铜匠AI・十点睡觉 retweeted
兄弟们,电商人最贵的不是流量--是出图。
一张主图好几百,详情页一套几千,独立站从头做到脚,预算够请个全职美工。
群里小伙伴说能不能整一套,他们搞电商的可以直接出来的工作流或者Agent啊!
我研究了一圈,被最近火热的AI First 还是AI 工程先行的Creao吸引!
于是用它搭了个 Agent——电商设计专家,一站式出图。宝贝图、详情页报备图、独立站网页,一键下载所有配图,四件套全包。
后台跑的不是垃圾模型,是 Claude,是 Gemini。顶配大脑挂在我自己定义的工作流上。
Agent 内部还是开会——品牌总监定调,视觉总监排版,摄影专家布光,文案专家取标题,场景师做生活感,规格管理兜信任。
并且支持你投喂、你的电商素材、文案、数据、品牌logo等。
六个角色吵完,把整套方案扔出来。
支持五个品类——生鲜、数码、家居、服饰、美妆,各有各的脾气,它全摸过。
最骚的是:Pro Max 会员限时无限出图。
你品,你细品。嘿嘿
Claude 加 Gemini 给你当美工,按月付一次费,敞开了使。
省下来的不只是钱,是那种"我又得算算积分够不够"的微小窒息感。
每一个搞过 AI 出图的同志都懂这种感觉——好不容易构图对了,光也对了,再点一次的勇气却没了。
现在干AI ,越来越信一个朴素的道理:
工具要趁手,更要敞开用。
这玩意儿,敞开用。
Agent 我公开了,可以复用。
如果你想要设计和我一样的Agent,直接看视频教学。
我有完整的电商设计提示词,记得留言回复:电商啊!
100%免费~~地址见评论区👇🏻
不用感谢我。直接打钱就行了~~~
免费注册体验,如果可以消费一把让我赚点AFF也好哈哈!
再次总结一下现在市面上的 design skills:
1. Impeccable
增强版 frontend-design skill,17 个设计命令(/polish、/audit、/distill 等)。
impeccable.style/
2. UI Skills
包含 15 个独立 skills:baseline-ui(Tailwind 设计一致性)、fixing-accessibility(无障碍审计)、fixing-metadata(SEO 元数据)、fixing-motion-performance(动画性能)、12-principles-of-animation(迪士尼动画原则)等。
ui-skills.com/
3. Taste Skill
包含 taste-skill(前端设计)、redesign-skill(升级现有项目)、output-skill(强制 AI 写完整代码)、soft-skill(让东西看起来和感觉昂贵。涵盖高级字体、宽阔的空白、层叠的卡片设计、流畅的弹簧动画以及漂浮导航。)。
github.com/Leonxlnx/taste-sk…
4. Better Icons
MCP server + skill,搜索并获取 20 万+ 图标,支持自动学习常用图标库,直接同步到项目 icons 文件。
github.com/better-auth/bette…
5. UI Design Brain
60+ 组件最佳实践库,包含布局模式、无障碍规则和反模式,支持 5 种设计风格(SaaS、极简、企业、创意、数据仪表盘)。
github.com/carmahhawwari/ui-…
6. AI kit by Motion ($299)
Motion+ 会员专属,包含动画专家 skill、性能审计、CSS spring 生成、过渡可视化和文档搜索工具。
motion.dev/docs/ai-kit
目前 GitHub 上最热门的 Claude Skills 相关开源项目(按 Stars 数降序排列,数据基于 2026 年 1 月最新公开信息,实际数字以 GitHub 实时为准),官方项目放在首位:
1. 官方 Anthropic 出品
anthropics/skills (官方 Agent Skills 公共仓库,包含大量高质量示例技能,如文档处理、web artifacts、MCP builder 等,是最权威的起点)
⭐ 约 39.4k
github.com/anthropics/skills
2. obra/superpowers
Claude Code 超强核心技能库,内置 20+ 实战技能(TDD、debug、协作模式等),社区公认最强之一
⭐ 约 21.1k
github.com/obra/superpowers
3. ComposioHQ/awesome-claude-skills
最受欢迎的 Awesome 列表之一,汇集大量官方+社区技能,覆盖开发、数据分析、商业等领域
⭐ 约 18.9k
github.com/ComposioHQ/awesom…
4. travisvn/awesome-claude-skills
优质精选列表,专注 Claude Code 工作流定制,资源丰富,适合快速发现新技能
⭐ 约 4.8k+(部分 Awesome 列表星数波动较大)
github.com/travisvn/awesome-…
5. K-Dense-AI/claude-scientific-skills
专为科学研究打造,140+ 科学领域技能(生物、化学、数据分析、数据库整合等),研究人员必备
⭐ 约 5.8k
github.com/K-Dense-AI/claude…
这些都是目前收藏数最高的实用项目!官方的 anthropics/skills 质量最稳定,适合作为入门起点;Awesome 列表则是快速探索海量新技能的最佳入口。
使用方法超简单:把技能文件夹复制到 `~/.claude/skills/`(个人全局)或项目内的 `.claude/skills/`,Claude 就会自动发现并按需加载~
推荐先从官方仓库开始试用!
