算力：数字世界的“氪石”和未来战争的底牌

到 2025 年底，一连串关于算力的新闻密集出现：

有人把顶级 AI 芯片送上轨道测试，有人谈论用星链做太空数据中心，有人提出用太空太阳能来喂饱 AI 模型。表面上看，这是几家科技巨头在“卷概念”。往深里看，其实是一场围绕 算力 的长期博弈：谁掌握算力，谁就掌握数字世界的话语权。

算力本身不燃烧、不冒烟，却能驱动大模型、自动驾驶、气候模拟，重塑产业结构，影响国家竞争力。

这篇文章试着从几个问题把它说清楚：

• 算力到底是什么，不是什么？
• 中美在算力布局上有什么差异？
• 为何算力战争会打到太空？
• 普通人怎么理解、以及是否有参与机会？

一、算力到底是什么？别把它只当成“芯片性能”

“算力”听起来高大上，其实字面意思就是 计算能力（Computing Power）：

设备在单位时间内处理数据、完成计算任务的能力。

很多人会下意识地把它等同于“芯片性能”，这其实是一个常见误区。

1. 芯片性能是基础，算力是系统级能力

简单区分一下：

• 芯片性能
• 硬件层面的物理能力
• 看主频、核心数、指令集、制程等
• 比如一块 GPU 每秒能做多少次浮点运算
• 算力
• 系统级的综合能力
• 不只看芯片，还要看：
• 内存带宽和容量
• 存储读写能力
• 网络延迟和吞吐
• 软件栈、编译器、框架和算法优化程度

可以打个比方：

芯片像“心脏”，很重要。

但真正决定你能跑多快的，是心肺能力、血液循环、肌肉协调、训练方式的整体配合。

所以，从工程角度看，提升算力一定是从“芯片 → 系统 → 算法”整体优化，而不是盯死单一指标。

2. 算力从“口算”走到“云端”

如果把时间线拉长一点，人类算力的演进大致经历了几步：

1. 手工时代：

• 靠口算、心算、算盘解决简单问题

2. 电子计算机时代：

• 1946 年，世界第一台通用电子数字计算机 ENIAC 诞生
• 随后晶体管、集成电路出现，进入芯片时代
• 摩尔定律一度成立：芯片性能约每 18–24 个月翻倍

3. 个人计算时代：

• PC、笔记本、智能手机，把算力从实验室推到每个人的桌面和口袋

4. 云计算时代：

• 核心变化：算力从“买机器”变成“买服务”
• 数据中心在全球铺开，资源被汇聚成统一的“算力池”
• 企业和个人按需租用，像用水用电一样使用算力，而不必自建机房

今天我们说的“算力”，更多指的是 数据中心 + 云平台 + 软件栈 这一整套综合能力，而不只是单颗芯片的指标。

二、算力怎么量？从 GFLOPS 到 EFLOPS 的鸿沟

要量算力，最常见的单位是 FLOPS（每秒浮点运算次数）。

粗略感受一下数量级：

• 一颗手机 SoC：可能在 GFLOPS（十亿次/秒） 数量级
• 一块高端数据中心 GPU：可以达到 TFLOPS（万亿次/秒）
• 一台训练 GPT 级大模型的超级计算集群：需要 EFLOPS（百亿亿次/秒） 级甚至更高

这个跨度，大致相当于：从单车速度追到航天飞机。

1. 算力需求增速已经远超摩尔定律

在传统 IT 时代，摩尔定律还能勉强跟上需求；

到了大模型时代，节奏直接失控。

几家机构的综合测算显示：

• AI 训练总算力需求：大约每 3–4 个月翻一番
• 芯片物理性能：仍然在 18–24 个月翻倍的节奏摇摆

可以用一个直观比喻：

你每年要运的货物增加 10 倍，

但卡车的载重量每年只增加一倍。

这之间的巨大缺口，逼着整个行业：

• 用更多 GPU 堆集群
• 用更复杂的并行方案和分布式训练
• 用更加极致的算法压榨每一份算力

结果就是：高端算力变成稀缺资源，价格飙升，供不应求，直接引发全球范围的“算力争夺战”。

三、算力战争：从国家战略到地缘格局

当算力成为 AI、大数据、自动驾驶、气候模拟等领域的基础设施后，它的角色不再只是“技术”，而是直接上升到 国家战略资源。

可以粗略地说：

一个国家可用算力的规模和质量，

决定了它的数字经济速度、社会智能化水平，

甚至影响它在下一轮科技周期中的话语权。

1. 美国：先发优势 + 生态闭环

美国的特点可以概括为两个关键词：先发优势 和 生态闭环。

• 英伟达凭借 GPU + CUDA 编程模型，占据了全球 AI 训练市场约八成份额（不同统计略有差异，但量级接近）
• 三大云厂商（AWS、Azure、GCP）在高端通用 GPU 和云服务上几乎形成事实垄断
• 上游是芯片设计和 IP，

