中国储能网讯:
引 言
以ChatGPT 为代表的生成式人工智能问世以来,人工智能(Artificial Intelligence,AI)产业经历了从算法突破到基础设施大规模部署的跃迁式发展。这一进程的物质基础-AI 算力数据中心及其驱动的能源供给系统,以及人形机器人智能终端对矿产资源的需求,引发了全球高度关注,被认为是继新能源、新能源汽车等绿色产业发展引发关键矿产需求变革以来的又一场资源需求革命。
过去五年,关于能源转型如何影响关键矿产的供需,国际能源署(International Energy Agency,IEA)等国际机构及国内外多位学者开展了系统研究,总体研究思路是采用设定能源转型情景、分析情景下相关新能源产业发展情况、结合产业发展态势和单位产品用量,确定关键金属可能的需求规模。WEI等基于气候目标约束下的能源转型路径,系统测算了全球电力系统转型对关键矿产的需求规模;DONG 等进一步指出,子技术市场份额的变化对电力系统转型中的关键材料约束具有显著影响。在国内,张艳飞等厘定了中国“新能源矿产目录”,系统分析了锂、铜、铝、镍、钴、稀土等矿种与新能源产业的关联关系;李媚等基于系统动力学方法构建了储能金属产业系统动态演化模型,以锂、钒为例开展了模拟仿真。
随着AI 产业的爆发式增长,AI 对矿产资源的需求逐渐成为研究热点。FALK 等通过ICP-OES 元素分析发现单块A100 GPU 芯片中含有32 种元素,其中,铜以1 374 g 占主导(散热器98.1%为铜),其次为硅、锡,以及银、金等贵金属。BAJAJ 等从投资视角梳理了AI 基础设施的10 种关键矿产,提出了AI 数据中心的矿产强度测算框架。更多学者针对数据中心可能用到的矿产种类、单位用量及可能的规模、可能的供应风险进行了初步分析和判断。此外,国际能源署(IEA)等国际机构更加关注AI 对能源的需求分析,发布了Energy and AI、Key Questions on Energy and AI 等专题报告。
一个产业能否对矿产资源需求产生实质性影响,取决于其能否形成规模化的产业,进而产生规模化的新需求。显然,人工智能产业链复杂性更强,对矿产资源需求的矿种、结构和规模的影响更加复杂,技术扩散的时间周期和扩散规模不确定性更高,且智能化与电动化融合后的需求分析难度更大。现有研究多针对AI 产业链某些环节进行了初步分析,尚未建立与矿产相关的完整产业链分析框架,缺乏对AI 产业链矿产需求的系统测算和对供需格局的综合研判,制约了相关形势的分析。
本文基于已有技术资料的分析,结合我国相关产业发展基本情况信息,尝试构建覆盖芯片制造层、AI 基础设施层、智能终端层和能源层的AI 产业链四层分析框架。在此基础上,分析AI 不同产业链环节所需矿产资源的种类、结构和规模,一方面分析相关产业爆发性增长后对矿产需求拉动的可能性;另一方面分析AI 产业发展带动的能源需求及其矿产消费。综合以上分析,研判AI 产业链对全球矿产资源格局的影响,以期为合理制定相关资源产业发展和供应保障政策提供科学依据。
1 AI 产业链四层分析框架
本文将与矿产相关的AI 产业链划分为四个组成部分:芯片制造层、AI 基础设施层、智能终端层,以及驱动AI 发展的能源层(图1)。前三者构成AI产业链的纵向主线-从芯片到设施再到终端,能源层则横向贯穿AI 全产业链,进而拉动发电、输配电和储能领域的矿产消费。四层框架的设计从芯片制造的原材料投入,到算力基础设施的部署运行,再到智能终端的规模化应用,最终回溯到支撑全产业链运行的能源系统,实现对AI 产业链矿产需求的全链条覆盖。

图1 AI 产业链及其所需矿产四层分析框架<br>
Fig. 1 AI industry chain and its required mineral resources: a four-layers analytical framework
图1 AI 产业链及其所需矿产四层分析框架
1.1 芯片制造层
芯片制造层是AI 算力的物质起点,涵盖晶圆制造、封装测试等环节。该层的矿产特征是:芯片成品中含有的金属(硅、铜、锡、镍等)将随芯片部署进入基础设施层或终端层,在后续环节中核算,但制造过程中消耗的关键材料-高纯石英(坩埚原料)、氦气(EUV 光刻冷却与刻蚀吹扫)、氖(DUV 光刻激光器气体)、ABF 载板(封装基板)等,并不物理存在于最终产品中,而是在晶圆厂和封装厂中消耗。鉴于高纯石英和氦气的重要性及供应脆弱性,我国已将二者列为单独矿产,下文也将重点分析。
1.2 AI 基础设施层
AI 基础设施层是AI 算力部署和运行的场所,主体为数据中心,同时包括连接数据中心的跨区域算力光缆。数据中心内部包含四个紧密耦合的子系统:①IT 计算子系统,主要指GPU 芯片集群、AI 加速器、HBM 存储器、AI 服务器整机和存储设备等;②数据传输子系统,主要是连接GPU 的光模块,以及配套的交换机、路由器、机架内高速布线和DCI 光缆等;③供配储电子系统,主要指数据中心内的变压器、开关柜、UPS 不间断电源、BESS 储能电池、母线、PDU 和电缆等;④冷却子系统,主要是风冷/液冷管路、冷塔、CDU(Coolant Distribution Unit,冷量分配单元)和换热设备等。数据中心是AI 产业链用矿的核心环节,也是国内外学者关注的主要对象。我国提出要建设连接“东数西算”等大型算力中心枢纽的跨区域算力光缆,但考虑到其原料主体是二氧化硅、塑料护套和少量钢丝铠装,矿产强度较低,本文不做相关矿产的进一步分析。