SKILL新人入坑分享
从零到一实现「图片倒推提示词转绘」工作流
我上周开始接触的 SKILL,主要契机是看到 @yetone 大佬开发的 Alma 直接支持 Antigravity Auth 和 OpenAI Codex Auth 来调用两个平台的模型。之前也陆陆续续看到推上很多大佬分享 SKILL 的玩法,没有下定决心去尝试的一个主要原因是 Claude 的订阅一个是难,二个是贵,而我本身已经是 Gemini 和 ChatGPT 的 Plus 用户,用 Alma 等于无缝接入了。
但我上来其实对 SKILL 到底能实现什么还是没底的,当然我也看到了很多大佬介绍的,Claude Code 自带庞大的 SKILL 资源,甚至有自助生成 SKILL 的工具,但我没有订阅 Claude Code 嘛,而且越庞大的资源越带来另外一个问题,就是容易制造选择困难症。
也就是这个时间点,我看到了 @huangserva 大佬开源的 skill-prompt-generator 这个用于生成高质量AI图像提示词的项目。
这个跟我的日常使用场景联系就比较紧密了,因为我平常一个是搞搞 lora 训练,二个就是研究文生图的 Prompt。但是这个项目也是基于 Claude Code 的,不过既然都说 SKILL 的本质就是一个 Markdown 文件,那么能不能移植到 Alma 下来使用呢?
于是我 Clone 了项目,在 Vibe Coding 的状态下,终于调通了第一个 SKILL,虽然我觉得整个移植过程磕磕巴巴的,最终运行效果大概率没有原生项目在 Claude Code 上的表现好,但基本功能跑起来了。
我今天那个反推图片 Prompt 的步骤,就是用的这个 SKILL 实现的。
它的反推结果是:
主体 (Subject): 一位佩戴圆框眼镜的少女 (A young girl with round glasses),有着浅金色的波波头和齐刘海 (blonde bob cut with neat bangs),发间有两个深蓝色蝴蝶结 (navy blue ribbon hair accessories)。
细节 (Details): 面部有雀斑 (freckles),淡绿色的瞳孔 (light green eyes),清冷的面部红晕 (cold blush)。
环境 (Scene): 户外雪景 (snowy outdoor background),雪花落在发丝和镜框上 (snowflakes on hair and glasses)。
氛围 (Vibe): 怀旧且温柔的冬日特写 (nostalgic and gentle winter close-up)。
至于第二部分功能,用北条司的风格重新生成这张图,是我自己写的一个 SKILL,背后的原理,是用 Python 脚本调用我本地运行的 ComfyUI 的 API 进行文生图操作,然后将图片返回到 Alma 的聊天窗口。之所以能生成北条司的风格,是接了一个我自己训练的 lora 模型。
这个 SKILL 具体的通路比我截图展示的还要更复杂一些,后面接入了3组不同的文生图需求,一个北条司风格、一个漆原智志风格,还有一个不带 lora 的 z-image 原生模型生图。
我的初衷是在聊天窗口直接说“生成一张北条司风格的女性肖像”或者“生成一张漆原智志风格的女骑士图”就能返回对应的图片,但是打通这个 SKILL 之后我发现,这个生图的功能天生跟 @huangserva 大佬那个 skill-prompt-generator 的 SKILL 契合度很高,我大概摸索了几次之后觉得,加上这个 SKILL 之后,AI 写的 Prompt 很快质量有了非常大的提高。
所以我上午又加了一个输入图片倒推 Prompt,然后根据倒推的 Prompt 生成新的图片的功能,也就是大家看到那个北条司风格转绘的截图。
但其实这还不是这两个 SKILL 的全部功能,你甚至可以要求,“反推这张图片的提示词,用北条司和漆原智志的风格各生成一遍”或者“用北条司的风格生成三次”。
这样 SKILL 会向服务端发送多次指令,直到完全生成后,将多个生成结果都展示出来。
