近年来，人工智能领域的进展令人瞩目，尤其是在算力规模和模型复杂度方面的突破，带动了全球科技竞赛的加速。面对中国等国家的雄心，如何借鉴历史上的重大国家项目，如曼哈顿计划和阿波罗登月计划，组建一支具备强大资源和战略支撑的AI国家计划，已经成为美国政府和研究界热议的话题。美国国会下属的美中经济与安全审查委员会提出设立类似“AI曼哈顿计划”的呼声，意在集中大量资源，推动人工智能达到通用人工智能（AGI）能力的关键突破。这样的计划究竟有多大规模？它需要怎样的投入和支持？这些问题值得深入探讨。现有研究表明，若依照美国历史上曼哈顿计划的最高投入比例，即约占当年GDP的0.4%，结合当前全球及美国人工智能算力市场的规模，今年代预计可投入约1220亿美元。而阿波罗计划的最高投入则达到GDP的0.8%，换算成现今相当于2440亿美元。
这一资金规模不仅巨大，更意味着可支持的算力投入也前所未有。为衡量这样的资金支持可以带来多少算力，需要参考当前顶级GPU的价格性能指标。例如NVIDIA H100 GPUs在FP16精度下的计算性能约为每美元2.2×10的10次方FLOPS（浮点运算次数）。如果按照年投入2440亿美元，持续3年的计划，同时考虑提升的硬件效率和一定的非硬件成本比例，那么在100天的集中训练期间，预计能够实现超越当前最大模型数万倍算力的单次训练规模。这一规模大约达到1.2×10的29次方FLOPS，远超目前最大的GPT-4的2.1×10的25次方FLOPS计算需求，是一项革命性的飞跃。将这一级别的算力整合成单一训练任务，除了庞大的计算硬件需求，在能源供应方面也面临巨大挑战。
按照最新的硬件效率趋势推算，驱动约2700万块H100 GPU同时运行的中央训练集群，功耗预计将达到7.4吉瓦（GW）。这一数字超过纽约市的平均用电负荷（约5.7GW），接近全球最大核电站的功率峰值。虽然数据中心建设速度近年来显著提升，例如xAI的Colossus集群仅用时4个月就完成，但电力基础设施的扩充速度则较为缓慢，历史数据显示3GW以上的大型发电厂建设往往需时约5年。尽管如此，有强有力的政府支持和军事动员能力，这些瓶颈可被大幅缓解。美国计划于2027年新增的8.8GW燃气发电容量，超过了所需的7.4GW用电需求，这部分新增容量恰好主要面向数据中心供电，显示出未来可实现高度集中算力集群运行的能源保障基础。进一步来看，地理上靠近的几个大规模能源基地如Abilene和Homer City项目都可通过引入国防生产法案（DPA）保障电力优先供应，缩短建设周期并快速启动这类超级计算任务。
算力和能源准备只是基础条件，真正推动「AI曼哈顿计划」顺利起航的还有政治意愿、投资规模和产业协同。将大量私营部门算力资源整合，避免资源浪费和重复建设，是计划成功的关键。若仅仅是算力集中，短期内就能带来约1年左右的AI进步时间优势；而全方位支持，可能实现3至10倍算力增长，真正打开前所未有的AI研究新阶段。这其中最大的变量来自于国际局势和产业链稳定。潜在的地缘政治冲突，尤其是围绕台湾芯片制造能力的紧张态势，可能对硬件供应链造成巨大扰动，影响算力设备的交付和部署。这种情形下，国家计划的紧迫性更强，风险也更大。
另一方面，训练大规模AI模型并非单纯堆叠计算资源那么简单，还涉及算法调优、实验测试、风险控制等一系列复杂步骤，这意味着训练时间可能非线性增长，且大量实验可能导致资源消耗远超原计划。尽管如此，技术进步和管理优化，也将逐步降低这些非线性成本。即便面对上述诸多挑战，人工智能作为当前及未来科技领域的重要驱动力，其国家战略地位日益凸显，诚然不容忽视。一场AI曼哈顿计划若能成型，不仅将推动美国技术优势，还可能加速全球AI产业和学术生态的变革。除此之外，这样的国家项目在社会经济层面也将带来连锁效应，包括能源基础设施升级、高端人才培养、供应链重塑以及国际科技竞争格局调整。总结来看，AI曼哈顿计划在当资金投入达到阿波罗计划规模时，预计能够实现1000至10000倍于现有最强AI模型的训练计算规模。
耗能需求巨大但具备实际可行性，尤其借助法案支持和能源规划的加速。这种集中的超大算力试验，有望在2027年前后完成，极大缩短AI发展的步伐。然而，政治、产业、国际环境的不确定因素也对计划落地构成重大压力。无论如何，人工智能国家级专项发展正逐渐不是科幻设想，而是业已进入政策与资本视野的现实话题。未来数年，谁能抢得AI超级计算的关键先机，谁就有机会在新一轮技术与产业革命中赢得主导地位。持续关注并理解AI曼哈顿计划的规模与挑战，对于行业参与者和观察者来说尤为重要，这既是掌握趋势的关键，也是把握下一代智能时代机遇的基础。
。
