人工智能（AI）的发展正从技术层面深入到社会资源配置领域，资本、能源和基础设施的流动方向正因AI而发生显著变化。2024年初，中国大模型日均Token调用量约为1000亿，到2026年3月，这一数字已飙升至140万亿，两年多增长超过1000倍。这种需求激增直接推动了算力基础设施的扩张，截至2025年，中国已建成42个万卡级智算集群，全国算力中心用电量达到1700亿千瓦时，同比增长约30%。
算力需求的爆发式增长，使得电力和土地资源重新配置成为必然。国家能源局数据显示，2026年1-7月，中国全社会用电量同比增长4.7%，而互联网数据服务用电量增长了43.3%，仅7月一个月就达到99亿千瓦时，同比增长40.1%。大型AI数据中心的耗电量堪比一座中等规模小镇的全部生活和生产用电。为应对这一挑战，中国推进了“东数西算”工程，将算力中心向能源资源丰富的西部地区集中。2025年，八大国家枢纽节点的智能算力规模已占全国总量的八成以上。
类似的变化也在欧洲上演。路透社报道，2022-2025年，欧洲新建超大规模数据中心距离主要城市平均约46公里，而2026-2028年规划项目的平均距离已增加到175公里。伦敦、法兰克福等传统数据中心城市因土地紧张和电力接入限制，新项目正向电力更充足、土地更便宜的地区迁移。能源已成为数字产业选址的关键因素，数据中心跟着电走，产业投资也随之移动。
算力基础设施的快速扩张也带来了资源配置效率的挑战。据公开报道，目前中国算力资源整体利用率不足70%，部分新建智算中心甚至低于30%。为解决供需错配问题，中国银行与中国信通院在雄安启动了“算力银行”合作，内蒙古和林格尔、杭州、上海等地也运行了“算力超市”，将闲置服务器和GPU接入统一平台，供企业按需调用。这些机制通过跨地区调度和按需计费，提高了算力利用率。
AI对社会资源配置的影响也体现在企业用人和预算安排上。路透社调查发现，随着AI提高软件开发和后台业务的自动化程度，印度IT服务商的客户开始要求“用更少的人完成更多工作”，传统按工程师数量收费的模式正向结果付费转变，入门级程序员的需求受到影响。企业内部的预算也在重新排序，AI项目现在需要与软件采购、人力、外包等数字化项目共同竞争预算。艾瑞咨询报告显示，截至2026年一季度，中国大中型企业新一代AI采纳率已达81.3%，但67%的企业应用仍处于浅层尝试或局部应用阶段，部分早期项目ROI不达预期。
AI的商业化价值正在接受检验。以阿里巴巴为例，2026年4-6月，阿里云和AI服务收入增长45%，达到484.4亿元，但同期资本开支同比增长75%，达到676.8亿元，净利润同比下降75%。公司管理层表示，AI资本开支预计在三年内达到盈亏平衡。企业采购AI后，账最终会落到经营指标上，AI客服要降低成本，Coding Agent要提高研发效率，销售工具要带来业务增量。只有效果持续兑现，企业才会扩大采购，上游的数据中心和GPU才能获得持续需求。
历史上，互联网也曾经历类似过程。上世纪90年代，通信网络和互联网基础设施快速扩张，2000年互联网泡沫破裂后，大量公司消失，但部分基础设施保留下来，支撑了之后二十年的互联网增长。今天的AI已进入云服务、软件开发等真实业务，但围绕AI建设的基础设施规模、投资价格和增长预期仍需接受检验。如果AI能持续提高研发、服务和管理效率，今天建设的数据中心和能源设施将逐渐找到需求；否则，部分利用率偏低的智算中心将被淘汰，ROI无法兑现的项目会停止续费，高估需求的数据中心将承担投资损失。
无论个人是否使用AI工具，AI已通过影响资本流向、能源分配、企业预算和人才流动，成为社会资源配置的一部分。2025年，中国算力中心已消耗1700亿千瓦时电力，预计到2030年将增至约8000亿千瓦时。美国大型AI云厂商今年已发行2200亿美元债务，全球科技公司仍在继续提高AI基础设施投入。这些资源最终需要由生产率、收入和新的经济增长来消化，能够兑现，则算力、电力和数据中心将成为下一轮基础设施；兑现不足，则部分投入需要重新定价。AI创造的新增价值流向，将成为下一阶段的关键问题。