这个 SKILL 目前只是半成品,通用性不强,主要是为了我自己本地测试 LoRA 生图能力。但正因为这个场景特别适合我自己,所以我愿意投入时间去打磨它——当功能跑通的那一刻,成就感真的爆棚。
结合自己的实际场景搭建个性化 SKILL,实现原本领域的能力提升——这可能才是 SKILL 带给我们最切实的价值。
最后,再次感谢 @yetone 和 @huangserva 两位大佬,开发出这么好的工具。我把这个半成品的 SKILL 分享到 GitHub 上,当作一种抛砖引玉,这个 SKILL 后面的生图功能是配合本地搭建的 ComfyUI + z-image 的一个环境,也可以稍作修改换成其他的生图方式。至于风格化,是我自己训练的 lora 模型,有兴趣的朋友可以在 civitai 上下载到。
项目和 lora 模型地址见评论区。
铜匠AI・十点睡觉 retweeted
1. 2026年后,纯粹的前端、后端、算法、策略岗位会越来越少,活得滋润的都是那种“左手敲代码、右手会让AI干活”的全能构建者。我问了十几个还在一线带团队的大牛,他们现在招人第一条要求就是:你能不能用AI把开发速度干到以前3倍?别再死磕手写一切了,学会借力才是王道
2. 版本控制不会Git的,2026年连面试都不用去了。SVN?那是上古神器,提了别人只会笑你。代码必须上GitHub,Gitee只适合放一些不能见光的小项目。最重要的安全常识:凡是能把你账户搞爆的东西(API Key、私钥、数据库密码),全部写进.gitignore,永远别犯低级错误,不然分分钟被人薅羊毛
3. 云服务器直接选最新版的Ubuntu LTS,Windows Server除非你想天天跟环境配置打架。想省事到极致?前端项目直接丢Vercel,免费额度够用一辈子,git push一下全自动构建部署,10秒上线,爽得飞起。很多百万用户量的独立开发产品到现在还在用Vercel免费版,真的香
4. 域名必须是自己的,越短越好记越好。别再用一堆乱七八糟的github.io二级域名了,看起来就廉价。像wquguru这种个人品牌,直接买个短域名,所有产品都挂在子域名下面,用户一看到就知道是“老王家出的东西”,信任感直接拉满。我现在看到好的短域名就跟抢茅台一样下手
5. 部署必须Docker化,不接受反驳。以前最常见的扯皮就是“在我电脑上能跑”,现在直接给别人一个docker-compose.yml,谁都能一键跑起来。参考我自己的项目结构:github.com/wquguru/llm-counc… ,根目录干干净净,所有服务都能单独起,别人拿过去改两行就能用
6. 前端铁打的组合:Next.js + Tailwind + Shadcn UI。为啥?因为所有大模型在这套技术栈上训练的数据最多,让Claude Code帮你写组件,90%的情况下直接能用,改两行就完美。想用React + AntD也可以,但你会发现AI吐出来的代码永远差一口气。Python党想快速出demo就Streamlit,但只准做内部工具
7. 后端新手直接上FastAPI,老鸟随便你用啥。逻辑不复杂的全栈项目,直接用Next.js的API Routes就够了,全程TypeScript一门语言吃天下,上下文切换成本为零。性能真到瓶颈了再去搞NestJS、Go、Rust,到那时候你已经有钱请人了
8. 项目文件夹要让人看懂,更要让AI看懂。根目录建议这样分:frontend、backend、agents、docs,再加两个神仙文件夹:.spec(放所有规范和决策记录)+.chat(把跟AI的关键对话直接cp进去)。下次你或者别人让AI接手维护,它直接就能看懂前因后果,效率直接起飞
9. 做AI Agent千万别先摸LangChain,那东西就是黑盒子中的黑盒子,调试到崩溃。直接上官方SDK:OpenAI SDK、Claude SDK,代码量少20倍,Token省30%,还100%可控。我现在所有新Agent项目全部原生SDK,调试速度快到飞起
10. 数据库+认证直接Supabase一把梭,开源的Firebase,免费额度离谱地高,后端代码能少写80%。缓存用Upstash,Serverless Redis,跟Vercel无缝打通。一个月几块钱就能扛住几十万日活,独立开发者闭眼冲就对了。省下来的钱和时间拿去喝奶茶不好吗?
