AI卷到最后，卷的是电表

AI圈还在争论昇腾950的算力、DeepSeek-V4的推理速度，电力行业的人却在问另一个问题：电从哪来，谁给它接，电网受不受得了。

这是我看最近两则产业新闻时最强烈的感受——DeepSeek在内蒙古乌兰察布推进千兆瓦级数据中心，北京人形机器人创新中心的数据基地则把「高质量数据」这个命题摆上台面。两件事看似不相干，指向的却是同一个判断：AI的竞赛，上半场卷模型，下半场卷基建。模型可以被追平，但电力和数据，是真金白银砸出来的护城河。

📍 一个数据中心，吃掉一座城

先看数字。

DeepSeek在乌兰察布的项目，规划16万颗华为昇腾芯片，千兆瓦级数据中心。满负荷运转时，耗电相当于75万户家庭——按一户三口人算，是两百多万人的用电量。

一个数据中心，吃掉一座中型城市的电。

按行业粗算，千兆瓦级数据中心一年耗电量可能超过80亿千瓦时。电价每差一分钱，全年成本就差出几千万甚至上亿。对AI公司来说，算力成本里最大头的就是电——芯片可以买，技术可以追，但电费是每天24小时都在发生的成本。

那乌兰察布有什么？风光资源。内蒙古是中国新能源装机第一大省区，乌兰察布又是内蒙古新能源最集中的地区之一：大片风电、光伏，便宜的电，还有绿电指标。

所以DeepSeek去乌兰察布，本质上不是科技决策，是电力决策。它找的不是华为，不是土地，是便宜的电、绿色的电、能稳定供应的电。

这个选址逻辑，和当年比特币矿场从中国西北跑到哈萨克斯坦、跑到美国德州，底层是同一套「算力跟着电价走」的物理逻辑——电便宜的地方，就是算力的家。

但必须说清楚边界：AI算力和加密挖矿的社会属性完全不同。挖矿是纯消耗型，政策空间在中国已被关闭；AI算力有产业价值、有战略价值，是国家明确支持的「新质生产力」。两者共同点只在物理层面，再往下，性质完全不同。

业内私下流传一句话：模型是显学，电力是暗学。谁的电费账单更薄，谁在下一轮价格战里就多一口气。

⚡ 千兆瓦负荷，不是拉根线那么简单

在电力行业眼里，一个千兆瓦级数据中心，是一个极其特殊的用户。

它不像工厂，白天开机晚上停机；不像商场，有高峰有低谷。数据中心的负荷曲线，几乎是一条直线——24小时满负荷，不歇，不停，不讨价还价。

这种负荷接入电网，不是拉一根线那么简单。

第一是接入能力。千兆瓦级负荷对电网来说相当于新增一座特大城市的用电需求，接入方案、线路容量、变电站配套，都不是短期内能凑齐的。第二是稳定性。AI训练中断一次，损失以千万计，电的供应曲线必须严丝合缝地贴住负荷曲线。第三是消纳与调度的平衡——内蒙古风光资源丰富，但风电光伏的波动性，恰好要靠数据中心这种「稳定吃电」的负荷来对冲，这也是地方政府愿意做这单生意的深层算盘。

也正因为体量巨大，这件事才走得通：因为有政策支持，DeepSeek才有资格在乌兰察布谈这么大的项目；也正因为它体量这么大，电力行业才必须认真对待。这是一场双向奔赴，而不是单方面圈地。

我的判断是：未来两年，算力竞争的显性战场在模型，隐性战场在电力接入指标。谁先锁死千兆瓦级的电力接口，谁就锁死了下一阶段的产能天花板。这件事，模型团队说了不算，电网说了算。

🔍 千万小时数据，泡沫与真金

镜头切到北京。

「有的机构说年底要做到千万小时，有的说无本体数据已经有上千万小时——但真正的高质量数据有多少？什么是高质量？这才是最重要的。」

在北京人形机器人创新中心数据与训练基地，基地负责人对记者抛出了这个问题。这句话的分量在于：当人形机器人本体的融资和发布节奏不断加快，产业链的焦虑，已经从「造机器人」悄悄转向「喂数据」。

