2026年，全球AI竞争空前激烈，资金以前所未有的规模涌入。美国四大科技巨头微软、谷歌、亚马逊、Meta预计投入约6500亿美元。中国更是规划，到2030年，累计投资将达到令人瞩目的10万亿人民币。欧洲和日本也分别公布了2000亿欧元和1万亿日元的投资计划。
这些巨额投资的流向，不仅仅是基础的电网改造、芯片研发、光模块采购和变压器储备。一个更具战略意义，并决定AI竞赛胜负的关键领域，即AI基础设施，正成为全球各国争相布局的重心。
英伟达首席执行官黄仁勋曾以“AI是五层蛋糕”的形象比喻，阐释了AI从能源、芯片、基础设施到模型和应用的完整系统架构。他指出，AI远不止是一个简单的应用或产品，而是由相互支撑的五层结构构成。
在能源层面，电力是AI的基石。中国不仅发电总量居世界首位，是美国的两倍以上，而且在火力、风力、水力、光伏和核电等主要发电类型上均领先全球。相较之下，美国发电量不足中国一半，且面临电网老旧和地域分割的结构性挑战。如网友所言：“AI的尽头是算力，算力的尽头是电力，电力的尽头是中国。”在能源领域，中国占据绝对优势。
能源层之上是芯片层。尽管美国在先进芯片制造工艺方面领先，但中国正奋力追赶。过去普遍认为，顶尖大模型的训练离不开最先进的芯片。然而，DeepSeek通过混合专家模型（MoE）和多头潜在注意力（MLA）等算法创新，在有限算力条件下实现了大模型性能的突破。同时，华为通过“韬定律”为中国半导体产业开辟新径，预计到2031年其高端芯片晶体管密度将达到1.4nm制程的水平。海光、寒武纪、昆仑芯等国产芯片企业也在各自领域取得进展。美国商务部长卢特尼克提到，目前中国并未购买英伟达H200芯片，而是将投资重心放在本土产业发展上，这让黄仁勋感叹英伟达“成为了一家双方都‘禁足’的公司”，并强调“半导体归根结底是制造业，谁要是觉得中国做不出来，那就真的看走眼了”。
在大模型层面，数据显示，截至2025年7月，全球运行的AI大模型约3755个，其中1509个源自中国，数量位居全球第一。在开源大模型的下载量上，中国也位居榜首。斯坦福大学HAI实验室2026年度《AI指数报告》指出，中美大模型性能差距已从两年前的300多分大幅缩小至39分。DeepSeek-V4预览版发布并开源，其V4-Pro版本在数学、STEM、竞赛型代码等领域性能可与世界级闭源大模型媲美，并超越所有已公开的开源大模型。值得注意的是，V4优先适配了华为等国产芯片，完成了从英伟达CUDA生态向华为CANN架构的底层迁移，标志着国产大模型与国产芯片自主闭环的形成。
在最顶层的应用层，中国的优势更为显著。去年底，中国生成式AI用户规模突破6亿，普及率高达42.8%，在18-24岁年轻群体中甚至超过91%。相比之下，美国AI普及率为28.3%，欧盟为32.7%，均低于中国。中国人对新技术的开放和积极拥抱，以及由14亿人口构成的超大规模市场和丰富的应用场景，为AI发展提供了肥沃土壤。美国AI视频生成平台Sora因商业模式不可持续而关停时，中国视频创作者已通过Seedance制作的AI短剧成功盈利。一家杭州企业睿琪软件也凭借一款教外国人识别花卉的AI应用实现年入10亿。麻省理工学院的报告指出，尽管美国企业已在生成式AI上投入超300亿-400亿美元，但高达95%的试点项目未能进入实际生产阶段。这表明，AI技术的先进性固然重要，但能否实现大规模应用同样关键。
综合来看，中国在能源层和应用层具有明显优势；在芯片层，中国正奋力追赶；在模型层，中美各有所长。下一个阶段的竞争焦点，将是第三层——AI基础设施。
能成为“AI基建狂魔”的国家，将抢占先机。然而，建设算力中心并非易事，它涉及芯片、光模块、服务器等关键设备的整合，以及土建、供电、冷却等复杂的工程环节，任何一个短板都可能导致项目失败。目前，各国正竭尽全力攻克这一难题。
