美财长贝森特公开宣称：美国很快将控制全球大约80%的算力资源

2026年7月16日，美国财政部长贝森特在一档播客节目中谈到人工智能时声称，美国过去可能拥有全球50%至60%的算力，接下来“很快”可能达到80%，并称美国在人工智能领域大约领先中国一年。

一个财政部长亲自谈算力，说明这已不只是科技公司的生意，而是被美国纳入了产业、金融和国家竞争的大盘子。

不过，贝森特说的是“美国所占算力比例可能达到80%”，并没有证明美国政府能够直接支配全球80%的服务器，更不等于其他国家使用人工智能都要经过华盛顿批准。把“占有较多先进算力”直接写成“控制全球算力”，显然带有较强的政治传播色彩。

算力可以简单理解为机器处理数据的能力，但它没有一把全球统一的尺子。有人按照芯片数量统计，有人计算理论性能，有人只看训练大模型的超级集群，还有人把云计算、科研计算和终端推理全部算进去。

统计范围一变，美国的份额也会跟着变化。Epoch AI在2025年发布的研究显示，在其掌握的大型人工智能计算集群样本中，美国约占总性能的四分之三，中国约占15%。

但这项研究只覆盖全球一部分公开集群，对谷歌自研芯片、美国企业内部设备以及中国专用芯片的覆盖都不完整。因此，贝森特口中的80%，更接近一种趋势判断，而不是已经完成的全球审计。

它能够证明美国在高端训练集群方面优势明显，却不能证明全球所有算力已经或即将被美国一家拿走。把样本中的领先比例说成全球控制权，中间还隔着相当长的逻辑距离。

美国敢把这个数字摆上桌面，首先是因为它确实聚集了全球最强的一批科技企业。从芯片设计、云平台到模型研发，美国企业形成了相对完整的闭环。

斯坦福大学《2026人工智能指数报告》统计，美国境内拥有5427座数据中心，数量超过其他任何单一国家十倍。这种集中度带来的优势非常现实。

一家美国企业想训练新模型，可以从本国芯片公司采购设备，再借助本国云平台调度资源，最后通过成熟的软件工具投入使用。资本、人才和市场挤在同一个生态圈里，试错速度自然比资源分散的国家更快。

但数据中心多，不代表人工智能能力一定按照同样比例领先。斯坦福报告指出，中美顶尖模型之间的性能差距已经明显缩小，截至2026年3月，排名领先的美国模型优势约为2.7%，而且从2025年初以来，中美模型曾多次交替领先。

这组对比很有意思。美国在公开大型集群中可能占四分之三，但模型性能并没有拉开数倍差距。

这说明人工智能竞争并不是简单的“芯片越多，结果越强”。模型结构、数据质量、训练方法、软件优化和工程经验，都会改变算力最终能够产生多少价值。

就像两家工厂，一家厂房更大、机器更多，另一家设备少一些，却把生产流程安排得更紧凑。前者总产能可能更高，后者单位成本却未必更差。

中国企业在高端芯片受到限制的情况下，更重视模型压缩、软硬件协同和推理成本，这种压力也在倒逼效率提升。贝森特强调80%，还有一层政策动员的意味。

美国需要让投资者相信，建设数据中心不是一场短期泡沫，而是决定未来工业地位的基础工程。只要“不能输掉人工智能竞赛”的气氛持续存在，科技公司就更容易获得资金、土地、电力和政策支持。

然而，算力扩张并不是买到芯片就结束了。服务器要昼夜运转，背后需要电厂、变电站、输电线路、冷却系统和稳定水源。

一个大型计算园区的用电量可能接近一座城市，而美国不少地区的电网建设速度，已经跟不上数据中心提出的接入需求。

2026年7月9日，美国能源部发布输电需求研究草案，明确指出数据中心、制造业和大型工业负荷正在推高电力需求，美国需要增加输电基础设施，以应对新的用电接入和电网拥堵问题。这个官方判断，恰好说明美国的算力雄心也受到能源条件约束。

美国政府在2026年3月还推动亚马逊、谷歌、微软、Meta、OpenAI、甲骨文和xAI等企业作出承诺，要求它们为新增数据中心自行建设、引入或购买电力，并承担相应输配电升级成本，避免把费用直接转嫁给居民。