1.3 智能终端层
智能终端层是AI 能力作用于物理世界的设备载体,包括人形机器人、智能网联新能源汽车、服务机器人、智能工厂与工业机器人,以及智能家电、3C和智能穿戴设备等。AI 对物理世界的改造是智能化+电动化的联合作用,二者均需要多种矿产的系统支撑。智能终端层未来发展潜力极高,但不确定性也极高,尤其是刚刚进入量产起步的人形机器人,下文会对此进行重点分析。
1.4 能源层
能源层回答前三层无法回答的问题:驱动AI 算力7×24 h 运行的海量电力从何而来、如何输送、如何储存?能源层包括特高压输配电、风电、光伏和新型储能等板块,其矿产需求与新能源矿产高度重叠-铜和铝用于输配电,稀土和铜用于风电,硅、银、铜、铝、镓、铟用于光伏,锂、钴、镍、石墨、磷用于储能。能源层之所以不简单作为基础设施层的子系统,是因为其材料逻辑和量化方式不同:AMOAH等的研究表明,电网输配电占AI 数据中心关联铜需求的64%,设施本身仅占32%,若将能源层并入数据中心边界,上游电网扩容所驱动的大规模矿产需求将被遮蔽。
需要特别说明芯片在本框架中的口径问题。芯片作为已部署到数据中心或终端中的硬件物料,其含有的矿产(硅、铜、锡、镍、镓、锗等)分别纳入基础设施层IT 计算子系统和终端层的矿产强度核算。但芯片制造过程中消耗的高纯石英、氦气等材料在第2 部分(芯片制造层)单独讨论,以避免重复计算或遗漏。
2 芯片制造层及其相关矿产情况
芯片制造是AI 产业链的物理基础。这一部分除了芯片本身包含的元素以外,重点分析最重要、关注度最高的两种矿产-高纯石英矿和氦气。此外,钨在先进封装中用于TSV(硅通孔)阻挡层和高温接触,锑用于阻燃剂和合金,是半导体封装材料中的重要添加剂。光刻胶、特种气体(如三氟化氮、六氟化钨)、CMP 抛光材料等也在芯片制造中大量消耗,受篇幅所限,本文不逐一展开。
2.1 高纯石英矿
高纯石英矿通常指SiO2 纯度达到4N5(≈99.995%)及以上、关键杂质元素(如B、碱金属及Fe、Ti 等过渡金属)需稳定控制在ppm 量级乃至更低水平的高纯SiO2 砂状材料。它是半导体级硅片制造中拉晶坩埚和光纤预制棒生产的不可替代原料,被认为是AI 产业链的起点(图2)。

图2 AI 产业链<br>
Fig. 2 AI industry chain<br>(资料来源:文献[15],有修改)
图2 AI 产业链
从需求端看,英伟达是全球数据中心用GPU 的主要生产商(市场占有率超过90%),2023 年其GPU出货量约376 万颗,2025 年达到650 万~700 万颗,两年时间增长73%~86%,直接拉动高纯石英需求增长。从单耗强度看,单座满产晶圆厂年耗高纯石英坩埚及石英制品200~400 t,预计2025 年全球半导体和光纤预制棒生产所需的高纯石英达到3 万~4 万t,未来需求还将持续增长。
从供给端看,全球高纯石英资源分布高度集中。2024 年全球高纯石英主要供给源-美国斯普鲁斯派恩(Spruce Pine)高纯石英矿因飓风灾害生产受阻,引发了主要国家对其供应链不稳定的担忧。在中国寻找高纯石英矿资源尚处于起步阶段,高端产品长期依赖进口。2025 年,经国务院批准,将高纯石英矿正式确立为中国第174 号法定新矿种。
2.2 氦气
氦气在半导体制造中用于EUV(极紫外)光刻系统的冷却、刻蚀工艺的吹扫和检漏。EUV 光刻机需要在极低温度下运行,氦气的惰性和低热容使其成为不可替代的冷却介质。此外,氦气还广泛应用于磁共振成像(MRI)、深海潜水、火箭推进剂增压等领域,是一种具有重要战略意义的稀缺资源。
从需求规模看,2025 年全球氦气产量约1.9 亿m3(约3.4 万t),其中,半导体制造约占17%,年消耗量约3 200 万m3(约5 700 t)。氦气消耗强度随制程微缩急剧上升:90 nm 以上成熟节点单片晶圆仅耗氦约24 L,7 nm 约120 L,3 nm 超过150 L,AI 芯片集中的先进制程是氦气需求的主要增量来源。随着AI 芯片制程向2 nm、1.4 nm 演进,单片晶圆氦耗还将进一步上升。
从供给格局看,全球氦气资源分布高度不均,约70%的氦供给来自美国和卡塔尔,2026 年卡塔尔拉斯拉凡(Ras Laffan)氦气综合体因地缘冲突影响生产,导致全球约三分之一的氦气供应面临中断风险,进一步凸显了氦气供应链的脆弱性。中国氦气资源主要为伴生资源,含量低,产能不足,大量依赖进口,受供应中断影响较大。随着中国半导体产业的快速发展和AI 芯片产能的扩张,氦气需求将持续增长,保障氦气稳定供应已成为中国AI 产业链安全的重要课题。
3 AI 基础设施层(数据中心)及其相关矿产情况