中游是制造与封装测试，

下游是云平台和 AI 应用，

形成了相对完整、可闭环自循环的体系

在政策层面：

• “芯片与科学法案”等投入大量补贴
• 通过出口管制限制高端 GPU 流向特定国家
• 本质上是要稳住自己在“从芯片到云”的产业链主导权

我们今天买不到便宜的 H100，很大程度上也是这套组合拳的结果。

2. 中国：东数西算 + 系统级突围

中国的路径不太一样，更偏向 系统级与基建级的追赶与重构。

一方面，

高端制程、EDA、顶级 GPU 核心等环节依然受制约；

但另一方面，中国在：

• 超大规模数据中心建设
• 电力、光纤等基础设施
• 全国范围的算力调度和组网

上有明显优势。

“东数西算”工程 就是一个典型例子：

• 东部产生大量数据，但电价高、土地贵、散热压力大
• 西部风光水电资源丰富、电价低、气候凉爽
• 把数据“运”到西部，利用当地的绿电和低温，把算力中心建在那里，再把计算结果回传东部

这有点像数字时代的“西电东送”“南水北调”。

按照公开数据估算：

• 到 2024 年底，全国数据中心机架总规模约 880 万架
• 总算力规模约 268 EFLOPS，整体规模位居全球前列

国产 AI 芯片在单卡性能上还有差距，但已经开始在政务、互联网等场景中规模化应用。

再叠加国内庞大的应用场景和产业链，算力更多是 “用出来”的优势。

3. 欧洲、日本：在细分方向寻找撬动点

相对中美，欧洲、日本的策略更像是 在特定领域做“不可替代的环节”：

• 欧洲：强调绿色算力、数据主权、行业标准
• 日本：在半导体材料、设备、特定 AI 应用（如机器人）上寻找突破

总体看，算力战争不是一场纯技术短跑，而是一场 科技 × 产业 × 能源 × 供应链 的长周期博弈。

四、地球打完打太空：太空算力的三大逻辑

在地面上，算力扩张已经开始明显撞上三堵墙：

1. 能源成本
2. 散热极限
3. 部署空间

于是，目光自然抬向了太空。

文中提到的几个节点，可以看作是一个趋势的缩影：

• 某些厂商尝试将 H100 级别 GPU 和大模型送入轨道测试
• 有人提出利用低轨卫星做“太空数据中心”
• 有人设想以太空太阳能为主力电源，为 AI 训练提供近乎不间断的能源

为什么要把算力中心搬上天？可以归纳为六个字：能源、散热、效率。

1. 能源：太空太阳能密度更高、更稳定

在太空，太阳能光照：

• 不受昼夜交替、天气、空气吸收等影响
• 单位面积可获得的辐照更高，供电更稳定

理论上，只要把光伏板展开并配套合适的储能，就能获得接近 24 小时不间断电源，为 AI 训练供电。

2. 散热：真空环境是天然散热器

太空是近乎真空环境，温度极低。

• 只要设计好换热与辐射系统，就能把服务器的热量更高效地“甩”出去
• 不再需要大型冷水机组和复杂空调系统

把数据中心搬去近地轨道，从热管理角度看，确实有它的诱惑。

3. 效率：天算天用，少走回头路

如果卫星本身承担了数据采集任务（遥感、通信等），

那么在轨就地处理：

• 可以减少大量原始数据回传地面的带宽压力
• 只把处理后的结果发回地面
• 对灾害监测、全球通信、部分 AI 应用来说，响应速度更快

当然，现实中太空算力还面临诸多挑战：发射成本、辐射防护、在轨维护、时延问题等。

但从“趋势雷达”的角度看，它已经被主流玩家写进了中长期规划。

五、算力产业链：谁卖铲子，谁挖矿？

如果从“赚钱和参与感”的角度看算力，可以把产业链粗略拆成三段：

1. 上游：卖铲子的

• 芯片设计（GPU、NPU、ASIC）
• 制造与封测
• 关键材料与设备

这是技术门槛最高的部分，也是被讨论最多的环节。

2. 中游：盖矿场的

• 服务器整机厂
• 数据中心建设与运维
• 云服务商和算力租赁平台

他们把芯片组合进机柜、机房，再包装成各种云服务和算力产品对外出售。

3. 下游：挖金矿的

• 各行各业的 AI 应用
• 大模型、AIGC、自动驾驶、智慧城市、生物计算、工业仿真等

这些应用是算力真正的“终端需求侧”，决定了算力不是堆着好看，而是转化成生产力。

对普通投资者而言：

• 选一两家公司押注，容错率很低
• 更现实的做法是通过 行业 ETF / 指数化工具，

间接持有一篮子处于不同环节的公司，淡化个股风险

当然，投资只是参与方式之一。

对于工程师、学生、开发者来说，搭建小规模算力环境、学习大模型与应用开发，本身也是参与这场变革的另一种方式。

晨涧云AI算力平台 租用GPU，体验高性价的4090、A100显卡算力。

六、结语：算力是数字时代的入场券

站在今天回头看，这场围绕算力的竞争至少有三个确定性：

1. 它不会很快结束：

• 大模型、多模态、数字孪生、机器人……背后都是持续上涨的算力曲线

2. 它不是单点技术之战：

• 芯片、系统、算法、能源、基建、供应链，全都要算在账上

3. 它和每个人都有关：

• 从我们用的每一次 AI 服务
• 到职场上能否跟上自动化和智能化进程
• 甚至到长期资产配置，都会或多或少受到影响

算力，既是国家级的“核武器”，

也是企业升级的“发动机”，

对个人来说，则可能是接住下一波科技红利的一张门票。

这场关于算力的故事还远没有讲完。

真正重要的，或许不是追着每一条新闻兴奋或焦虑，而是弄清楚：在这条持续几十年的算力曲线中，自己能站在什么位置。