8月20日，中国华能集团董事长温枢刚、总经理钟国东在深圳与华为技术有限公司CEO任正非举行会谈。
任正非表示，中国发展人工智能具有两项重要基础优势：电力优势和电信网络优势。华为与中国华能将在AI、算力及算电协同领域加强联合创新，推动新能源发展和新型电力系统建设。
这番判断将中国AI竞争力的讨论，从先进芯片和大模型参数，转向了支撑人工智能长期运行的能源、网络与工业基础设施。
人工智能表面上是算法革命，底层却越来越像一项高耗电、高带宽、高资本投入的基础设施产业。没有稳定电力和高速网络，再先进的芯片也难以转化为持续可用的算力。
电力正在成为AI的第一资源
国际能源署数据显示，2025年全球数据中心用电量约为485太瓦时，预计到2030年接近950太瓦时，其中AI数据中心用电增速明显快于传统数据中心。
中国与美国将贡献未来数年全球数据中心新增用电量的大部分。随着大模型训练、推理服务和智能体应用扩张，竞争焦点正在从“能否获得芯片”，进一步转向“能否稳定、低成本地供电”。
中国的优势首先体现在电力系统规模和建设能力上。
国家能源局公布的数据显示，截至2026年6月底，中国可再生能源装机达到24.55亿千瓦，占全国总装机的60.7%；风电和光伏装机合计约19.51亿千瓦。
如此庞大的能源体系，为在西部新能源富集地区建设算力中心、将东部数据处理需求向西部转移提供了基础。
但装机规模并不等于可以随时调用的有效电力。风电和光伏具有波动性，算力中心却要求全天候稳定运行，这需要电网扩容、储能、调峰电源和跨区域输电共同配合。
老牌股票配资国际能源署估计，目前中国数据中心使用的电力中，煤电仍占较高比例。这意味着中国若希望把电力优势进一步转化为“绿色算力”优势，还必须解决新能源消纳、碳排放和数据中心选址之间的矛盾。
华为与中国华能的合作因此具有双重含义：能源企业为AI提供电力，AI也可以帮助电力系统预测负荷、调度储能、识别设备故障，并提高风电和光伏的消纳效率。
集群计算不是芯片差距的简单替代
任正非此前接受《人民日报》采访时承认，中国单芯片能力仍落后美国一代，但可以“用数学补物理、非摩尔补摩尔、用群计算补单芯片”，使系统达到实用水平。
这一思路具有明确的工程逻辑。当单颗处理器性能受到限制时，可以通过增加芯片数量，优化模型结构、并行算法和计算调度，获得接近先进系统的整体输出。
然而，集群计算并不是无成本的替代方案。
更多芯片通常意味着更高功耗、更复杂的通信、更大的内存需求，以及更高的系统故障率。集群规模越大，芯片间传输数据造成的延迟和能耗越可能成为瓶颈。
因此，“群计算补单芯片”能否成立，取决于高速互联、网络协议、编译器、算子库、存储系统和能源供应能否同时跟上。
这也解释了任正非为何将电力与电信网络并列。电力支撑算力持续运行，通信网络则负责把分散的算力、数据和应用连接起来，使人工智能能够进入工厂、电网、医院、城市和消费终端。
需要区分的是，大模型训练主要依赖数据中心内部的高性能互联，而全国性的光纤、5G和骨干网，对分布式推理、边缘计算及行业应用更加重要。因此，电信网络优势不会自动消除高端AI芯片和数据中心互联技术上的差距，却能提高AI成果规模化部署的速度。
从“三张网”走向系统竞争
任正非的表态与中国正在推进的基础设施政策形成呼应。
国家发展改革委8月19日宣布，研究建立算力网、新型电网和新一代通信网“2+3+N”协调机制，即由两家电网企业、三家电信运营商及多家算力企业共同推动重大项目建设。
这一机制表明，中国正在尝试把过去分别规划的能源、通信和计算设施，整合成统一的AI基础设施体系。
如果协调有效，数据中心可以根据电价、绿电供应和网络负荷灵活安排训练任务，并通过全国算力网络向用户提供服务。新能源富集地区也可能由单纯输出电力，转向输出经过计算处理的数字产品。
元股证券:ygzq.hk
风险同样明显。行政推动可能造成数据中心重复建设、设备利用率偏低和地方竞相投资，电网与算力项目的建设周期也未必匹配。
中国的电力和网络规模确实构成AI发展的重要基础，但优势最终要以单位算力成本、能源效率、系统可靠性和商业回报来衡量。
任正非传递的核心信息移动股票配资，并不是芯片不再重要，而是AI竞争已不再由单颗芯片决定。未来真正较量的，将是一个国家能否把芯片、算法、电力、通信网络和产业场景组织成高效运转的完整系统。
元股证券在线交易提示：本文来自互联网，不代表本网站观点。