根据AI 基础设施层(数据中心)IT 计算子系统、数据传输子系统、供配储电子系统、冷却子系统四个子系统所用矿种的综合梳理和分析(图3),本文主要讨论铜、铝、镓、锗、铟、锂、石墨、稀土、硅、锡、金、银、钽、钯等14 种矿产/元素使用情况。数据中心用主要矿产情况列于表1。世界各国正在加速部署AI 数据中心,数据中心装机量未来将大幅增加,本文主要以国际能源署(IEA)对全球数据中心装机基准情景、起飞情景、逆风情景、高效情景的预测结果为基础,作为金属需求量分析的基本依据(图4)。
表1 数据中心主要矿产使用情况

矿种系统主要用途单位用量/GW备注BESS(按0.4~0.8 GW·h/GW 配置,0.7 kg LCE/kW·h):LCE 560~2 240 t/GW;UPS 约30 kg/MW石墨供配储电 BESS/UPS 电池负极(LFP 和NMC 体系均需)800~3 200 tBESS(按0.4~0.8 GW·h/GW 配置,约1.0 kg 石墨/kW·h):800~3 200 t/GW单卡A100 含铜1 374 g(散热器1 303 g);设施级服务器部分约2 t/MW,占数据中心总铜耗约2%数据传输光模块连接器、触点镀层、机架内DAC 高速铜缆/AOC 光缆含在数据中心总铜耗中,不单独量化供配储电电力电缆、母线槽、变压器绕组、PCB 线路、连接器-基础设施层用量最大的金属IT 计算GPU 散热器(均热板/热管)、PCB 走线、连接器、服务器电源铜约3.9 万t 训练设施35 t/MW,推理设施25.5 t/MW;1 GW 约3.9 万t(39 t/MW);BofA 行业基准60~75 t 金属/MW冷却液冷冷板、管路、CDU 换热盘管、冷却塔、铜热管(风冷)液冷系统476 kg/MW;风冷方案1 000~2 000 t/GW,液冷方案3 000~5 000 t/GW硅IT 计算GPU/CPU/HBM/ASIC 芯片基底、封装基板23~63 t单卡A100 含硅约13.4 g;H100 裸片(~800 mm²)含硅约20 g;缩放至设施级为kg/MW 量级锡IT 计算PCB 组装焊料、BGA(球栅阵列)互连、无铅焊料合金约120 t单卡A100 含锡20.3 g;服务器整机约120 kg/MW金IT 计算芯片键合线、连接器触点镀层单卡A100 含金0.042 6 g数据传输光模块连接器触点镀层微量,含在总金耗中银IT 计算导电浆料、焊料合金、MLCC 电极单卡A100 含银0.55 g钽IT 计算MLCC(多层陶瓷电容器)、钽电解电容器、高可靠性去耦微量(AI 服务器MLCC 用量庞大,单卡克级以下)钯IT 计算MLCC 电极、连接器镀层微量克~千克级稀土(NdFeB)1.75 kg NdFeB/MW_IT(基线);随HDD 被SSD 替代,采用率从2025 年约50%降至2035 年约5%,需求急剧萎缩冷却EC 风机电机、BLDC 变速泵电机钕铁硼磁体(含Nd/Pr,热区加Dy/Tb)1.0 kg NdFeB/MW铟数据传输InP(磷化铟)光模块激光器芯片核心组分IT 计算HDD 主轴电机钕铁硼磁体(Nd/Pr,高温场景加Dy/Tb)约1 t(占InP 质量约51%)32~98 kg32~98 kg/GW(按60 万~100 万只光模块/GW、每只4~8 颗InP 激光器估算,含加工损耗)数据传输GaAs 基VCSEL 激光器(850 nm 短距光模块,如800 G SR4/SR8)1~5 kg/GW(光模块部分,含衬底切割损耗)镓单颗GaN 功率IC 含镓约95 μg;1 GW 数据中心GaN 器件含镓5~60 kg,考虑衬底外延损耗后实际镓需求0.5~2 t/GW锗数据传输光纤纤芯掺杂剂(GeO2,提高折射率实现全反GaN(氮化镓)功率器件,高效电源转换;GB200 NVL72 单机柜约7 000 颗,800 V HVDC 架构将升至10 万颗+0.5~2 t供配储电射);硅光芯片Ge 光电探测器120~400 kg多模光纤约3.4 g Ge/km,单模0.11~0.13 g/km;1 GW 数据中心内部光纤数万至十几万千米,合计120~400 kg/GW铝供配储电母线槽、电缆护套、结构框架0.8 万~1.0 万t电力系统460 kg/MW+备用电源1 200 kg/MW冷却风冷散热鳍片、冷板、冷凝器翅片液冷系统450 kg/MW;冷却系统合计约6.7 t/MW锂供配储电BESS 储能电池(LFP 为主,占比超90%)及UPS锂电池;削峰填谷、绿电消纳、备用电源560~2 240 t LCE

图3 数据中心的主要组成<br>
Fig. 3 Main components of data center<br>(资料来源:文献[15],有修改)
图3 数据中心的主要组成

图4 2023—2035 年全球数据中心装机量预测<br>
Fig. 4 Forecast of global data center installed capacity from 2023 to 2035
图4 2023—2035年全球数据中心装机量预测
3.1 铜