美国是在AI基建上投入资金最多的国家，仅2026年，Meta、微软、谷歌、亚马逊四巨头预计投入总额高达约6250亿美元，比去年大幅增加70%。除了烧钱，美国企业也通过“合纵连横”弥补各自短板。OpenAI与甲骨文等合作启动“星际之门”计划，投入5000亿美元扩建AI基建；微软与贝莱德、xAI结盟；英伟达斥资10亿美元入股诺基亚，旨在将全球数百万基站打造成算力节点。然而，即便有巨额投入，供应链中不起眼的环节也可能导致项目延误。2026年，美国近一半原计划新建的数据中心项目因关键零部件（特别是变压器等电力设备）短缺而延期或取消。为应对困境，白宫推出90多项政策，并成立跨部门AI基建工作组。
欧洲虽雄心勃勃，计划在2030年前撬动2000亿欧元投资，但现实却不尽如人意。欧洲AI硬件严重依赖外部供应，半导体全球份额仅占10%。法国总统马克龙承认，欧洲AI基建高度依赖美国和中国，急需建立自主产业能力。各国在法规和利益上的巨大分歧也拖慢了欧洲的步伐，欧盟《人工智能法案》耗时三年才达成共识，对于AI这种快速发展的行业来说，效率明显不足。
亚洲方面，日本计划投入3873亿日元（约24亿美元）用于AI基建，韩国则制定了10.1万亿韩元（约70亿美元）的AI专项预算。与中美千亿级的投资相比，日韩的投入较为逊色。考虑到AI训练需要海量数据，日韩在数据规模上存在天然劣势，因此两国选择了避开与中美正面竞争，另辟蹊径。日本打算放弃通用大模型竞赛，专注“实体AI”，软银、NEC、本田等巨头联手推动AI与汽车、机器人等实体经济的深度融合。韩国启动“主权AI”战略，由NAVER Cloud、Upstage、SK电讯等五家联合体合作，旨在建立一套专属韩国的AI体系。
从全球范围来看，AI竞争的核心赛场依然在中美之间。重新审视AI基建的难点，中国的优势便清晰可见。一个显著优势是国家调度电力和算力资源的能力。四年前，中国就布局了与“南水北调”、“西电东送”并肩的“东数西算”战略，旨在将东部旺盛的算力需求与西部充沛的绿色电力无缝对接。如今，在贵州深山、宁夏戈壁、甘肃沙漠中，已崛起世界级的算力枢纽。
更巧妙的是，算力和电力能够协同作战。白天用电高峰时，系统会暂停非紧急AI训练任务，减轻电网压力；夜间风电充沛，则全速运行算力，消耗多余的绿色电力。同时，AI模型还能反过来协助电网进行智能调度。电力支撑算力，算力优化电力，形成了一个成本与效率兼顾的闭环。目前，中国算力总规模跃居全球第二，超级计算机数量位居世界第一，且算力总规模年均增速高达30%，意味着不到三年即可翻倍。这种增长得益于“全国一盘棋”的调度能力。
聚焦到数据中心本身，中国在小至螺丝钉、大到机房的整个产业链上，都拥有自主制造能力。AI芯片领域，华为昇腾、海光信息、寒武纪等国产芯片厂正迅速崛起，去年国产芯片在国内市场占有率提升至41%，出货量超过165万片。在AI推理服务器领域，全球前十企业中有五家来自中国，包括浪潮、华为、新华三、中科曙光、联想。光纤领域，长飞光纤、亨通光电、中天科技、烽火通信四家企业跻身全球十强。光模块领域，全球前十厂商中有七家是中国企业，“易中天”（新易盛、中际旭创、天孚通信）三家公司占据了800G/1.6T高速光模块市场六成份额。各国紧缺的变压器，中国产能占据全球60%。
此外，中国在AI基建上还有一个潜在优势：工程建设速度。美国建设一座AI超算中心通常需要三年时间，而中国一座大型数据中心的建设周期为18到24个月，采用预制化、模块化方案甚至可缩短至6个月或更短。这种“中国速度”的根基在于人才。中国每年培养超过500万科学、技术、工程和数学（STEM）专业毕业生，顶尖AI研究人员占全球50%。这种人才生态使得创意能够迅速落地。同时，中国庞大的产业工人队伍——电工、建筑工、管道工、钢铁工、安装工等，他们的高效协作与快速响应是任何先进蓝图得以实现的关键。
归根结底，AI基建的竞争是对一个国家过去所有基础设施积累和综合国力的“期末结算”。中国曾无高铁，如今建成了世界最大的超过5万公里的高铁网络；曾是电力匮乏的国家，如今成为全球唯一全民通电的国家；曾被高山天堑阻隔，如今世界最高桥梁前500名中，中国独占439座。历史已经证明，中国是当之无愧的基建狂魔。未来，中国也必将证明，在AI时代，我们同样能成为引领世界的AI基建狂魔。