算力也要
"南水北调"

中国有一个独特的国情：数据在东边，能源在西边。

北京、上海、深圳、杭州贡献了全国65%以上的AI算力需求，但这些地方的土地、电力、散热成本居高不下；而内蒙古、宁夏、贵州、甘肃有充沛的风光水电和凉爽的气候，算力集群建好了却用不满——2024年西部算力枢纽的平均利用率只有30%，大量GPU在机房里空转。

2026年，这个尴尬的局面正在被打破。

东数西算：从建管网到通水

"东数西算"工程启动于2022年，过去四年主要在"建管网"——铺设高速光纤网络、建设八大算力枢纽、打通十大集群。但2026年是拐点：工程正式进入规模化运营阶段，西部算力枢纽利用率从30%一路攀升至65%，翻了一倍还多。

关键推手是两大云厂商的"算力全国调度"服务。阿里云在6月推出"算力南水北调"（内部代号），通过自研的分布式调度引擎，将东部的训练和推理任务智能路由到成本最优的西部节点；腾讯云紧随其后发布"算力一张网"，宣称跨区域调度延迟降低40%，带宽成本下降55%。

这意味着什么？一个在杭州的AI创业公司，不需要在贵州租机房、不需要自己搭专线，只要在阿里云控制台点一下"智能调度"，训练任务就会自动分配到电价最低、GPU空闲最多的节点——就像你用电不需要知道电来自三峡还是风电一样。

国产芯片：从能用变好用

算力网络的另一个底层变量是国产芯片。

华为昇腾910C在2026年上半年完成了大规模部署。根据公开数据，昇腾910C在FP16精度下的算力达到320 TFLOPS，相比910B提升60%，显存带宽提升至1.6 TB/s。更关键的是软件栈：CANN算子库已覆盖90%以上的主流AI框架算子，MindSpore和PyTorch的适配成熟度大幅提升，开发者迁移成本显著降低。

在推理场景，国产芯片已经实现了35%的替代率——这不是规划数字，是实际运行的数据。推荐系统、内容审核、语音识别、OCR等标准化推理任务，昇腾和寒武纪的卡已经能稳定胜任。训练场景替代率还在10%左右，但在金融、政务等敏感行业，国产训练集群已经开始承担核心任务。

这不是一个激进的数字，但它意味着国产芯片跨过了"能用"的门槛，进入"好用"的阶段。剩下的差距，会靠规模效应和迭代速度来弥补。

绿色算力和夜间折扣

成本是最锋利的武器。

内蒙古和宁夏的算力枢纽已经实现100%绿电供应——风电、光伏、水电直接供到数据中心，PUE（电源使用效率）降至1.1以下，远超全国1.3的平均水平。绿电不仅是碳中和的故事，它直接意味着更低的电价：西部绿电数据中心的电价可以低至0.28元/度，而东部沿海地区工业电价普遍在0.7-0.9元/度。

更狠的是"夜间算力2折"。为了消化夜间闲置的风电光伏出力（凌晨0点到6点是电网负荷最低的时段，大量新能源电力被浪费），阿里云、腾讯云先后推出"夜间Spot实例"，价格仅为白天按需实例的2折。一个7B模型的全量微调，在白天用A100跑大约需要2000元，夜间用昇腾910C跑只需要200-300元。

这恰好呼应了大模型定价两极分化的趋势（参见本期Brief《大模型定价两极分化》）：当豆包们把API价格打到白菜价，底层是算力成本在崩塌。对于中小企业和独立开发者来说，这是最好的时代——训练一个专属小模型的成本，已经低于雇一个实习生一个月的工资。

算力平权后的新壁垒

但有一个容易被忽略的问题：算力便宜了，不意味着AI就好做了。

当算力像水电一样即取即用、价格低廉，"能调得起模型"将不再是竞争壁垒。那壁垒是什么？是应用场景，是数据，是对行业的理解。

你可以花200块钱微调一个医疗问答模型，但你有没有高质量的医疗标注数据？你能拿到医院的真实问诊记录吗？你理解临床路径和医保规则吗？这些东西不是算力能解决的。

这也是为什么阿里云和腾讯云在做算力调度的同时，拼命往上层叠行业解决方案——因为他们很清楚，卖算力是管道生意，利润薄如刀片；卖场景解决方案才是真正的生意。美国市场已经在验证这个逻辑：AWS的毛利率在30%左右，而Veeva这种垂直SaaS的毛利率在70%以上。

2026年是中国算力基建的拐点。东数西算从工程走向运营，国产芯片从试点走向规模，绿色算力从PPT走向电价单。但对于AI创业者来说，真正的教训是：不要在算力上建立护城河，因为正在变得像空气一样便宜的东西，守不住。

---

明天见。