这处被称为「国家队样板间」的基地，总面积6000余平方米，一二层约5000平方米是采集与训练区。现场搭了家庭、商超、工业、医药康养等六大类共30多种实景场景，投入采集的机器人本体150多台套，另有150多套无本体采集设备——包括自研的第一人称视角头环和五自由度夹爪工装。二楼一块约200平方米的光学动捕场地，此前在机器人运动会上包揽举重项目前四的「天工」机器人，其举重、跑步、翻越障碍乃至舞蹈的数据，全部出自这里。

什么算高质量数据？基地负责人的判断很务实：最有价值的，是让模型在场景里能落地、产生好效果的数据。他拿自动驾驶类比——真正值钱的是corner case数据，特斯拉「影子模式」回流的正是这一类，而不是不管好坏把所有数据都采回来。

千万小时的口号可以喊，但没人能喊出一条corner case。

🏭 数据工厂的产能账

这个数据基地的运转，更接近一座工厂，而不是实验室。

采集员一天工作8小时，扣除摆场景、摆道具，有效录制约6小时。数据边采边传云端，夜间由自动化管线处理，第二天交付客户——内部称之为「7+1」交付。目前基地年产能18万小时，已服务100多家客户，多为头部大模型与具身智能本体公司。

质量怎么兜底？三道质检：采集后一检、标注后二检、交付算法侧验收三检。今年上半年交付一家头部客户的数据，验证通过率在95%以上。

更有意思的是标注环节的变化：过去需要数百上千人异地标注语义、动作与视频帧，如今「几张卡跑一晚上，第二天人工质检后即可交付」——标注已经基本由AI接管。人的角色，从标注员退到了质检员。

基地负责人的一句话值得所有同行细品：「全国现在能建数采场地的有一百多家，但中间的平台能力才是最有价值的。」——同质化建场，不构成壁垒。

把两条战线放在一起看，逻辑完全同构：乌兰察布卷的不是机房数量，是电力接入；北京卷的不是采集场地数量，是平台能力。重资产的门槛谁都能迈，真正卡脖子的是门槛之上的那层运营体系。

🚁 低空的镜像：修路的人先赢

作为一个盯着低空经济看了几年的人，这两则新闻给我的震撼，不在于AI多能烧钱，而在于它给所有「基建先行」的行业打了个样。

AI的胜负手从模型转向电力和数据，本质是一句话：先修路，再跑车。电就是算力的路，高质量数据就是具身智能的路。路上没有车之前，修路的账本最难看，但路一旦修通，跑车的都得交过路费。

低空经济正在走一模一样的剧本。

eVTOL整机的融资热度、无人机物流的订单数字，是所有人都看得见的「跑车」环节。但真正决定这个产业什么时候能规模化的，是低空自己的「电网」：起降场网络、通信导航监视覆盖、低空空管系统的容量与稳定性。一个城市起降场规划得再漂亮，空管系统接不住每小时几百架次的起降，一切归零——就像千兆瓦的数据中心，电网接不住，芯片再多也是摆设。

而且地方政府的玩法也开始同构。内蒙古用便宜的电加绿电指标吸引算力落地，各地低空经济示范区同样在用空域试点资格、起降设施配套、场景补贴吸引整机企业和运营企业落地。资源换产业，指标定生死，这套逻辑跨行业通用。

所以我对低空经济的判断是：2026年的胜负手，不在谁家整机先飞了多少架次，而在谁的城市真正把低空「电网」——空管系统、起降网络、通信底座——提前接好了。整机厂是跑车，基建方是修路，最后的赢家往往不是开最快的车，而是收过路费的那批人。

结语

DeepSeek去乌兰察布找电，北京人形在建数据工厂，两个故事讲的是同一件事：当技术路线收敛之后，产业的竞争就下沉为基础设施的竞争。模型会过时，芯片会迭代，但电力指标和数据平台能力，是能穿越周期的资产。对低空经济而言，这个镜子照得尤其清楚——整机狂飙的年代，悄悄修路的人，才是最后上桌的人。