“能够赢得 AI 竞赛的 AI 公司，将来自那些既能以最低成本大规模发电、又拥有庞大人才储备的国家。”
我的思考
大多数人把 AI 竞赛看作公司之间的较量：哪家实验室的模型最聪明，哪款聊天机器人的用户最多。我认为这忽略了更大的图景。公司并不是在真空中竞争。它们总是立足于某个地方，而所在国家决定了它们能造什么、造得多快、成本多高。
在 AI 产业链上投资四年之后，我逐渐相信，有两项国家优势比其他一切都更重要：一个国家能生产多少电力、成本有多低；以及它拥有多少能把电力转化为智能的专业人才。
两大支柱
支柱一
规模化的廉价电力
每一个 AI 模型都在芯片上训练和运行，而芯片的作用就是把电力转化为答案。随着 AI 使用量增长，电力成为最大的持续性成本，也是最难突破的瓶颈。一座新的数据中心一两年就能建成；而新建电站和接入电网所需的时间要长得多。
- ✓电价越低，每一次 AI 回答的成本就越低
- ✓富余的发电容量意味着数据中心几个月就能并网，而不是几年
- ✓充足的电力供应让一个国家能够承载最大规模的 AI 园区
支柱二
庞大的人才储备
光有电力什么也产生不了。你需要研究人员发明更好的模型，需要工程师打造产品，还需要电工、建筑工人和技术人员来建设和运营基础设施。能够培养、吸引并留住这些人才的国家，其领先优势会不断复利累积。
- ✓推动前沿不断向前的研究人员和工程师
- ✓为实体基础设施提供支撑的大批建设者和技术人员
- ✓保持人才源源不断的大学体系和移民政策
为什么二者缺一不可
有电力而无人才，一个国家就会沦为能源出口国：它可以承载别人的数据中心，但价值是在别处创造的。有人才而无电力，一个国家就会沦为租户：它最优秀的人才只能在别人拥有并定价的算力上进行开发，或者干脆迁往电力充足的地方。只有二者兼备的国家，才能以最低成本在本土建设、运营并扩展 AI。
我的评分表
各竞争者的对比
这是我个人基于两大支柱对各地区的评估，从 1（弱）到 5（非常强）。这只是主观判断，并非正式指数。
- 中国电力5/5人才5/5电力建设规模无可匹敌，工程人才储备庞大。获取最先进芯片是主要制约。
- 美国电力4/5人才5/5拥有最多的顶尖 AI 实验室、最雄厚的资本和全球人才。电网接入是瓶颈。
- 海湾国家电力5/5人才2/5能源极其廉价，资金实力雄厚。人才主要依赖引进。
- 印度电力3/5人才4/5工程人才极为丰富。电力供应和成本仍在追赶。
- 加拿大与北欧电力4/5人才3/5水电廉价清洁，科研实力强，但人口规模较小。
- 欧洲（主要经济体）电力2/5人才4/5拥有世界一流的人才，却受制于全球最高水平之一的电价。
- 澳大利亚电力3/5人才2/5拥有世界一流的太阳能、风能和土地资源。需要更多电网、更低电价和更多 AI 人才。
目前的证据
Carnegie Endowment 在 2026 年发布的一项研究发现，2025 年在中国工作的顶尖 AI 研究人员数量首次超过美国。
来源: Carnegie Endowment for International Peace ↗这对我意味着什么
我如何据此投资
- →优先选择总部设在两大支柱均表现出色的国家、或在这些国家大规模运营的 AI 公司。
- →在 AI 建设发生的地方，直接持有电力层本身（发电、电网和储能）。
- →将电价和电网接入时间作为领先指标，追踪 AI 投资的流向。
- →密切关注澳大利亚：如果我们解决了电网和电价问题，丰富的可再生能源资源将使我们成为举足轻重的 AI 承载地。
保持自我审视
哪些情况可能证明我错了
芯片可能更关键
出口管制和获取最先进芯片的能力，其重要性可能超过廉价电力。一个电力充足但芯片受限的国家，仍可能落后。
效率突破
如果模型效率大幅提升，电力可能不再是那么关键的约束，从而削弱第一根支柱。
资本与软件护城河
拥有最佳模型、分销渠道和客户的领先公司，无论电力在哪里最便宜，都可能继续胜出。
人才流动
专业人才是流动的。移民政策、薪酬和生活质量在各国之间转移人才的速度，可能快于电力建设的速度。
结论
“智能正在成为一种公用事业。能让电力和人才最便宜的国家，也将让智能最便宜，而这些国家的公司将会胜出。”
以上为个人前瞻性观点，并非预测或推荐，可能被证明是错误的。