分析强调，无论算法效率如何，电网容量仍是制约AI模型扩展的主要瓶颈。

三年来，人工智能（AI）竞赛的计分方式始终如一：谁能在最大的数据中心中，利用最先进的芯片训练出最大的前沿模型，谁就获胜。这一前提推动了美国的出口管制政策，旨在剥夺中国构建日益庞大系统所需的硬件。它也驱动着当前的基础设施建设热潮，从弗吉尼亚州到德克萨斯州，电网正承受巨大压力，其中可靠的电力供应而非资本，已成为决定算力上线规模的关键约束。支撑这一动态的核心假设值得审视：即云端的前沿模型才是决定胜负的关键所在。

斯坦福大学与美国AI基础设施公司Together AI的研究人员于2025年11月发表的一项研究对这一假设提出了质疑。作者提出了一种衡量AI效率的统一标准：“每瓦特智能”（intelligence per watt），定义为系统每消耗一单位电力所完成的任务准确率。通过对20多种紧凑型模型和八种类型的硬件进行超过一百万次真实世界查询测试，他们发现，运行在消费级硅片上的本地模型——即现代笔记本电脑中常见的芯片——正确回答了88.7%的单轮对话和推理查询。2023年至2025年间，“每瓦特智能”提升了5.3倍，本地模型能够处理的查询比例从23%攀升至71%。

这一趋势与另一趋势相呼应：智能的价格正在以相当的速度下降。OpenAI的旗舰模型在2023年初GPT-4发布时，每百万输入令牌的成本为30美元；一年多后，GPT-4o以2.50美元完成了相同的工作，而一种在大多数任务上与原版本相当但成本仅为零头的廉价变体也随之出现。重点不在于具体数字，而在于下降斜率。效率是该生态系统中最活跃的因素，其发展速度超过了任何由钢铁和铜构成的基础设施。

这并不意味着云计算将过时。未来几年，最复杂的查询仍将继续路由至前沿模型。然而，这种转变重新定义了竞争的实际利害关系，将焦点直接引向如今主导AI轨迹的能量动态。

AI带来的电力需求通常被视为需要克服的障碍：扩建电网、排队等待燃气轮机、许可建设反应堆——所有这一切都是为了让更多的大型模型在更大的设施中运行。这是推动当前数据中心繁荣的逻辑，也解释了为何美国最大市场的并网队列现在长达五到七年。算力位于电力之后，而电力又受制于那些需要十年时间才能获批和建设的基础设施。在我正在进行的关于全球数据中心建设的分析工作中，反复出现的发现是：美国和欧盟将无法实现其自身的2030年电力目标，而中国通过国家协调发电和电网建设则不会如此。这场竞赛的胜负将取决于能源，而非芯片。

“每瓦特智能”颠覆了这一逻辑。如果越来越多的需求可以通过部署在靠近用户的高效硬件来满足，单个查询就不再需要额外的千兆瓦集中式可靠容量。效率——即系统从每瓦特电力中提取多少有用推理能力——开始与原始规模同等重要。与输电线路不同，效率是一个快速变量。它在两年内增加了五倍以上，超越了物理电网的扩张速度。

对于那些目睹能源成为AI雄心真正天花板的人来说，这代表了一个更具深远意义的领域。持久的优势可能不再属于那些组装最大前沿算力集群的人，而是属于那些以最高效率将能源转化为有用输出的人——这是一场由芯片设计、制造和系统架构决定的竞赛，而非由投入数据中心的资本总量决定。

美国的出口管制基于一种特定的杠杆理论：切断中国获取最先进加速器的途径，就能限制其构建前沿规模系统的能力。只要能力与前沿规模紧密挂钩，这一逻辑就成立。

将大部分日常需求推向高效硬件，会在边际上削弱这种杠杆作用。这里必须做一个关键区分：斯坦福的发现适用于运行在消费级硅片上的小模型——即笔记本电脑，而非服务器农场。中国的并行战略侧重于扩大国内推理芯片的规模。华为的昇腾系列在开发者自测中性能约为英伟达H100的60%，尽管落后于前沿水平，但它已成为越来越多中国部署的首选。一个被禁止使用最高端芯片、但在多个层级上拥有具有竞争力且易于部署的高效硬件的竞争对手，有一条可行的路径来满足大部分现实世界的AI需求，而无需达到前沿水平的对等地位。

这并不是说出口管制毫无用处。瓶颈效应在其预期范围内仍然非常有效：即在前沿训练、最大模型和最先进的半导体节点方面。相反，它强调出口管制仅解决了技术栈中的一层，而留下了效率层——在这里，禁令的效果较弱，且制造业密集的竞争对手拥有比较优势—— largely unaddressed（很大程度上未得到解决）。

“每瓦特智能”之所以处于战略讨论的边缘，原因很简单：它难以量化。分析师和政策制定者目前使用易于统计的指标来衡量AI主导地位——如芯片出货量、训练的参数量、宣布的数据中心兆瓦数。测量有用推理的瓦特数并不适合这种简单的核算方式。

这一观察结果呼应了能源地缘政治的一个长期原则：用于衡量竞争的指标决定了赢得竞争所采用的策略。追踪石油桶数，各国就会追求储量。追踪可靠容量，各国就会优先发展电网。前沿和芯片的记分牌会引发一场构建最大系统和限制对手获取匹配硬件的竞赛。而以瓦特为基础的记分牌则会奖励电网可靠性、高效硅片以及广泛部署该硅片的工业能力——这是一场根本不同的竞赛，目前的美国立场在此并不占据明显优势。

采用这样的记分牌将 necessitate（需要）相应的政策转变。它将要求将芯片出口管制与被忽视的优先事项相结合：将电网容量、输电基础设施和可靠电力供应视为AI战略的核心组成部分，而不是延后的维护问题，并通过每瓦特提供的有用推理量而非出货的加速器数量来衡量进展。出口管制在前缘争取了时间，但它们并没有构建最终决定谁能大规模部署AI的电力基础设施。在华盛顿，这部分基础设施在很大程度上仍留给市场力量去处理。

斯坦福大学和Together AI的论文是一项单一研究，其作者明确承认了其局限性：依赖单轮查询、理想化的路由假设，以及对于最复杂任务而言前沿模型的持续必要性。它并没有 definitively（明确地）解决如何衡量AI容量的问题。尽管如此，它将这一问题 squarely（ squarely 意为“正面地、直接地”，此处译为“摆上台面”或“置于议程核心”）推到了议程的核心位置。对于一个几乎完全建立在相反假设之上的政策框架而言，在下一次出口管制草案起草之前，这值得认真考虑。