换句话说，美国如果真想把先进算力份额推到80%，首先要解决的不只是芯片供应，还包括“电从哪里来、线路怎么建、居民电价会不会上涨”。

算力看上去是数字世界里的东西，落到现实中却是钢铁、水泥、燃气、核电和输电塔，任何一个环节跟不上，建设速度都会打折扣。还有一个问题是成本。

高端芯片更新很快，一座今天看起来先进的数据中心，几年后可能就要更换大批设备。人工智能企业必须不断投入，才能维持领先。

只要模型收入、云服务订单和产业应用无法覆盖折旧与电费，庞大的算力也可能从优势变成财务压力。美国最大的长处是资本集中，最大的风险同样是资本过度集中。

少数科技巨头承担了大部分基础设施投入，一旦市场对人工智能回报的预期下降，投资节奏就可能迅速变化。贝森特所说的“很快”，不仅取决于技术进步，也取决于资本市场是否愿意长期买单。

更值得警惕的，并不是美国多建了多少机房，而是它试图把算力优势变成规则优势。美国掌握高端芯片、云服务和软件生态后，可以通过出口管制、投资限制和服务许可影响其他国家获得先进计算资源的渠道，让商业优势逐渐带上战略工具的性质。

这才是“控制80%算力”背后真正值得关注的部分。哪怕美国最终没有达到80%，只要关键芯片、核心软件和主要云平台仍高度集中，它就能在技术标准、供应链安排和市场准入上拥有更强的话语权。

数字本身可能夸张，背后的政策方向却不能轻视。面对这种局面，中国不需要围着贝森特的数字打口水仗，更不能为了比较规模而盲目建设。

真正有效的应对，是提高国产芯片的稳定性和适配能力，突破高速互联、存储和基础软件短板，同时提升现有算力设施的使用率，减少设备建成后长期闲置。

截至2026年6月底，我国智能算力规模达到2185EFLOPS，按FP16口径同比增长177%，全国算力设施整体上架率达到71.4%。近两年，围绕国家算力枢纽节点建设的算力通道超过70条，枢纽之间的网络性能也在继续提升。

这些数据说明，中国并不是没有规模，而是发展路线与美国有所区别。美国依靠少数科技巨头建设超大型集群，中国更强调全国范围内的资源调度，希望把东部的应用需求、西部的能源条件和各地的数据中心连接起来，提高算力跨地区流动的效率。

2026年7月发布的《人工智能合作发展行动计划》提出推动智能算力设施联通、发展绿色能源驱动的基础设施，并面向发展中国家提供普惠智算服务。这个思路并非追求由一国垄断，而是强调连接、应用和共享。

中美算力竞争最终比的不是谁能喊出更大的比例，而是谁能把昂贵设备变成稳定生产力。算力只有进入制造、医疗、交通、能源和科研，帮助企业降低成本、提高效率，才算真正完成了从基础设施到产业能力的转化。

中国拥有完整制造业体系和大量应用场景，这是算力转化的重要条件。截至2026年6月底，我国规模以上制造业企业人工智能技术应用普及率已超过30%。

这类落地能力未必像超级集群那样引人注目，却决定人工智能能否真正进入经济运行。当然，也不能因为中美模型差距收窄，就低估美国在芯片设计、先进制造设备、基础软件和高端人才方面的优势。

追赶不是靠一句“效率更高”就能完成，基础研究、产业协同和长期投入仍然不可缺少。尊重差距，才能更准确地找到突破口。

贝森特宣称美国很快将控制全球大约80%的算力资源，既是在展示实力，也是在塑造预期。他希望外界相信，美国不仅现在领先，而且未来会把领先扩大。

但预测终究不是结果，算力份额也不是决定人工智能竞争的唯一指标。未来真正影响格局的，将是芯片供给、能源成本、算法进步、人才流动、产业应用和国际规则共同作用的结果。

美国可能长期保持先进算力优势，却很难仅凭一个80%的数字锁定胜局。技术竞争不是一次冲刺，而是一场不断更换赛道的长跑。

所以，这番话既不必当作美国已经掌握全球人工智能命脉，也不能简单视为节目里的夸张表达。它反映出美国正全力争夺下一轮科技和产业主导权。

中国需要做的，是把压力变成自主创新、算力协同和产业升级的动力，用实际能力回答这场竞争。

#上头条聊热点#