现场｜微软总裁BradSmith点破AI基建4步路线图：谁能抢占“新电力

AI 正进入“电气时代”，基础设施成决定因素

7 月 9 日，在华盛顿智库 CSIS 的公开对话中，Brad Smith 给出了一个耐人寻味的比喻。

他说，AI 不再只是算法能力的竞赛，而是一场关于 算力、电力与人才的工业级比拼。数据中心不只是插上电就能跑的软件工厂，它的背后，是土地审批、电力配额、本地电网接入与高技能工人的长期供应。

而就在几天后的 7 月 14 日，美国能源部在首次公开声明中印证了这一观点：

“在全球 AI 领导力的竞赛中， 主导者不仅需要世界级的科学能力，更需要巨大且持续的电力供给 。我们正在加速基础负荷能源的部署——包括天然气、核能、煤炭与地热。”

两句话，一个企业领袖，一个国家能源战略，指向同一个事实：

这背后是一套正在推进的工业布局：

这意味着什么？

AI 的门槛，正从“懂模型”变成“能接入”，从“写代码”变成“懂资源”。

下一代竞争力，不仅仅是谁的技术强，而是谁有足够的电用。

在这场对谈一开始，主持人提到了技术普及的历史规律。电力用了50年才普及到美国80%的家庭，电话也差不多，而手机和互联网则花了20到30年。

他问 Brad Smith：“那 AI 呢？是像电力一样慢，还是会像智能手机一样快？”

Brad 沉默了一下，说了一句让人印象深刻的话：

他说，AI 的确是像电力一样的通用技术，它不会只出现在一个地方，而是会出现在医疗、制造、政府服务，甚至是你手机里的语音助手。

但这一次，它可能跑得更快，有三个原因：

第一，AI 不用等基础网络重建

Smith 提到一个对比：过去电力要普及，是得拉电线、建变电站、装电表，你得一根根接上去。而 AI 能用现成的网络，就像互联网发展时用的就是老电话线、电视线。

更重要的是，AI 很多时候甚至是“无线的”，通过手机、Wi-Fi、卫星都能接入。

他说：我们不需要再建一张网，但我们还是得建电厂。数据中心就是今天的发电厂。

第二，AI 不只是用来“看”的，而是用来“做”的

Smith 特别举了一个亲身经历：

几周前他去看医生，一个护士对他说：“我能不能用微软的 Copilot 来听我们对话、自动记录要点？这样我能专心跟您交流。”

Brad 说他当时愣了一下，但还是答应了。

“她不知道我是微软的，我也没说。她用得非常自然。这一刻我意识到：AI 已经进入了一线场景，不再是公司里的产品演示。”

第三，AI 用起来很快，但被接受需要时间

即便如此，Smith 还是提醒，不要以为技术快了，人就能跟得上。

他说：技术总是两类，一类用了 50 年才普及，一类用了 20 年。而这取决于一个变量：人愿不愿意改变生活习惯。

他举例说：连收音机都用了十几年，才从实验室进了家庭。AI 要进入每个日常场景，仍然需要让人看到它的好处。

最后，他强调：AI 属于'20年这一档'，但要大规模落地，还是得先建好数据中心，搞定电力和人才。AI 会改变每个行业，但只有基础设施到位，这种改变才会是稳定和可控的。

Brad Smith 在对话里讲了一个很多人没想到的事实：

“我们不是找到一块地就开始建数据中心，第一件事，是看这块地有没有电。第二件事，是看有没有人来接这根电。”

这正是他们在全球几十个国家同时面临的现实问题。

Brad 说，AI 工业化真正的难题，不是你有没有大模型，而在于能否将技术真正落地到现实应用中。

他把这张“AI 工业化路线图”拆成了四步：

一、选块地，不只是看地价

“我们现在在全球大概有 850 到 900 个许可证申请正在推进。”Brad 说，建设 AI 工厂首先要找地，但不是找个荒地挖一片就行。

数据中心要靠近变电站、水源、网络主干线路，甚至得考虑会不会影响居民生活。

“我们要跟地方政府协商，要拿许可证，很多地方一年批不下来。”

而这仅仅是起点。

二、电是最核心的瓶颈

Brad 说得很现实：我们不能指望一个电力公司说，‘好，我给你切换一下开关’，就能跑起来。

AI 数据中心的耗电，动辄是一个小城市的用量。

他强调：“微软要建数据中心，必须和地方电力公司一起投资发电能力，不然会造成区域性电力短缺。”

这句话的背后，是他们正在美国多地同步做的事：自己掏钱建电网。

三、缺人，是最大的不确定性

Brad 把“电工”放在极其重要的位置。他说，美国接下来十年，会面临几十年来最严重的电工短缺。不夸张地说，会不会接线的人，决定了你能不能用上 AI。

他举了 IBEW（国际电气工人兄弟会）的例子，这是美国最大的工会之一，目前正在和微软合作推学徒制，希望培养更多“AI 工厂一线工人”。

他坦率地讲：

“AI 工业化，不是只靠程序员。我们缺的不是技术，而是把技术接进现实的人。”

四、有数据中心还不够，还要“持证上岗”