铜是AI 数据中心用量最大、分布最广的金属,四个子系统均有消费,供配储电子系统是铜消费的绝对主力(表1)。铜在该子系统中的用途覆盖电力电缆、母线槽、变压器绕组、PCB 线路和连接器。根据BAJAJ 等测算,训练设施铜强度为35 t/MW,推理设施为25.5 t/MW。训练设施用铜量更大,是因为其机架功率密度高达40~100 kW/机架,需要更粗的母线、更厚重的变压器组和更激进的液冷系统。以1 GW GB200 架构为标准化单元,铜耗总量约3.9 万t(39 t/MW)。
冷却子系统是铜消费的第二大来源。液冷系统中铜的使用强度达476 kg/MW,用于冷板、管路、CDU 换热盘管和冷却塔。冷却方案直接影响铜耗,风冷以铝制散热鳍片和铜热管为主,用铜1 000~2 000 t/GW;液冷需要大量铜制冷板和管路,用铜3 000~5 000 t/GW。随着AI 算力密度的提升,液冷渗透率快速提高,将进一步增加冷却子系统的铜消费。
IT 计算子系统的铜占比很小,但不可忽视。FALK 等实测单块A100 GPU 含铜1 374 g,其中,散热器1 303 g,仅占数据中心总铜耗的约2%。服务器整机层面铜强度约2 t/MW,主要来自PCB 走线、连接器和服务器电源。综合来看,数据中心中供配储电子系统贡献了约90%以上的铜耗。
从需求规模看,根据国际能源署(IEA)数据中心装机量分析,2025—2030 年,全球数据中心用铜量为85 万~98 万t/a,不足当前全球铜消费量的4%。虽然占比不高,但数据中心用铜增速显著高于传统行业,且集中在高功率密度场景,对高纯铜、精密铜材的需求拉动更为明显。
3.2 铝
铝在供配储电子系统中用于母线槽、电缆护套和结构框架(电力系统460 kg/MW,备用电源1 200 kg/MW),在冷却子系统中用于风冷散热鳍片、冷板和冷凝器翅片(液冷系统450 kg/MW,冷却系统合计约6.7 t/MW)。铝的密度低于铜,在散热和导电应用中与铜存在替代关系,但数据中心高功率密度场景对导电性和空间效率的要求使铜仍占主导。
综合测算,数据中心用铝0.8 万~1.0 万t/GW。根据国际能源署(IEA)数据中心装机量预测,2025—2030 年全球数据中心用铝量为18 万~25 万t/a。与铜类似,数据中心用铝在全球铝消费总量中占比不高,但对高端铝合金材料(如高导热铝合金、高强度结构铝)的需求具有拉动作用。
3.3 储能电池材料:锂与石墨
供配储电子系统包含两类电池:UPS 电池承担断电后秒级至分钟级过渡保护,传统方案以铅酸电池为主,正快速被磷酸铁锂电池替代;BESS(电池储能系统)承担削峰填谷、绿电消纳和备用电源功能,容量以MW·h~GW·h 计。
2025 年以来,工业和信息化部等八部门联合发布《新型储能制造业高质量发展行动方案》,首次将数据中心配储列为重点应用场景;内蒙古、宁夏、甘肃等“东数西算”枢纽节点已要求新建AI 数据中心项目储能配置比例不低于10%/2 h,部分高比例绿电消纳项目要求达20%/4 h。全球来看,BESS/AIDC功率配比预计从2026 年约18%升至2030 年约25%,配储时长从3.5 h 延至4.2 h。
当前数据中心BESS 中磷酸铁锂(LFP)占比已超过90%。LFP 不含镍、钴,但消耗锂、石墨和磷。按数据中心侧BESS 配置0.4~0.8 GW·h/GW、LFP 单耗约0.7 kg LCE/kW·h、约1.0 kg 石墨/kW·h 估算,对应锂(LCE)560~2 240 t/GW、石墨800~3 200 t/GW。若计入为消纳数据中心负荷而在电网侧配套的独立储能电站,实际储能矿产需求可能是上述数据中心侧的2~3 倍,最多可能消费碳酸锂约17 万t/a,石墨24 万t/a。
3.4 光通信材料:铟、锗、镓
在万卡乃至十万卡规模的GPU 集群中,GPU 与光模块的配比已从H100 时代的约1∶3 升至B300 NVL72 架构的约1∶4.5,自研ASIC 集群中更高达1∶8。1 GW GB200 架构需部署60 万~100 万只800 G/1.6 T 光模块。光模块速率的提升和数量的增长,直接拉动了铟、锗、镓等光通信材料的需求。
磷化铟(InP)是800 G/1.6 T 光模块激光器芯片(EML、CW、VCSEL)的核心衬底材料,在800 G 及以上高速率场景中无可替代。单只800 G 光模块需4~8 颗InP 基激光器芯片,1.6 T 光模块的InP 消耗量接近800 G 的3 倍。铟(In)是InP 的组成元素,占InP 质量比约51%。1 GW AI 数据中心按60 万~100 万只光模块、每只4~8 颗InP 激光器估算,考虑衬底加工损耗(切割、研磨和良率),铟需求32~98 kg/GW。全球精炼铟产量800~1 000 t/a,AI 光模块是重要增量,但非主力,铟最大消费仍是ITO 靶材。
锗在光通信中有两个用途。一是硅光芯片中的锗光电探测器,单颗硅光芯片耗锗仅约0.7 mg,用量极小。二是光纤纤芯掺杂剂,这是锗在光通信中的主要用途,四氯化锗在光纤预制棒制造中沉积为二氧化锗,提高纤芯折射率以实现光信号全反射传输。锗掺杂在光纤中不可替代,替代掺杂剂(如五氧化二磷)会引入额外色散,重新认证周期长达10~15 a。单模光纤含锗0.11~0.13 g 金属当量/km,AI 数据中心内部大量使用多模光纤(短距链路),一个GW 级数据中心内部光纤总长可达数万千米至十数万千米,光纤掺锗是基础设施层锗需求的最主要贡献项,合计120~400 kg/GW。预计2025—2030 年光通信锗需求将超过100 t。
