王坚：电力不是中国AI发展瓶颈
王坚院士在2026年全国两会期间确实发表了关于中国人工智能（AI）发展无需为电力和算力过度焦虑的观点，王坚院士明确指出，电力不是中国AI发展的瓶颈。王坚院士的言论旨在提振信心，强调中国在能源底座（电力）和基础设施（电网、特高压）上的独特优势，认为这是中国AI超越单纯算法竞争、实现规模化落地的关键底气。正如他所言，美国解决电力问题的难度甚至可能“比马斯克把东西送到太空更难”，而中国则已为此做好了准备。$电力ETF(SZ159611)$
他认为，中美两国的工业基础和能源结构存在本质差异。美国电网设备老化严重（部分源自罗斯福新政时期），且用电结构中居民消费占大头，导致其在面对AI大模型所需的海量工业级算力时，出现了“缺电”、“没电”的焦虑。马斯克也多次公开表示，电力是AI发展的终极限制因素之一。中国拥有强大的工业用电基础和完善的电网建设。特别是西部地区，能源结构已从化石能源大规模转向清洁能源（光伏、风电等），配合特高压直流输电技术，实现了能源的高效跨区域调配，能够充分支撑高耗能的数据中心。
王坚院士引用了特斯拉CEO埃隆·马斯克（Elon Musk）的判断来佐证中国的优势。马斯克预测，到2026年，中国的发电量将达到美国的三倍。这一巨大的电力冗余为中国AI算力的扩张提供了坚实的物理基础。马斯克曾提到中国在电网方面的巨额投资，使得中国具备了“电力输出”的硬实力。中国工业用电占主导，这与AI算力中心的用电需求高度契合；而美国则面临民用与工业用电争夺资源的局面。
王坚院士还对技术发展持乐观态度，他坚信在“用更少的能源做更多的事情”方面，技术一定会有突破。AI算法和硬件的能效比将大幅提升。展望未来5到10年，随着智能经济的到来和技术的进步，算力成本一定不会像今天这么高。这意味着AI将从昂贵的奢侈品变成普惠的基础设施。
中国电网建设在过去几年（特别是“十四五”期间至2026年初）取得了举世瞩目的成就，构建了世界上规模最大、电压等级最高、技术最先进、覆盖范围最广的输变电网络。这些成就正是王坚院士所言“中国不需要为电力焦虑”的坚实底气。 以下是具体的核心成就：
1. 特高压输电技术：全球领跑的“电力高速公路”
特高压（UHV）是中国电网最核心的竞争力，解决了能源产地（西部/北部）与负荷中心（东部/南部）距离遥远的问题。截至2025年底，中国跨省跨区输电能力已从“十三五”末的2.7亿千瓦跃升至3.4亿千瓦以上，并计划在“十五五”初期突破4.2亿千瓦。金上—湖北±800千伏特高压直流工程于2025年12月建成投运，将西藏金沙江上游的水电和光伏送至华中。 陕北—安徽±800千伏特高压直流工程预计2026年6月投运，跨越1070公里，输送西北风光火储一体化电力。 蒙西—京津冀工程作为内蒙古首条“沙戈荒”（沙漠、戈壁、荒漠）新能源大基地输出通道，支撑库布其沙漠新能源外送。 藏东南至粤港澳大湾区工程：2025年9月启动，旨在将西藏丰富的水电资源直送大湾区。拥有全球最高的输电电压等级（±1100千伏直流、1000千伏交流）和最长的输电线路，实现了电能“千里闪送”，损耗极低。
2. “西电东送”战略升级：绿色能源的大动脉
“西电东送”不仅是量的增长，更是质的飞跃，从主要输送煤电转变为大规模输送清洁能源。随着西北、西南地区大型风电光伏基地的建成，特高压通道中绿电占比大幅提升。例如，青海、甘肃等地的新能源通过专用通道直达河南、江苏、浙江等地。形成了北、中、南三大输电通道，44条跨区输电通道纵横交织，将西部的“风光水”转化为东部发展的动力，有效缓解了东部地区的用电紧张和碳排放压力。
3. 电网智能化与韧性：适应AI与新能源需求
为了应对人工智能算力中心的高能耗需求以及新能源发电的波动性，中国电网在智能化和灵活性上取得了重大突破。 国家能源局明确提出加快智能电网和微电网建设。通过数字化技术，电网能够实时感知、精准调控，平衡源荷波动。全国电网供电可靠率达到99.924%，即使在极端天气或高负荷情况下（如2025年夏季），也能保障经济社会运行。虽然成本较高，但中国在柔性直流输电技术上不断迭代，解决了新能源并网带来的换相失败等问题，提升了电网对不稳定电源的接纳能力。
4. 用电量与基础设施规模：世界首位
2025年，中国全社会用电量首次突破10万亿千瓦时，这一规模超越了欧盟、俄罗斯、印度和日本2024年用电量的总和，稳居世界首位。截至2025年，全国220千伏及以上输电线路总长度超过92万千米（部分数据称接近百万公里级），形成了东北、华北、西北、华东、华中、南方六大区域电网紧密互联的格局。仅2025年一年，国家电网完成固定资产投资就超过2700亿元，持续推动电网升级扩容。
5. 对AI发展的特殊意义
