2026-11-04 · 瀚钦（丹东）智能科技有限公司
结论先行：人工智能的竞争，正在从“谁的模型强”变成“谁的电便宜、谁的地够多”。
据外媒报道，全球最大石油公司沙特阿美的首席执行官阿明·纳赛尔公开表示，沙特阿拉伯将依托丰富的廉价天然气及可再生能源资源，推动国家转型为人工智能领域的全球领导者。此前，沙特阿美已于 10 月下旬披露计划，收购新兴人工智能公司 Humain 的大量少数股权。Humain 成立于 2025 年 5 月，控股方是沙特主权基金 PIF；其首席执行官塔里克·阿明曾表示，沙特的目标是成为仅次于美国和中国的全球第三大人工智能强国。
这条新闻看着离我们很远——中东主权资本、几百亿美元资本支出、国家级 AI 战略。但它真正的信息不在钱上，在成本结构上：算力是电堆出来的，谁掌握最便宜的要素，谁就能在这个行业里占一个位置。
而这本账，每个准备上 AI 的企业都有一本，只是量级不同。看懂沙特这本账，能帮你算清自己那本。
| 项目 | 具体内容 |
|---|---|
| 谁在说 | 沙特阿美 CEO 阿明·纳赛尔 |
| 要做什么 | 依托廉价天然气与可再生能源，推动沙特转型为 AI 领域全球领导者；收购 Humain 大量少数股权（10 月下旬披露） |
| Humain 是什么 | 2025 年 5 月成立，沙特主权基金 PIF 控股，被定位为沙特国家 AI 领军企业 |
| 目标 | Humain CEO 塔里克·阿明：成为仅次于美国和中国的全球第三大 AI 强国（这是目标表述，不是现状） |
| 钱的去向 | 至 2030 年天然气产量提升超 60%；2025 年资本支出 520–580 亿美元 |
| 耗电判断 | 预计到 2030 年，全球数据中心耗电量将达全球电动汽车耗电量的近 4 倍，能源结构以天然气为主、辅以可再生能源 |
纳赛尔讲优势的那段话很直白，值得原样看：
若寻求可再生能源，沙特拥有成本最低的供给；若需要天然气，这里同样具备最低成本的资源。不仅能源充足，土地也足以支撑所有设施建设。
三个词：电便宜、气便宜、地够用。这三样凑齐，才敢谈“第三大 AI 强国”。
人工智能数据中心是高耗能设施，训练与运行都要大量电力。这一点在行业里早已不是秘密，但纳赛尔给了一个很有画面感的标尺：到 2030 年，全球数据中心的耗电量接近全球电动汽车耗电量的 4 倍。
这个比较之所以有效，是因为电动汽车的用电量是普通人能感知的量级——满街跑的车加起来，还不如机房耗得多。换句话说，AI 不是软件生意，它有一半是电力生意。
这也解释了沙特阿美的动作为什么看起来“不像石油公司”：至 2030 年把天然气产量提升超 60%，一边给数据中心供能，一边拿天然气去顶替部分石油发电，把石油腾出来出口。它不是在转行，是在重新分配自己的资源。
顺带一句，纳赛尔还提到另一面：未来数十年，随着发展中市场尤其是亚洲消费增长，石油与天然气需求将持续攀升——2025 年全球需求增量预计 110–130 万桶/日，2026 年维持相近增速。这句话对辽宁的石化配套、装备制造企业不算坏消息：存量产业的饭还要吃很多年，AI 是增效手段，不是换赛道。
先把话说清：沙特的做法我们抄不了。没有主权基金，没有全球最低的能源成本，也没有成片可建机房的地。
但它的决策逻辑可以抄——用自己最便宜的要素，去换自己最缺的能力。
| 沙特 | 一家辽宁的中小企业 | |
|---|---|---|
| 最便宜的要素 | 天然气、可再生能源、土地、主权资本 | 稳定的电价与厂房、具体的业务场景、多年积累的资料与客户关系 |
| 最缺的东西 | 模型能力、人才、产业生态 | 会用它的人、能用的场景、可复用的知识 |
| 换法 | 拿钱和能源换算力与生态位 | 拿场景和数据换一个业务域的效率 |
| 失败成本 | 百亿美元级，容错靠资本 | 一台服务器级，容错靠小步试 |
这张表最有用的其实是最后一行。沙特可以押错一次再押一次，你不行——所以你的策略必须是“小步、可停、可扩”：一台服务器验证一个场景，跑通了再谈第二台。
既然议题是能源，就把账算到企业能感知的粒度。以下估算都标了假设，你按自己的实际电价和机型替换即可。
