本文来自微信公众号： 登顶可选 ，作者：登顶可选
8月，英伟达联合六家大型金融机构，为AI基础设施搭建了规模超过5000亿美元的融资平台。随后，它又为OpenAI在美国俄亥俄州的数据中心项目提供最高1050亿美元的担保。
8月23日，阿里巴巴在香港启动800亿港元股票配售，募集资金全部投向芯片、AI基础设施和模型研发。这是香港上市公司历史上规模最大的后续股票发行。
另一组变化出现在电网上。今年前七个月，中国全社会用电量同比增长4.7%，互联网数据服务用电量增长了43.3%。
过去三年，人们习惯从模型能力理解AI。到了2026年，围绕AI流动的不只有技术和风险投资。
AI正在从一个技术变量，变成社会的资源配置变量。
当一项技术走到这个阶段，它和普通人的关系，也不再取决于每个人有没有打开AI工具。
一、互联网时代，也是从资源流动开始的
类似的变化，在中国并不陌生。
上世纪90年代，大多数中国家庭还没有电脑，互联网用户也很有限，通信网络和信息基础设施的建设已经启动。此后十几年，资本进入互联网，企业的广告和渠道预算逐渐转移，零售、媒体、支付、物流的经营方式陆续改变，大量年轻人才进入计算机和互联网行业。
互联网最终改变了企业经营、人才流向和城市产业结构。这个过程没有等到所有人接入网络才发生，基础设施和资本的变化要早得多。
今天的AI已经出现了类似的信号。
2024年初，中国大模型日均Token调用量约为1000亿；到今年3月，这个数字达到140万亿，两年多增长超过1000倍。
需求迅速传导到了另一端。2025年，中国已经建成42个万卡级智算集群，全国算力中心用电量达到1700亿千瓦时，同比增长约30%。
模型仍然存在于电脑和手机屏幕里，支撑它的产业体系已经延伸到芯片、数据中心和能源。
图｜来源：SiliconANGLE
二、算力增长之后，电和土地开始重新配置
国家能源局8月21日公布的数据显示，今年1—7月，中国全社会用电量同比增长4.7%，互联网数据服务用电量达到593亿千瓦时，同比增长43.3%。仅7月一个月，互联网数据服务用电量为99亿千瓦时，同比增长40.1%。
互联网数据服务还包含云计算等业务，不能全部归因于AI。不过从更长的周期看，算力已经成为新的用电增长来源。
2025年，全国算力中心用电量占全社会用电量约1.6%。国家能源局预计，“十五五”时期全国算力用电量每年将新增1000亿千瓦时以上，到2030年达到约8000亿千瓦时，占全社会用电量约6%。
一个大型AI数据中心满载运行时，耗电量可以达到一座中等规模小镇全部生活和生产用电的水平。
这几年，内蒙古、宁夏、甘肃频繁和“算力”出现在同一条新闻里，正是电力资源重新配置的结果。
东部集中了大量AI企业和用户，西部拥有更充足的能源和土地。“东数西算”八大国家枢纽节点建立之后，算力逐渐向能源资源富集地区集中。2025年，八大枢纽节点的智能算力规模已经占到全国总量的八成以上。
图｜东数西算八大枢纽十大集群布局示意图。来源：大公文汇（大公网）
这种变化也发生在欧洲。
路透社8月19日披露，2022—2025年，欧洲新建超大规模数据中心距离主要城市平均约46公里；2026—2028年规划项目的平均距离已经增加到175公里。伦敦、法兰克福、阿姆斯特丹等传统数据中心城市面临土地紧张和电力接入限制，新项目正在向电力更充足、土地更便宜的地区移动。
过去，数字产业选址首先考虑人才、市场和网络条件。大规模AI基础设施出现以后，能源的重要性迅速上升。数据中心跟着电走，产业投资也会跟着移动。
AI对城市的影响，已经延伸到能源规划、基础设施和产业布局。
图｜数据中心与高压电力基础设施。AI基础设施扩张正在把算力需求连接到电网与能源系统。来源：SIA Intelligence
三、智算中心热潮，也开始考验资源配置效率
过去几年，各地密集投入智算中心。运营商、互联网公司、国资平台和地方产业资本纷纷进入，算力逐渐成为地方争取AI企业和数字产业项目的重要基础条件。
截至今年3月底，中国智能算力规模已经达到1882 EFLOPS（FP16，即每秒1882百亿亿次浮点运算）。
供给规模扩大以后，利用效率的差异也开始显现。据公开报道引用的业内估算，目前算力资源整体利用率不足70%，部分新建智算中心甚至低于30%。
今年5月，中国银行与中国信通院在雄安启动“算力银行”合作；内蒙古和林格尔、杭州、上海等地也已经运行“算力超市”，将闲置服务器和GPU接入统一平台，供其他企业按需调用。
这些机制解决的是已经出现的供需错配：一边存在闲置算力，另一边中小企业仍然面临成本高、需求零散、短期调用困难的问题。跨地区调度和按需计费，开始成为提高算力利用率的一种办法。
一线模型公司和AI企业对高质量算力的需求仍然旺盛，但芯片型号、网络条件、软件生态和地域都会影响实际使用。全国算力总量增加，并不等于每一块GPU都能被需要它的企业高效调用。
