2026年5月底，在巴黎举行的“选择法国（Choose France）”投资峰会上，软银宣布了一项最高可达750亿欧元的投资计划，这是近年来欧洲数字经济领域规模最大的投资计划之一。

真正引发行业关注的，并非投资金额，而是资金流向。这笔资金没有投向炙手可热的大模型公司，也没有用于收购明星AI应用企业，而是落在法国北部的敦刻尔克、Bosquel和Bouchain等工业城镇。

这些地方很难让人联想到通常意义上的科技中心。映入眼帘的是港口、工业园区、高压输电线路和大片工业用地。乍看之下，这更像一项传统工业基础设施投资，而非AI时代的科技投资；但恰恰是这种反差，揭示了软银此次布局的真正意图。

过去几年，AI产业竞争主要围绕模型、算法和芯片展开，谁拥有更先进的大模型、更多GPU，谁就更有机会占据领先位置。然而，随着AI进入大规模应用阶段，一个更底层的约束开始浮出水面：即使拥有先进模型和充足芯片，如果没有稳定、持续的电力供应，算力扩张也难以为继。

软银此次押注的，正是支撑AI发展的物理基础设施。这也意味着，全球AI竞争正从模型和算力的单点较量，进一步延伸到能源、电网、土地和数据中心组成的基础设施体系。

AI的能耗曲线正在陡峭上升

要理解全球科技企业为何开始争夺能源，首先需要看清AI能耗的增长逻辑。过去几年，大模型训练所需的计算资源快速增长，模型参数增加、训练数据扩大以及持续的模型迭代，都不断推高训练阶段的能源消耗。

更重要的是，模型训练并不是AI能耗的终点。当模型投入实际应用后，每一次用户提问、内容生成、代码编写和智能体执行任务，都需要调用计算芯片完成推理。训练通常集中发生在模型开发阶段，而推理则伴随产品运行持续进行。随着AI应用覆盖越来越多用户和行业场景，推理侧累计产生的能耗正在快速增长，并可能逐步成为AI能源需求的主要来源。

AI的能源需求因此不再只是模型发布前的一次性投入，而正在演变为伴随整个产品生命周期的持续性消耗。国际能源署对未来几年全球数据中心用电需求的预测也印证了这一趋势：随着AI负载不断增长，数据中心用电量仍将持续攀升。AI并不是一种脱离物理世界运行的轻量级软件服务，而是一套建立在芯片、数据中心和能源供应之上的产业体系，其扩张速度将越来越受到能源供给能力的影响。

软银投资夏普的数据中心，来源：夏普网站

5吉瓦背后的能源账本

理解了AI为何越来越耗电，也就能够理解软银项目中“5吉瓦（GW）”的真正含义。这里的5吉瓦，并不是新增发电规模，而是数据中心全部建成后可能形成的持续用电负载，代表的是未来能够承载多大规模AI算力，而不是建设了多大发电能力。

如果一个5吉瓦级数据中心园区全年保持高负载运行，其理论年耗电量约为43.8太瓦时（TWh）；即使按照实际运行负载计算，年度耗电量也可能达到数十太瓦时。这已经不再是普通数据中心园区的用电规模，而接近大型工业集群，需要发电、输电、变电、配电以及冷却系统协同支撑。

这正是“电坝”这一比喻的由来。软银投资的不只是一批数据中心，也是在为未来十几年持续扩张的AI算力建设能源底座。当AI竞争进入规模化阶段后，稳定的电力供应将直接决定算力集群能够建多大、运行多久，以及未来还能扩张多快。电力因此不再只是数据中心的一项运营成本，而成为影响算力供给能力的重要条件。

当然，并非所有电力都适合支撑AI数据中心。大规模训练和推理集群通常需要全天候稳定运行，对供电规模、连续性和稳定性都有较高要求。风电、光伏等可再生能源虽然成本持续下降，但受波动性影响，仍需要储能、电网调度或核电、水电等稳定电源协同支撑。国际能源署预计，可再生能源将满足未来数据中心新增用电需求的近一半，但天然气、煤电和核电仍将在不同地区承担稳定供电的重要作用。

正因如此，法国的优势不仅在于拥有成熟的核电体系，更在于能够提供大规模、低碳且稳定的基荷电力。孙正义在公布投资计划时也表示，法国作为重要能源生产国和出口国的地位，是软银决定投资的重要原因之一。

为什么是敦刻尔克

法国拥有充足且稳定的能源供应，但这还不足以解释软银为何选择敦刻尔克及周边地区。对于超大型AI数据中心而言，选址考量的不只是电力资源，还包括电网接入、土地条件、网络连接、冷却能力等基础设施。只有这些条件同时具备，才能支撑超大规模算力集群长期稳定运行。

