新兴动态，但此刻正代表着一个契机，让我们能够放眼更广阔的前景，并协同加速技术和能源需求的提升。
2025-08-21 11:14
2025-08-21 11:14
2025-08-21 11:14
2025-08-21 11:14
2025-08-21 11:14
2025-08-20 22:02
2025-08-20 22:00
2025-08-20 21:58
2025-08-19 14:36
2025-08-19 13:09