基础设施需要走在需求前面。等到需求真正出现时，机房、电力和网络必须已经就位。
因此，这轮算力建设最后能留下多少有效资产，既取决于AI需求增长，也取决于存量资源的使用效率。
图｜算力资源监测与调度平台。算力供给扩大后，跨地区调度与利用效率成为新的基础设施问题。来源：新华网
四、钱开始往AI走
AI基础设施越建越大，资金来源也在发生变化。
最初，风险投资为模型创业公司融资，微软、Google、Meta、阿里等大型科技公司依靠自身现金流购买芯片和建设数据中心。大部分资金仍然来自科技产业内部。
今年，这个范围明显扩大了。
8月，英伟达联合Apollo、BlackRock、Blackstone、Brookfield、高盛和KKR等机构，为AI基础设施搭建规模超过5000亿美元的融资平台，潜在资金来源包括银行、保险公司和大型资产管理机构。
同一个月，英伟达又为OpenAI在俄亥俄州的数据中心项目提供最高1050亿美元担保。OpenAI签下的是一份长达20年的租约。
科技公司的资金需求开始进入更广泛的社会金融体系。
今年截至8月10日，美国大型AI云厂商的债务发行规模已经达到2200亿美元；去年同期只有125亿美元。路透社披露，海外投资者、养老金和保险公司已经承接了其中一部分。
过去12个月，美国接近三分之二的风险投资流向AI公司；今年美国投资级债券发行中，大约四分之一来自AI相关企业。
中国也在继续投入。8月23日，阿里巴巴启动800亿港元股票配售，全部资金继续投向AI。公司此前已经宣布未来三年投入3800亿元建设AI和云基础设施。
AI资金来源的边界正在扩大。
养老金和保险资金背后连接着社会长期积累的储蓄。当这些资金通过债券、基金和大型资管机构进入AI基础设施，AI投资已经走出了科技公司和风险投资的内部循环。
这并不等于每个人的养老金正在直接“押注AI”。资金仍由专业机构按照各自的风险和收益要求进行配置。但越来越多长期社会资本进入AI，说明这轮产业投资正在影响更广泛的资金流向。
目前还没有证据显示AI已经大规模挤出其他产业融资。高盛测算，AI融资需求对非AI企业融资成本的影响仍然很小。
社会积累下来的资本，开始围绕AI重新配置。
图｜AI基础设施融资平台相关公开资料。科技公司之外，全球大型资管与金融机构正在进入AI基础设施投资。来源：公开报道
五、普通人最早感受到的变化，会出现在工作里
社会资源还包括企业内部的人力和预算。
过去一年，“AI会不会抢走工作”已经被讨论了很多次。现阶段的数据仍不足以证明白领岗位正在被AI大规模替代，但是一些企业也把原本就要进行的成本削减归因于AI。
招聘方式和用人结构的变化已经出现。
印度拥有全球规模最大的IT外包产业之一。8月20日，路透社调查发现，随着AI提高软件开发和后台业务的自动化程度，客户开始要求IT服务商“用更少的人完成更多工作”。传统按照投入多少工程师收费的模式正在向结果付费转变，入门级程序员的需求随之受到影响。
这种变化不需要通过一次大规模裁员完成。团队扩张时少批几个HC，员工离职后暂缓补员，基础工作交给AI后把新增岗位留给更高级的人才，这些变化会一点点进入招聘和组织结构。
企业内部的预算也在重新排序。过去几年，公司可以先拿一笔创新预算试用AI。进入规模化部署以后，AI项目要和软件采购、人力、外包以及其他数字化项目共同竞争预算。
艾瑞咨询《2026中国企业级AI Agent发展洞察报告》显示，截至2026年一季度，中国大中型企业新一代AI采纳率已经达到81.3%。但企业应用中仍有67%处于浅层尝试、试验或局部应用阶段，部分早期项目已经出现ROI不达预期。
企业下一轮投入会回到具体经营结果：效率提高了多少，成本降了多少，业务收入有没有增加。
这些判断最后会进入招聘人数、软件采购和部门预算。
一个人完全可以不用AI工具，但所在公司的用人标准和资源分配，已经会受到AI的影响。
六、AI开始进入算账阶段
社会投入AI的资源不断增加，下游的商业价值也需要同步增长。
今年4—6月，阿里云和AI服务收入增长45%，达到484.4亿元；同一个季度，阿里资本开支同比增长75%，达到676.8亿元，净利润同比下降75%。公司管理层表示，AI资本开支预计在三年内达到盈亏平衡。
企业采购AI以后，账最终会落到经营指标上。
AI客服要降低服务成本，Coding Agent要提高研发效率，销售和营销工具要带来业务增量。效果能够持续兑现，企业才会扩大下一轮采购，云厂商和模型公司才能获得更多收入，上游已经建成的数据中心和GPU也才能获得持续需求。
目前的差距在于，上游已经按照较高的增长预期投入了大量基础设施，而企业应用仍处于扩张和验证阶段。未来几年的收入和生产率增长，会决定今天投入的多少资源能够沉淀为长期基础设施。
