在 AI 竞赛中，外界往往更关注各科技巨头的芯片策略，例如谷歌的 TPU、亚马逊的 Trainium 以及英伟达的市场主导地位。然而，这些公司背后同样激烈的能源战略博弈却常被忽视。随着美国数据中心建设狂潮的兴起，科技行业正撞上一堵巨大的墙：电网的扩张速度已无法跟上其需求。

SemiAnalysis 的基础设施与电力领域负责人 Jeremie Eliahou Ontiveros 近期在一档播客中，深度剖析了超大规模云商与前沿 AI 实验室之间差异显著的能源采购策略。

谷歌：能源战略最成熟的巨头

在 Ontiveros 看来，谷歌目前仍是能源策略最为成熟的科技巨头。当其他公司还在创新追赶时，谷歌已经凭借其庞大的资产负债表，为合作伙伴 Anthropic 的数据中心建设提供了坚实的财务担保。这种模式不仅解决了资金问题，更在电力资源日益紧张的背景下，为锁定长期、稳定的清洁能源供应提供了保障。

OpenAI 与 Anthropic：被电网逼到“自备发电”

对于 OpenAI 和 Anthropic 这类前沿 AI 实验室而言，情况则要被动得多。Ontiveros 指出，由于美国电网的互联队列（interconnection queue）严重积压，等待接入现有电网的时间成本高到难以承受。这使得它们不得不走上一条更艰难的道路——自行引入发电设施。

电力实质上已不再是单纯的运营成本，而演变成了一种收入来源。谁能在更短的时间内获得稳定的电力，谁就能率先部署算力、训练模型并实现商业化。

模块化快速供电方案引发市场狂热

面对电网瓶颈，市场对“模块化速度供电”方案的追捧骤然升温。Ontiveros 观察到，从航改燃气轮机、大型往复式发动机到价值数十亿美元的燃料电池，各种能够绕过传统电网漫长建设周期的分布式发电技术，正成为 AI 公司争抢的对象。这些方案的核心优势在于部署速度快，能够匹配 AI 基础设施建设的激进时间表。

人才争夺战蔓延至能源团队

值得注意的是，AI 领域对顶尖研究人才的激烈争夺，如今已完全复制到了能源团队上。Ontiveros 透露，近期 AI 公司能源团队的人员流动甚至可能比研究团队更为频繁。这从侧面印证了，在算力即权力的时代，电力保障能力已成为决定 AI 公司成败的关键胜负手。

总体而言，这场“AI 电力战争”揭示了产业发展的一个新阶段：当算力需求以指数级增长时，能源供给的物理瓶颈和制度瓶颈正在重塑竞争格局。不同公司基于自身基因和资源禀赋，选择了截然不同的破局路径，这将在未来数年内深刻影响全球 AI 基础设施的分布与成本结构。