美国外交学者网站2月5日刊登文章，题为《与美国相比，中国被忽略的人工智能能源优势：更便宜的能源》，作者为中国金融科技和经济问题专家徐赛兰。文章编译如下：

对中国新的大语言模型的报道震惊了美国技术界，并引发了关于美国如何才能避免在人工智能（AI）这一关键领域将地盘让给战略竞争对手的思考。

备受关注的一点是中国的深度求索（DeepSeek）和其他人工智能公司获得了多少及哪种类型的半导体，但没有得到太多关注的是，人工智能供应链上让中国比美国人工智能公司更具优势的其他因素。

其中一大优势是中国的电价。美国较高的人工智能能源强度和总体能源成本缩小了它的相对优势。与此同时，中国的电力成本较低，人工智能领域的能源强度也较低。

在人工智能热潮中，对电力的需求将激增。国际能源署的数据显示，预计到2026年，全球的数据中心所使用的电能将比2022年增长35%至128%。训练一个大语言模型所使用的能源大约相当于130个美国家庭一年的用电量。而当训练完成后，消费者用它来进行推理还将消耗更多的能源。

相比之下，中国的深度求索公司已经证明，它使用的算力能够远低于全球平均水平。其大语言模型使用的能源估计仅为美国人工智能技术的四十分之一到十分之一，这表明其效率大大提高。分析人士指出，如果深度求索公布的信息属实，一些人工智能查询可能根本就不需要用到数据中心。

除此之外，这也会对数据中心的冷却需求产生连锁效应。数据中心需要大量额外能源来冷却硬件，否则这些硬件在大型计算任务下可能会变得过热。像中国企业那样使用较低水平的算力则意味着，冷却需求将下降。

美国的电力成本高于中国，这一事实给中国提供了相对于美国的更大优势。原因之一是，中国对电价进行监管，以使人们用得起电，而且可再生能源供应商等还可以得到政府支持。美国向能源供应商提供补贴的水平远低于中国。

在电网建设方面，中国也具有优势。虽然中美两国都在努力发展智能电网以优化能源使用情况，但中国在安装智能电表方面领先。此外，中国拥有先进的输电网络，而美国的基础设施正在老化。

不过，美国可以从模仿中国较节能的人工智能模型方面获得好处。美国的一些人工智能公司已经在研究深度求索公司所使用的方法，以减少能耗需求。

美国在人工智能能源领域与中国之间的鸿沟或许比人们此前认为的要深，但可以通过人工智能模型的效率提升以及对能源和基础设施的持续投资大大缩小。决策者和头部技术公司需共同努力提高人工智能的效率，以便让美国在不面临严重能源限制的情况下仍能保持人工智能领域领先者的地位。