图｜阿里巴巴张北数据中心。模型与云服务收入增长的同时，算力基础设施仍在持续扩张。来源：中国建筑
七、产业方向成立，不代表每一笔投资都成立
互联网已经证明，一项技术可以改变世界，同时经历大规模的错误投资。
上世纪90年代，通信网络、光纤和互联网基础设施快速扩张。2000年互联网泡沫破裂后，大量公司消失，一部分基础设施却保留下来，继续支撑之后二十年的互联网增长。
当然今天和2000年还有明显差别。当年的互联网商业化收入还很薄弱，很多公司甚至没有稳定收入。今天AI已经进入云服务、软件开发、客服、营销等真实业务。阿里云和AI服务单季度收入同比增长45%，大型模型公司和云厂商也已经拥有持续增长的付费需求。
因此AI有没有真实价值不是重点，要接受检验的是今天围绕AI建设的基础设施规模、投资价格和增长预期。
如果Agent大规模进入企业，AI持续提高研发、服务和管理效率，今天建设的数据中心和能源设施会逐渐找到需求。
同时，一部分利用率长期偏低的智算中心会被淘汰，ROI无法兑现的企业项目会停止续费，高估需求的数据中心也要承担投资损失。债务和长期资金进入以后，这些损失还会沿着融资关系传递给更多投资者。
产业方向正确，只能说明社会需要这项技术，无法保证今天围绕它发生的每一笔投资都合理。
接下来要观察的是两种速度：社会把资本、能源和基础设施配置给AI的速度，以及AI创造收入和生产率的速度。
两者之间的差距，会决定今天的投入有多少沉淀为基础设施，又有多少最终需要重新定价。
图｜1995—2002年纳斯达克指数走势。互联网最终改变了世界，产业周期中也经历了大规模投资重估。来源：公开历史资料
八、不用AI，也已经生活在这轮产业周期里
过去几年，人们习惯用使用频率判断AI和自己的距离。有没有使用AI工具，工作里有没有接入大模型，公司有没有部署Agent。
这个标准已经不够了。
上世纪90年代，中国没有等到每个家庭接入互联网，通信网络、资本和人才已经提前进入新的产业周期。随后，企业预算改变，新的职业出现，广告、零售、媒体和支付逐步迁移到线上。
普通人只是在不同时间点感受到这些变化。
今天，算力正在改变能源投资和产业选址，资本持续进入芯片和数据中心，企业开始重新安排预算和用人标准。
当一项技术开始影响钱往哪里投、电往哪里送、企业把预算花在哪里、人往什么行业流动，它已经成为社会资源配置的一部分。
接下来几年，AI需要证明的也不只是模型还能变得多强。
2025年，中国算力中心已经消耗1700亿千瓦时电力；到2030年，这个数字预计达到约8000亿千瓦时。美国大型AI云厂商今年已经发行2200亿美元债务，全球科技公司仍在继续提高AI基础设施投入。
这些资源最终需要由生产率、收入和新的经济增长来消化。
能够兑现，今天建设的算力、电力和数据中心会成为下一轮基础设施；兑现不足，一部分投入就需要重新定价。
当AI的发展开始调用越来越广泛的社会资源，它创造出来的新增价值最终流向哪里，也会成为下一阶段的问题。
无论用不用AI，我们都已经进入这轮产业周期。
1.国家能源局：《2026年1—7月份全社会用电量同比增长4.7%》，2026年8月21日。
2.工业和信息化部：2026年一季度工业和信息化发展情况，截至3月底我国智能算力规模达1882 EFLOPS（FP16）。
3.数字中国建设峰会：《算力发展的未来趋势》《破解中小企业算力使用难题》，2026年5月、6月。
4.中国银行：《中国银行成为首家参与中国算力平台生态建设的金融机构》，2026年5月9日。
5.新华社、经济日报及国家能源局《中国“人工智能+”能源发展报告2026》相关数据。
6.Reuters：《Europe AI data centres seek cheaper,quicker energy and land》，2026年8月19日。
7.Reuters：Nvidia AI infrastructure financing、OpenAI Ohio data center及相关报道，2026年8月。
8.Reuters：《US corporate AI debt surge tests investor limits as fatigue emerges》，2026年8月21日。
9.Financial Times：《The slow sucking sound of AI》，2026年8月20日。
10.Reuters：Alibaba 2026年6月季度业绩及AI资本开支相关报道，2026年8月20日。
11.Reuters：Alibaba 800亿港元股票配售及AI投资相关报道，2026年8月。
12.Reuters：印度IT服务业、AI与用工结构相关报道，2026年8月。
13.艾瑞咨询：《中国企业级AI Agent发展洞察报告（2026）》。