不是有了建筑，有了电就能用。

Brad 说，现在他们要求所有关键任务型 AI 应用，比如医疗诊断、城市交通管理，必须部署在通过审查的数据中心。

这些中心要通过安全、稳定、合规等一系列认证。就像飞机起飞前要做全套检查，AI 也需要在一个经过批准的‘跑道’上运行。

所以，如果你今天想搭建一套 AI 服务，不该只问“有没有模型”，而是得从“有没有电”“有没有地”“有没有人”开始问起。

当主持人问 Brad Smith：

他说，未来 AI 服务会像软件一样被“出口”到全球，就像我们今天用美国的 iPhone、日本的电饭煲。 但真正决定这些技术能不能走出去的，不是有没有 GPU，而是：别人信不信你。

Brad 的判断是，美国 AI 的竞争优势不在技术，而在信任：

"我们必须让世界相信，美国的技术能以安全、可靠、尊重主权的方式被使用。这正是 AI 出口能否站稳脚跟的第一前提。"

他不是在讲空话，而是给出了三个具体例子：

✅ 案例一：波兰

2024 年，微软和波兰政府一起宣布，要在当地新建数据中心。 为了保障断电时不断供，微软特地从美国空运了数十台大型备用发电机。

Brad 特意指出：

“这些发电机是在印第安纳州和明尼苏达州制造的，出口到欧洲。”

“AI 出口不仅是软件，也会带动美国制造的实体产品出海。”

✅ 案例二：阿联酋

微软和阿布扎比的科技公司 G42 达成协议，合作建设本地 AI 云平台。

但重点不在商业，而在机制：双方签署协议，数据中心必须符合美国的安全标准，并在数据主权上给出保障。

Brad 说：我们把 AI 看作下一代核电技术那样处理，建立一整套‘出口守则’。就像几十年前的核能协议，确保它只能被用来发光发热，而不是制造风险。

✅ 案例三：非洲

全世界还有 7 亿人没有电，其中大部分在非洲。

Brad 提出，微软正与 G42 一起在东非筹备新数据中心，不仅带去 AI，更带去光纤、电力和基础设施建设能力。

他的观点是：

“AI 想真正进入全球南方，光靠技术不够。你得带上金融方案、伙伴关系和信任模式。

所以重点不在'技术能不能出海'，而在别人愿不愿意让你进来。

从波兰的发电机到阿联酋的安全协议，再到非洲的基础设施，这些案例都指向同一个道理：下一代 AI 竞争，比的不是功能参数，而是谁能赢得信任。

这不仅适用于国际市场，对每一个做产品、做服务的组织和个人来说都是如此。

2025 年，微软先后进行了两轮组织优化——5 月裁撤约 6000 人，7 月再减 9000 人，调整范围横跨多个部门。

主持人问 Brad Smith：

Brad 的回答不遮掩，也不夸张：

这不是托词，而是微软正在经历的现实结构变化。

✅ Copilot 正在被使用，真正的门槛是“谁会用”

Brad 讲了一个 LinkedIn 的统计：

“只要你在简历上能写明你会用 AI 工具，比如 Copilot 或 ChatGPT，哪怕只是基础应用，你被录用的概率就大大提高了。”

在他看来，这已经成为'新时代的必备技能'。

就像十几年前，一个财务分析师要会 Excel；现在，一个内容运营、客户经理、甚至销售支持，都得知道怎么调动 AI 来完成闭环。

✅ Microsoft Elevate：40亿砸向教育，从源头培养AI人才

Brad 提到，微软成立了一个新部门 Microsoft Elevate，拿出 40 亿美元现金和技术资源，投给教师、工会、社区大学，帮助人们掌握 AI 能力。

他们先和美国两个最大的教师工会合作：AFT 和 NEA。

目标不是让老师“教 AI”，而是老师自己要先学会怎么用 AI，才能在课堂上教得动下一代。

Brad 这样解释：我们不能只做表面文章，而是要和教育一线的老师们合作，让下一代学生一开始就学会怎么用 AI。

✅ 真正的区别是：你有没有和 AI 协作的能力

Brad 用了一个判断标准：

这就是他在访谈里说的那句：AI 是研究助手、写作助手、分析助手，但它不能代替你思考。我们需要让人用 AI 思考得更多，而不是停止思考。

所以，今天的问题不是'AI 会不会取代我'，而是如何在 AI 已经改变招聘标准的现实中站稳脚跟。

一个会用 AI 的护士、教师、销售，这不是加分项，而是基本要求。

这背后的逻辑很简单：AI 正在从技术工具变成基础设施，就像电力一样。谁先学会使用，谁就先获得下一代的竞争优势。

Brad Smith 在整场访谈里没有谈论“下一代模型参数”，也没鼓吹 AI 能力多强。

他的核心观点围绕四件事：

真正的关键差别，不再是谁懂技术，而是谁有能力把它接入、应用、实现价值。

现在，微软已经开始建数据中心、投资电力、办培训班。它不是等 AI 准备好，而是先把基础设施修到位。

未来的发展路径已经很清晰：

关键问题不是'AI 未来会怎样'，而是：你准备好了吗？