一台跑 7B 级模型的服务器，满载功耗约 500W；按全年 8760 小时、机房 PUE 取 1.5（含空调与损耗）计，年耗电约 6570 度；按工业电价 0.6–0.9 元/度，年电费约 4000–6000 元。
这个数字的意义不在于“便宜”，而在于可预测。它是一笔固定支出，不随你多问几句话而上涨。对预算敏感的企业，可预测比便宜更重要。
走云端则相反：没有机房和电费，但每次问答都在计费。变量的关系很简单——日均调用量 × 单价 = 月账单。调用量小的时候云端明显划算；调用量上去之后，本地部署的固定成本会被摊薄，拐点出现在“电费 ÷ 单价”这个位置。
所以判断顺序应该是：先估调用量，再谈哪种便宜。没有调用量数据的选型，都是猜。
这笔账最难量化，但往往最贵：
这三条不体现在发票上，但会在“用不用得下去”上体现。很多企业的 AI 项目不是死在成本，是死在第三个月没人维护。
我们给客户的第一条建议，五年没变过：先做一个业务域，用一台服务器跑起来。
选域的标准也很土：问得最多、答得最慢、错了最贵。多数企业落在这三类上——技术答疑、单据与报表核对、报价与资质查询。这三类的共同点是不动设备、不改造产线，资料现成，效果可测。
按五类服务的口径，这件事分解下来是这样：
| 环节 | 具体做什么 |
|---|---|
| 咨询规划 | 盘清高频问题清单，选定第一个业务域，把边界（哪些能自动、哪些只给建议）一起画出来 |
| 交付实施 | 本地化部署：模型跑在企业自己的服务器上，断网可用；知识库按部门归档，答案可回溯原文 |
| 安全治理 | 权限分级、操作留痕、关键动作人工确认，客户资料与报价不出内网 |
| 运营管理 | 制度、工艺、价格一变，知识库跟着改，避免“上线三个月开始答旧口径” |
| 配套服务 | 与应用人才培训衔接：系统上线几周就能用，人的判断力要几个月才养成 |
电费那笔账，恰恰是这个顺序的副产品——先把一个域跑通，你才知道自己的调用量到底多大，也才有资格去比较“本地”和“云端”谁便宜。反过来先买算力再找场景，电费就是纯支出。
沙特阿美这条新闻，最值得记住的不是“第三大 AI 强国”这个目标，而是它承认了一件很朴素的事：AI 要落地，得先有电、有地、有人。
对一家几十人的企业，这句话可以改写得更小一点：AI 要落地，得先有一台不贵的服务器、一个说得清的场景、一个愿意签字的人。这三样凑齐，比追任何趋势都管用。
如果您想先算清自己那本账——第一个业务域选哪个、调用量大概多少、本地还是云端划算——欢迎约一次免费业务诊断，我们从具体场景出发给建议；也可以先看我们的私有化部署方案与人工智能应用人才培训。
注：本文新闻事实与引语出自关于沙特阿美 CEO 阿明·纳赛尔表态的公开报道（涉及 Humain 股权、天然气产量目标、2025 年资本支出 520–580 亿美元、2030 年数据中心耗电为全球电动车耗电近 4 倍、2025 年全球油气需求增量 110–130 万桶/日等）；第四节电费与调用费用为基于公开假设的粗略估算，实际以企业电价、机型与调用量为准，不构成报价或效果承诺。
关系不在钱上，在成本结构上。它说明 AI 的底层成本是电和地，而不是算法——这一点对所有规模都成立。对企业的直接含义是：选型时要算的是“全年固定支出”与“按量计费”两本账，而不是比谁的模型参数大。沙特押的是百亿美元级，你押的是一台服务器级，但决策逻辑一样：用自己最便宜的要素，换自己最缺的能力。
取决于日均调用量。粗算口径：一台 500W 服务器按 PUE 1.5、电价 0.6–0.9 元/度，年电费约 4000–6000 元，是固定支出；云端按调用量计费，量小的时候更划算。拐点在“电费 ÷ 单价”这个位置。所以正确顺序是先估调用量再选型——没有调用量数据的比较都是猜。另外别忘了隐性账：数据能不能出厂、断网能不能用、口径谁来维护。
对单个企业基本不会。一台服务器年电费在几千元量级，比一个员工的月薪还低，不需要为它做能源规划。真正的限制出现在两个地方：一是规模化推理（几百张卡同时跑），二是机房条件（散热、供电冗余、停电应对）。所以中小企业该关心的不是电价，而是“机房放得下、电够用、有人管”这三件小事。