镓在数据中心中有两个截然不同的用途,分别属于数据传输和供配储电两个子系统,后者是主要消费。在数据传输子系统中,镓用于GaAs(砷化镓)基VCSEL 激光器(850 nm 短距光模块,如800 G SR4/SR8。GaAs 衬底是VCSEL 的唯一基底材料,但单颗VCSEL 芯片含镓仅亚毫克级,60 万~100 万只光模块全算上镓用量1~5 kg/GW(含衬底切割损耗)。在供配储电子系统中,GaN(氮化镓)功率器件可使磁性元件体积缩小达60%,已成为AI 数据中心高效电源转换的核心器件。当前GB200 NVL72 机柜使用约7 000颗GaN 芯片,英伟达800 V HVDC 架构将使单机柜GaN 用量升至10 万颗以上。1 GW 数据中心的GaN器件含镓5~60 kg(取决于架构和渗透率),考虑衬底和外延损耗后实际镓需求约0.5~2 t/GW。
3.5 稀土
稀土在数据中心中有两个消费方向。在IT 计算子系统中,稀土用于HDD(机械硬盘驱动器)主轴电机的钕铁硼(NdFeB)磁体(含Nd/Pr,高温场景加Dy/Tb)。HDD 相关稀土强度基线为1.75 kg NdFeB/MW,但随HDD 被SSD(Solid State Drive,固态硬盘)替代而急剧下降-HDD 采用率从2025 年约50%降至2035 年的约5%。在冷却子系统中,稀土用于EC(电子换向)风机电机和BLDC 变速泵电机的钕铁硼磁体。每MW 的风扇/泵电机含约1.0 kg NdFeB 磁体,且该需求不随存储介质技术变化而变化。综合来看,数据中心稀土总需求在HDD 衰退期可能保持平稳甚至小幅下降,但随着液冷系统渗透率提升和冷却风机功率增大,冷却子系统的稀土消费将稳步增长。
3.6 电子装联材料:硅、锡、金、银、钽、钯
硅是GPU、HBM、CPU、ASIC 和存储器的芯片基底。单块A100 芯片含硅约13.4 g,若计入封装基板和配套芯片,单块加速卡含硅量更高,裸片含硅约20 g。按1 GW 需60 万张GPU 估算,半导体级硅23~63 t/GW。锡用于IT 计算子系统的PCB 组装焊料和BGA(球栅阵列)互连。FALK 等实测单块A100 含锡20.3 g,服务器整机层面约120 kg/MW。
金、银、钽、钯均属IT 计算子系统中的微量但不可替代材料。金用于芯片键合线和连接器触点镀层、光模块触点镀层;银用于导电浆料和焊料合金;钽用于MLCC(多层陶瓷电容器),AI 服务器中MLCC用量庞大;钯用于MLCC 电极和连接器镀层。这些金属单卡含量以克计甚至毫克计,但全球GPU 年出货量以千万颗计,总量规模仍然可观。
综合以上分析,2025—2035 年,AI 数据中心相关矿产总需求从约69 万t 增长至约260 万t,增长约3.8 倍,其中,电力基础设施和热管理系统贡献了绝大部分质量。需要强调的是,该总量以铜、铝等大宗金属为主,镓、锗、铟等小金属虽质量占比极低,但战略价值和供应风险远高于大宗金属。
4
智能终端层及其相关矿产情况
智能终端层是AI 能力从云端向物理世界延伸的载体。与基础设施层以MW 为单位量化不同,智能终端层以台/辆为单位,单台矿产含量以千克计甚至克计。智能终端层的另一个显著特征是与新能源汽车、消费电子等产业链高度重叠。AI 并非凭空创造新的矿产需求谱系,而是在已有电动化和信息化基础上叠加矿产消费增量。本文将AI 智能终端分为人形机器人、智能网联新能源汽车、服务机器人、智能工厂与工业机器人,以及智能家电、3C 和智能穿戴设备等AI 边缘设备五类。
4.1 人形机器人及其相关矿产情况
人形机器人是AI 产业中全新的终端品类,其矿产需求集中在伺服电机、电池和控制器三个子系统。稀土永磁(NdFeB)是人形机器人最具标志性的矿产。一台人形机器人通常配备20~40 个伺服电机(关节执行器),每个伺服电机均含NdFeB 永磁体,单台稀土永磁含量3.5~4.0 kg,高于一辆EV 驱动电机的稀土永磁含量(2~3 kg)。铜用于线束和电机绕组,单台消耗4~8 kg。单台电池容量2~5 kW·h,对应碳酸锂2~3 kg。镓用于控制器中的GaN 功率器件。传感器(力传感器、视觉传感器、IMU 等)还涉及钽、锗、镓等小金属,但单位用量极小。
2025 年是全球人形机器人量产元年,出货量仅为1.8 万台,2026 年有望超过10 万台,若2030 年达到百万台级、2035 年达到千万台级、2050 年达到5 000万台乃至上亿台级别,对矿产资源的消费量将非常可观。乐观情况下,2050 年人形机器人消耗稀土永磁体量有望达到17.5 万~40.0 万t,大致相当于新能源汽车领域稀土永磁体消费的2~5 倍,铜消费量达到20 万~80 万t,相当于再造一个新能源汽车量级的耗矿产业部门。