王坚院士提到的“美国缺电”与中国电网成就的对比，关键在于工业级电力的可获得性，中国电网是统一规划、统一建设的，能够迅速为大型数据中心集群（如“东数西算”工程中的八大枢纽节点）配套建设专属供电线路。西部地区的绿电成本极具竞争力，随着特高压通道的打通，东部算力中心可以使用到价格更低、更绿色的西部电力，直接降低了AI训练的运营成本。中国发电量是美国的三倍左右，且工业用电占比较高，这意味着在面对AI爆发式增长的电力需求时，中国有充足的“余量”和快速响应的基础设施能力，而无需像美国那样面临老旧电网改造和居民用电挤占的困境。
王坚院士所提到的“用更少的能源，做更多的事情”，正是当前全球AI技术攻关的核心方向——绿色AI（Green AI）与高效能计算。在2025-2026年这一关键节点，技术突破主要集中在算法架构优化、新型硬件革新以及系统级能效管理三个维度。 以下是具体的技术突破路径：
1. 算法与模型架构的“瘦身”革命
传统的“大力出奇迹”（堆砌参数和算力）模式正在被更高效的方法取代，目标是在保持甚至提升性能的同时，大幅降低训练和推理的能耗。 混合专家模型（MoE, Mixture of Experts）不再让所有参数参与每一次计算，而是根据输入内容，动态激活网络中一小部分“专家”模块。使得万亿参数的大模型在推理时，实际激活的参数量可能只有几百亿。这显著降低了单次推理的算力需求和电力消耗，实现了“大模型的能力，小模型的能耗”。 模型压缩与量化技术。低比特量化将模型权重从高精度的16位/32位浮点数压缩至4位甚至1位（二进制），在不明显损失精度的前提下，将显存占用和计算功耗降低数倍。 蒸馏技术（Distillation）用超大模型（教师）教导小模型（学生），让小模型学会大模型的推理逻辑，从而在边缘设备（如手机、摄像头）上直接运行，减少云端传输和计算能耗。 稀疏化与动态计算。通过剪枝去除冗余连接，并引入动态推理机制（早退机制），对于简单问题模型可提前输出结果，无需跑完所有层级，进一步节省能源。
2. 硬件层面的颠覆性创新
传统冯·诺依曼架构（计算与存储分离）导致的“存储墙”和频繁数据搬运是能耗高的主因。新型硬件架构正在从根本上解决这一问题。 存算一体（Processing-in-Memory, PIM）直接在存储器内部进行计算，消除了数据在CPU/GPU与内存之间来回搬运的巨大能耗（数据搬运能耗往往占总算耗的60%以上）。2025-2026年，基于ReRAM（阻变存储器）和MRAM（磁阻存储器）的存算一体芯片开始规模化商用，特定AI任务能效比提升10-100倍。 神经形态计算（Neuromorphic Computing）模仿人脑神经元和突触的工作方式，采用“事件驱动”（Spiking Neural Networks, SNN）机制。只有当接收到信号脉冲时才工作，空闲时几乎零功耗。相比传统GPU，在处理感知、识别等任务时，能效比可提升千倍级别。2025年，多家机构发布的类脑芯片已能支持复杂的实时决策，且功耗仅为毫瓦级。 光计算（Optical Computing）利用光子代替电子进行矩阵乘法运算。光子传输速度快、无电阻发热。 进展：光基AI芯片在图像识别和高维数据处理上展现出极高的能效潜力，部分原型机已将特定任务的能效比提升了百倍，且延迟极低。
3. 系统级优化与绿色基础设施
除了单点和底层的技术，系统级的协同优化也是降低整体能耗的关键。 液冷与浸没式冷却技术。随着芯片功率密度激增，传统风冷已无法满足需求。2026年，单相/双相浸没式液冷成为数据中心主流，将冷却系统的能耗占比（PUE值中的非IT能耗）从传统的30%-40%降至5%-10%以下，极大提升了整体能效。 云边端协同推理。将AI任务合理分配，简单任务在终端（端侧）完成，中等任务在边缘节点（边侧）处理，复杂训练才上云。这种架构减少了海量数据上传云端的带宽压力和中心节点的算力负荷。 绿色调度算法。AI系统自身被用来优化电网和数据中心。例如，根据可再生能源（风电、光伏）的波动情况，智能调度算力任务的执行时间（“跟随太阳/风运行”），在绿电充足时多算，缺电时少算或休眠，实现算力与能源的时空匹配。
未来5-10年的展望 正如王坚院士所言，这些技术的叠加效应将在未来5-10年爆发。成本断崖式下降：随着摩尔定律在AI专用芯片上的延续以及算法效率的提升，单位算力的成本将大幅降低，使得AI不再是少数巨头的专利。 普惠化应用：低功耗使得AI可以部署在手机、汽车、家电甚至传感器等终端设备上，真正实现“无处不在的智能”，而无需时刻依赖高耗能的数据中心。 可持续发展：AI发展与碳排放脱钩，形成“越智能、越绿色”的良性循环。 中国在这些领域（特别是特高压输电配合绿色数据中心、存算一体研发、大规模应用场景落地）拥有独特的产业优势和政策引导，这正是“不需要焦虑”的深层技术底气。