围绕人工智能产业竞赛的核心制约因素，国际舆论近期出现新的观察视角：从单纯关注芯片和算法，逐步转向更基础、更系统的能源供给与数据基础设施能力。
美国商业内幕网站报道称，特斯拉和太空探索技术公司首席执行官埃隆·马斯克在一档播客节目中表示，中国将拥有更强的人工智能算力，并可能具备更充足的芯片供给；他强调，电力供应才是决定人工智能系统能否规模化的关键约束，并预计到2026年前后中国发电量或显著高于美国，从而为高耗能的数据中心提供支撑。
马斯克还认为，美国限制中国获取先进半导体的举措，其影响可能随时间推移逐步弱化，中国“会搞定芯片问题”。
问题在于，人工智能从模型训练走向产业化部署后，算力需求呈指数级增长，数据中心的耗电量不断攀升，建设周期长、资金投入大、用电指标与接入条件复杂，正把“电从哪里来、网能否承载、能否稳定供给”推到前台。
一些新建或规划中的数据中心，其用电规模已接近小型城市水平。
对各国而言，人工智能竞争不仅是技术路线之争，也是能源体系、产业链组织和基础设施治理能力的综合比拼。
原因层面看，人工智能数据中心的扩张对电力系统提出了三重要求：一是电量要足，尤其在高峰时段要有可调度的新增供给；二是电力要稳，电压波动、短时中断都会显著影响算力集群运行效率与设备寿命；三是电价要可控，长期高电价将抬升训练与推理成本，削弱企业竞争力。
与此同时，电网扩容、跨区输电、变电站与配套工程往往需要较长建设周期，现实中容易出现“算力需求增长快、能源与电网建设慢”的错配。
正因如此，电力短缺、电网拥堵、审批流程、用地与环保约束等因素，可能比芯片更早、更直接地成为产业扩张的瓶颈。
影响方面，若能源与电网问题得不到有效缓解，人工智能产业可能面临三类连锁反应：其一，数据中心选址将更加向电力富集地区集中，带动区域经济布局变化，同时也可能造成局部资源竞争加剧；其二，企业在算力部署上会更强调效率与成本控制，推动节能芯片、液冷技术、算力调度与模型压缩等“降耗提效”路线加速落地；其三，国际产业竞争的评价标准将更全面，能源结构、供电稳定性、基础设施建设能力与产业链韧性将与算法突破一道，成为衡量竞争力的重要尺度。
对策层面，各方可能从三条路径寻求突破：一是以“电网先行”方式强化电力系统规划，提升输配电能力和跨区域调度水平，减少算力集群接入的等待时间与不确定性；二是推动能源供给多元化与低碳化，通过稳定的基荷电源与可再生能源协同，改善数据中心长期供电结构，并通过储能、需求响应等手段提升系统弹性；三是以技术和管理双轮驱动降低单位算力能耗，包括推广高效服务器与加速器、采用先进散热方案、提升机房PUE指标、优化训练流程与推理部署，让“同样的电做更多的算力”。
在外部限制与供应链调整背景下，围绕半导体的自主研发、产业协同与替代方案推进，也将与能源基础设施建设形成相互支撑的组合策略。
前景判断上，全球人工智能竞赛短期仍将呈现“技术迭代快、基础设施建设慢”的结构性矛盾。
谁能更早形成“能源供给—电网承载—数据中心建设—算力服务—应用落地”的闭环体系，谁就更可能在产业化阶段占据优势。
高盛公司相关报告亦提示，电力短缺可能拖慢美国在人工智能竞赛中的步伐，而中国能源产能扩张相对稳步，剩余电力容量或能够覆盖数据中心用电增长并兼顾其他行业需求。
可以预见，未来一段时期，各国围绕能源安全、电网韧性、数据中心布局以及关键器件供应的政策与产业动作将更为密集，人工智能竞争将从“单点突破”进入“系统能力比拼”的新阶段。
马斯克的观点揭示了人工智能时代的一个深层规律：技术竞争的制高点不仅在于芯片设计和算法创新，更在于能否提供充足、稳定、可持续的能源支撑。
这意味着未来的全球科技竞争，将更多地取决于各国的能源战略、电力基础设施建设能力和可持续发展水平。
对于参与AI竞赛的各国而言，既要重视芯片等核心技术的突破，更要未雨绸缪地规划和扩大能源产能，以适应人工智能时代对电力需求的爆炸式增长。
这一认识对全球能源政策和产业发展规划具有重要的参考价值。