需要指出的是,上述预测基于高度乐观的情景假设。人形机器人产业仍处于发展初期,面临技术成熟度不足、成本居高不下、应用场景有限等诸多挑战。若技术突破不及预期或成本下降缓慢,2050年出货量可能远低于上述预测。因此,建议在政策制定中采用多情景分析,充分考虑产业发展的不确定性。
4.2 智能网联新能源汽车及其相关矿产情况
智能网联新能源汽车(EV)的矿产需求可分为传统EV 已有的电池和电机矿产(主体),以及AI 自动驾驶增量带来的矿产。
主体部分为电池金属和铜、铝、稀土等。每辆EV 动力电池含碳酸锂当量30~50 kg、石墨50~80 kg、镍30~100 kg(NMC 路线)或0 kg(LFP 路线)、钴5~10 kg(NMC 路线)或0 kg(LFP 路线),驱动电机含稀土永磁2~3 kg,全车用铜约80 kg,用铝按200 kg 计。如果按照2040—2050 年全球智能网联电动车市场渗透率达到近100%,即达到9 500 万~1 亿辆水平,对应锂、石墨、铜、铝、稀土永磁体需求将分别达到285 万~475 万t LCE、475 万~760 万t、760 万t、1 900 万t、19 万~29 万t NdFeB,钴、镍需求受电池技术路线影响具有不确定性。
AI 增量部分来自自动驾驶计算平台、传感器和功率半导体。自动驾驶域控制器含硅芯片(SoC、MCU)、镓(GaN 功率器件)或锗(SiGe 射频);激光雷达含镓(GaAs 激光器)、锗(红外探测器);毫米波雷达含砷化镓射频芯片。碳化硅(SiC)功率器件在800 V 高压平台中的渗透率快速提升,是电动汽车电力电子系统的关键增量材料,单车用镓和锗各数克至数十克,但是由于汽车生产数量庞大,到2050 年也有望达到500~5 000 t 的消费规模,同样可观。
此外,自动驾驶若推动Robotaxi 商业化,车辆利用率可能从私人用车的约5%提升至40%以上,加速车辆更替和电池消耗,间接拉动锂、钴、镍、石墨需求。同时,智能网联汽车的V2X(车路协同)通信基础设施建设还将拉动铜、稀土等矿产的额外需求。
4.3 其他终端部门
服务机器人包括清洁机器人、配送机器人、医疗机器人、农业机器人等品类,其AI 增量主要体现在环境感知、自主导航和人机交互。与工业机器人和人形机器人相比,服务机器人单台功率小、关节数少(通常3~10 个电机),单台稀土永磁含量0.05~0.30 kg,矿产强度显著低于人形机器人。但服务机器人的出货量基数大-全球服务机器人年销量已达数百万台级,且快速增长,总量上可能形成可观的稀土和铜需求。服务机器人的矿产谱系与人形机器人类似,但量级更低,以硅(控制芯片)、铜(电机和线束)、稀土(小型永磁电机)和锂(电池)为主。
工业机器人并非新生事物,全球工业机器人年装机量已超50 万台,在汽车制造、3C 组装等领域广泛应用。AI 对工业机器人的增量主要体现在机器视觉、柔性抓取、自主决策和人机协作,而非机器人本体的矿产构成变化。传统工业机器人单台含稀土永磁2~5 kg(伺服电机)、铜5~15 kg。AI 增量主要来自视觉传感器(硅、镓、锗)和AI 控制器(硅、镓),单台增量以克计至百克计。因此,工业机器人的矿产需求主体仍由制造业自动化大趋势驱动,AI 是增量叠加而非结构重塑。但“智能工厂”场景下AI 驱动的产线升级和设备更新换代,可能在整体上提升工业机器人的装机增速和传感器密度。
边缘AI 设备(AI 手机、AI PC、智能耳机、AIoT传感器、智能摄像头等)的单台矿产用量极小,但以数十亿台的出货基数形成可观总量需求。其矿产谱系与智能手机类似:硅(SoC/AI 加速器)、锡(焊料)、钽(MLCC)、金(键合线)、铜(PCB/线束)、稀土(振动马达/扬声器磁体)、锂(电池)、钴(电池正极)等。由于边缘AI 设备的矿产强度与传统消费电子差异不大,AI 对该领域矿产需求的拉动主要体现为产品更新换代加速和出货量增长,而非单位产品矿产强度的显著提升。
5
AI 产业链对能源及新能源矿产的影响
AI 数据中心7×24 h 运行消耗电力,芯片制造、智能终端充电也同样需要电力,这些电力需求沿“发电-输配电-储能”链条传导,拉动特高压输配电、风电、光伏和新型储能四个板块的矿产消费。能源层矿产需求的最显著特征是:与新能源矿产高度重叠,AI不是在独立赛道上拉动矿产,而是进一步叠加增量。
5.1 AI 与电力
AI 产业链的核心是算力,算力的背后是电力。根据国际能源署(IEA)预测,起飞情景下到2035 年数据中心用电量有望达到1 600 TWh(图5),较2025年增长2.4 倍。但是,受技术进步影响,到2035 年数据中心的装机和用电是否会持续保持较高增速是不确定的,如果技术进步大幅提高训练效率,数据中心用电也面临不确定性。

图5 2023—2035 年全球数据中心全球电力消费量预测<br>
Fig. 5 Global electricity consumption forecast for data centers from 2023 to 2035<br>
(资料来源:文献[15])
图5 2023—2035年全球数据中心全球电力消费量预测