首先是电力接入能力。软银已被法国电力公司选为Bouchain退役电厂旧址数据中心项目的优先开发商，园区规划容量最高可达400兆瓦。相比普通开发地块，退役电厂通常已具备工业用地和成熟的电网基础设施，有助于减少部分前期改造成本，并缩短电网接入周期。对于AI数据中心而言，真正稀缺的不只是电力资源，更是能够快速接入大规模电力的能力。即使一个地区发电充足，如果输电、变电和配电能力不足，电力同样无法支撑大规模算力集群运行。

来源：beamex.com

其次是土地和工业基础。AI数据中心本质上属于大型工业设施，需要充足的建设空间、较高的建筑承重能力，以及持续扩建的潜力。敦刻尔克及周边拥有大量工业用地和棕地资源，长期服务于港口、钢铁、能源等产业，交通、物流和工业配套相对完善，相比人口密集地区，更适合部署超大型数据中心。

最后是冷却条件。高密度GPU集群会产生大量热量，液冷、冷却水系统和整体散热能力已成为AI数据中心的重要组成部分。敦刻尔克临海且工业基础成熟，为项目提供了更多冷却方案选择。不过，是否采用海水冷却，还需根据具体设计方案和环境审批确定，不能仅因靠海便作出判断。

综合来看，软银选择的并不是一块价格低廉的土地，而是一整套成熟的基础设施条件：稳定的电力供应、完善的电网接入、充足的工业用地以及可扩展的配套能力。对于AI时代的数据中心来说，选址不仅是在选择建设地点，更是在选择未来几十年的算力承载能力。

科技巨头开始直接绑定能源

软银并不是唯一将目光投向能源的科技企业。随着AI计算需求持续攀升，全球科技巨头正在通过签署长期购电协议、投资能源项目，或将数据中心布局在大型电源附近等方式，提前锁定未来算力扩张所需的能源基础。

2024年，微软与Constellation Energy签署了一项为期20年的购电协议；2026年，三哩岛核电站1号机组重启继续推进。与此同时，亚马逊与Talen Energy围绕核电数据中心的合作也进入落地阶段。不同于传统数据中心依赖公共电网供电，科技巨头正在通过长期购电协议、能源合作等方式，提前锁定AI时代大规模算力扩张所需的稳定能源供应。

Constellation Energy位于三哩岛的核电站，来源：Chip Somodevilla via Getty Images, utilitydive.com

这些案例表明，AI竞争已经不只是模型和芯片之间的较量，而是逐渐扩展为覆盖能源、电网、数据中心和计算设备的系统竞争。科技巨头争夺的并不是普通意义上的电力，而是能够长期、稳定支撑大规模算力运行的基础设施能力。

电力很关键

但不是唯一变量

能源正在成为AI基础设施的重要约束，但它并非是决定竞争结果的唯一因素。即使拥有充足电力，数据中心建设仍然面临芯片供应、电网接入、变压器和电力设备交付，以及冷却、水资源等多重限制。从发电端到服务器机柜之间，存在一条复杂的基础设施链条，任何环节出现瓶颈，都可能影响算力的扩张速度。

同样，能源优势也不必然转化为AI优势。一些地区虽然拥有丰富且低成本的电力资源，却可能受到网络时延、人才储备、客户距离和产业生态等因素制约，难以成长为AI产业中心。与此同时，更高效的芯片架构、模型压缩和推理优化，也可能降低单位任务的能源消耗。因此，能源是AI规模化发展的关键基础，但不是充分条件；未来AI竞争不会只是简单比拼“谁拥有更多电”，而是比拼“谁能更高效地将能源转化为持续可用的算力”。

不过，在可预见的阶段内，稳定、大规模的能源供应仍将是AI基础设施无法绕开的约束。软银最高750亿欧元的投资计划，正是对“电力—算力—AI”这一产业链条的一次大规模的押注。它表明，随着AI从技术探索进入规模化部署阶段，能源正在从幕后支撑条件，逐渐转变为影响算力建设速度的重要基础。

未来观察AI产业，除了模型能力、芯片性能和应用生态，也需要关注电力供应、电网接入能力和数据中心布局。这并不意味着能源取代了算法和芯片成为竞争核心，而是说明AI竞争正在从单点技术突破，演变为模型、芯片、能源与基础设施共同参与的系统竞争。模型和算法定义AI能力，上述基础设施则影响这些能力能否以足够高的效率和规模释放。

从这个意义上看，软银在法国布局的不只是数据中心，更是一座面向AI时代的“电坝”。未来的AI竞争依然会发生在算法、芯片和应用创新之中，但支撑这些技术走向规模化的基础设施体系，正在成为新的竞争维度。

来源：数智猿