为了进一步说明AI 发展对于电力消费的拉动作用,本文以我国电力消费量为基础,通过横向纵向的对比,说明这种变化。根据国际能源署(IEA)数据,2024 年美国、日本、韩国人均用电量分别为12 741 kW·h/人、8 204 kW·h/人、12 092 kW·h/人,同期中国人均用电量为6 874 kW·h/人,2025 年中国用电量首次超过10 万亿kW·h 大关,人均用电量持续增长至7 381 kW·h/人。
考虑我国工业化发展阶段,与美国、日本、韩国等产业结构对比,若不考虑AI 发展,预计中国全社会用电量峰值估计将在2035 年前后到来,达到约13万亿kW·h(图6),人均用电量为9 500 kW·h/人(图7),略微超过日本,低于美国和韩国的水平。然而,在AI 推动下,中国全社会用电总量还将持续增长到2040 年前后,人均用电量达到10 335 kW·h/人水平。在此期间,美国、日本、韩国、欧洲等发达国家和地区因为发展AI 产业及其相关制造业配套,电力消费也会在保持多年稳定后重新进入上升阶段。AI 对电力消费的拉动不仅体现在数据中心本身,更体现在AI 驱动的制造业智能化、电动化交通普及、智能家居普及等全产业链的电力需求增长。

图6 2020—2050 年中国电力消费量预测<br>
Fig. 6 Forecast of China’s electricity consumption from 2020 to 2050
图6 2020—2050年中国电力消费量预测

图7 2025—2050 年中国人均电力消费量预测<br>
Fig. 7 Forecast of China’s per capita electricity consumption from 2025 to 2050
图7 2025—2050年中国人均电力消费量预测
5.2 AI 叠加下的新能源产业与新能源矿产
受能源转型和能源安全政策等影响,未来20 年,全球和中国用电量的增加主要通过风电、光伏等新能源电力满足需求,同时带来巨大的储能需求和一定的特高压电网建设需求。然而,AI 叠加造成的电力需求增幅,远没有风电、光伏替代煤电所带来的储能需求对矿产拉动的幅度大。2025 年,我国全年投运新型储能项目功率规模达66.43 GW,能量规模达189.48 GW·h,同比分别增长52%和73%,平均时长2.58 h。
笔者团队此前针对新能源产业产-储-运-用体系进行过系统的分析,厘定出锂、铜、铝、镍、钴、钒、硅/高纯石英、铀、铂、镨、钕、镝、萤石、铽、银、镁、镓、磷、石墨等新能源矿产清单,与风电、光伏、储能、特高压等密切相关的包括铜、铝、钴、镨、钕、镝、镓、铂、钒、锂、镍等。AI 产业链所需矿产与上述新能源矿产高度重合,本质上是在新能源矿产需求基础上的增量叠加。
风电和光伏是AI 数据中心绿电供应的重要来源。科技企业正大规模签订风电、光伏购电协议,部分“东数西算”枢纽节点要求新能源消纳比例不低于80%。风电机组的矿产需求集中在齿轮箱/直驱发电机、塔筒和电缆。AI 对电力的增量需求加速了风电、光伏大基地建设,间接增加了铜、铝、稀土等相关矿产消费。数据中心白天用电高峰与光伏发电高峰天然重合,“光储直柔”(光伏+储能+直流配电+柔性用电)在数据中心场景的渗透率可能快速提升,使光伏与BESS 的配套更加紧密,间接拉动锂和石墨需求。
新型储能是能源层中增量最快的板块,服务于电网调峰调频、新能源消纳和系统备用,锂和石墨是新型储能的核心矿产。当前新型储能中LFP 占比超过90%。2025 年全球电池储能新增装机108 GW(同比+40%),储能已超越电动汽车成为锂消费增长最快的需求来源。中国“东数西算”枢纽节点要求新建AIDC 项目储能配置比例不低于10%~20%、时长2~4 h,部分“算电协同”项目还要求配套电网侧独立储能。铜在储能系统中用于电池模组连接、BMS线束、PCS(储能变流器)和升压变压器,铜强度0.8~1.2 t/MW·h。一个1 GW·h 储能电站用铜800~1 200 t。新型储能是AI 与新能源矿产重叠度最高的板块。锂、石墨、磷同时是动力电池和储能电池的核心材料,AI 数据中心配储与电动汽车、消费电子共同争夺同一组电池金属产能。
特高压输配电是AI 电力从发电端送达数据中心的物理通道,也是能源层中矿产消费量最大的板块。其中,铜在输配电中用于变压器绕组、电力电缆和开关设备。铝在特高压输电中用于架空导线(钢芯铝绞线)和变电站导体。中国特高压线路以铝代铜为主,铝的密度仅为铜的30%,在架空长距离输电中具有显著的重量和成本优势。根据BAJAJ 等测算,配合数据中心的电网侧铜、铝需求分别为电网侧的2 倍和50%,相当于2035 年全球近200 万t 铜和10 万t 左右铝的消费。特高压电网建设的矿产需求虽然不直接计入数据中心用矿,但是AI 产业链拉动电力需求的必然结果,应纳入AI 产业链矿产需求的完整核算框架。
6
AI 产业链对矿产资源格局影响的综合分析
基于前文对AI 产业链四层框架的系统分析,从智能化与电动化的关系、矿产需求结构、小金属需求潜力、人形机器人的特殊拉动作用、供应链脆弱性五个方面,综合研判AI 产业链对全球矿产资源格局的影响,并提出相应的政策建议。
6.1 智能化的发展以电动化为前提,AI 产业发展是全社会电动化的强有力推动力
发展AI 产业链本质目标是提高全社会的智能化水平,这一进程必须以更广泛、更大规模的电动化为前提。AI 算力的运行需要海量电力支撑,AI 智能终端(人形机器人、智能网联汽车、服务机器人等)均以电力为动力来源,AI 对制造业的赋能也加速了工业领域的“绿电代煤”“绿电代油”进程。因此,AI 产业的发展不仅本身是电力消费大户,更通过智能化改造推动全社会各领域的电动化转型。
2020 年国际可再生能源署(IRENA)预测,为了实现1.5 ℃温控目标,到2050 年一次能源消费中电力消费需达到51%,且91%以上电力来自风电和光伏。AI 产业的加持不仅使该目标可行性显著提升,甚至有望超越该目标,实现更各大深度的电动化水平。从中国情况看,AI 发展将使全社会用电量峰值从2035 年推迟至2040 年前后,人均用电量从约9 500 kW·h 提升至10 335 kW·h,增量电力主要由风电、光伏等新能源满足,从而间接拉动铜、铝、稀土、锂、石墨等新能源矿产的需求增长。
6.2 AI 产业链所需矿产与新能源矿产高度重合,但消费规模总体小于后者
由于AI 产业链用矿的核心逻辑是以电动化促进智能化,因此,其所需的绝大部分矿产与新能源矿产目录重合,尤其是铜、铝、稀土、锂、钴、镍、石墨是高度重合的矿种。然而,相较于新能源、新能源汽车对金属数百万吨甚至数千万吨的拉动,直接由AI产业链拉动的金属总体在数十万吨到百万吨规模。
换言之,AI 产业链相当于是在以往电动化、绿色电力的基础上再叠加20%~30%的需求增量,使新能源矿产的需求规模更大,竞争和保障压力进一步提升。这一判断意味着,AI 产业链不会从根本上改变全球矿产资源格局的基本盘,但会显著加剧关键矿产的供需紧张程度,尤其是在新能源矿产需求高速增长的背景下,AI 叠加效应可能使部分矿种的供需缺口提前显现。
6.3 智能化金属用量小,但精度要求高,海量智能化设备的生产对镓、锗、铟等金属的需求潜力可观
从上文的分析可以发现,直接与设备和设施的智能化相关的元素主要为镓、锗、硅、钽,以及金、银、铂等贵金属,其在设备中的单台用量均在几克级至几十克的水平。这些金属的共同特征是:用量虽小,但不可替代性强、纯度要求高、加工难度大、供应链集中度高。
根据研究,2040—2050 年,全球各类具备AI 功能的智能设备年产量总数可能达到3 亿~5 亿台。即便是单台设备平均仅含5 g 小金属,总量消耗也可达到1 500~2 500 t。对于全球年消费量只有数百吨或千吨左右的金属而言,也是极为可观的需求规模,且这些金属生产难度极大、精度要求高、成本也高,其综合市场价值不亚于铜、稀土、锂等矿产。
6.4 人形机器人产业对稀土需求的拉动不可限量
人形机器人作为一个有望达到新能源汽车产业规模的新技术和新产业,尽管2026 年全球仅有10 万台的市场规模,却具备达到上亿台生产能力的潜在动力。尤其是对于稀土永磁体的拉动作用,配合新能源汽车、工业机器人、服务机器人、国防产业等产业的同步发展,未来20 年有望实现3~5 倍甚至更高幅度的需求增幅。
6.5 氦气和高纯石英矿是AI 产业链中极为关键的易被“卡脖子”的关键矿产
作为半导体晶圆、光纤预制棒制造的关键耗材,氦气和高纯石英矿随着GPU、光模块产量的增加需求将高速增长,同时其高度集中的供应格局(氦气主要集中于美国和卡塔尔,高纯石英主要集中于美国)成为供应链不稳定的最大因素,是各国最易被“卡脖子”的AI 产业链关键矿产。
7
保障AI 产业链矿产稳定供给的政策建议
综上,本文在前人研究基础上,首先建立了涵盖芯片制造层、AI 基础设施层、智能终端层,以及驱动AI 发展的能源层的四层AI 产业链分析框架,为分析AI 产业链所需的关键矿产奠定了坚实的基础。其次,根据对前人研究的系统梳理,把AI 产业链所需的矿产分为三类:①智能化所需的镓、锗、硅、钽、金等金属,用量小但极为关键;②绿色能源和电动化、设备轻量化必需的铜、铝、锂、钴、镍、磷、石墨、稀土等矿产,用量相对规模较大;③半导体制造关键原料:氦气和高纯石英。研究认为,AI 产业链正在以叠加和融合电动化、绿色化、轻量化的方式,掀起关键金属需求的新一轮变革,各国均在加快建立基于本土安全的AI 产业链体系,全球AI 产业链相关的关键矿产需求竞争压力将持续增大。
结合我国实际,从供需两端、探产供储销全链条、国内国外综合施策,全力保障AI 产业链所需矿产的稳定供给,具体建议如下所述。①从地质勘查和矿山供给来看,由于关键矿产多为共伴生矿产,在加大铜、锂、重稀土等主矿产勘查投入的同时,加强镓、锗、铟等资源的综合评价,加强全量关键金属的综合利用。②从二次供给来看,由于技术日新月异,智能化、电动化设备更新换代速度加快,大量废旧设备的产生也将带来大量可循环利用的金属,亟需根据产业发展特点,超前布局关键金属循环利用产业体系。③从境外供给来看,加强境外关键矿产资源勘查、开发和产业链建设等综合布局,增加供给来源,降低单一来源依赖度,提高供应链韧性。④加快AI产业软硬件设备的技术创新,降低大模型训练的单位能耗和矿产消耗,有效压减需求。