铜匠AI・十点睡觉 retweeted
最近 X 上关于写作的话题比较火,正好看到一篇《写作建议》,作者收集了大量关于写作的经典建议,还分门别类整理到了一起。
所有这些五花八门的技巧,背后其实贯穿着几条非常清晰的底层逻辑。如果你也想让自己的文字更抓人、更清晰,也许看完能让你有“原来如此”的感觉。
底层逻辑1️⃣:写作的本质,是“读者体验设计”
这是所有建议中最核心的一条。
很多写作者,包括以前我也这样,在写作时,想的都是“我想表达什么”。但这份笔记里的高手们点出了一个更高级的视角:写作,是关于“读者要吸收什么”。
Steven Pinker 总结得最到位:作者的目标,是在最大化阅读乐趣的同时,最小化读者理解所需的脑力。
别让你的读者“费劲”。
你的工作不是“倾倒”信息,而是设计一条“体验路径”,让读者感觉自己是在毫不费力地“滑滑梯”,而不是满头大汗地“爬山”。
一旦你接受了这个设定,剩下的所有技巧,都是在为这个“最佳体验”服务。
底层逻辑2️⃣:动笔前,先排空你的“污水管”
我们都有过“写作卡壳”的经历:打开空白文档,枯坐半天,一个字都憋不出来。
这份笔记里提到了一个我见过最生动的比喻,来自 Julian Shapiro 的“创意水龙头”:
> 把你的创造力想象成一个堵塞的水管。水管的最前端一英里,塞满的全是“污水”——也就是你脑子里那些最陈词滥调、最平庸、最不过脑子的“烂点子”。你的水管只有一个水龙头。想得到后面的“清水”,唯一的办法就是:先把这些“污水”全都放干净。
为什么在写作时会卡壳?因为我们总想一上来就写出金句。我们写下第一句“污水”(比如“这是一个值得思考的问题……”),然后立刻自我批判:“天啊,这写的是什么垃圾!”——于是我们删掉,试图等待“灵感”。
结果,我们永远卡在“污水”这一层。
而职业写作者的秘诀是:他们坦然接受“污水”的存在。他们会在写作初期,把脑子里所有能想到的烂点子、烂句子全都写下来。不评判、不删除,只是为了“排空管道”。
当你把这些平庸的想法都倒空之后,那些真正的好创意、好句子,才会“哗啦啦”地流淌出来。
所以,别再等灵感了。下次卡壳时,允许自己先写个垃圾出来。这是通往好内容的必经之路。
底层逻辑3️⃣:用“节奏感”黏住读者的大脑
好了,现在“清水”来了,你开始写作了。如何让读者不跳过、不走神,一字一句读下去?
答案是:制造“音乐”。
我们的大脑天生厌恶单调。如果所有句子的长度都差不多,大脑就会进入“无人机”般的嗡嗡声模式,很快就会感到无聊并“宕机”。
笔记里引用了 Gary Provost 的一段经典演示,我转述一下:
> 这个句子有五个词。这里又是五个词。五个词的句子很好。但是一连串的五个词。读起来就很单调了。听听发生了什么。写作变得很无聊。它的声音在持续。就像一张卡住的唱片。耳朵需要一些变化。
>
> 现在听好。 我改变了句子的长度,我就创造了音乐。音乐。文字在歌唱。它有了宜人的节奏,一种韵律,一种和谐。我使用短句。我也使用中等长度的句子。
>
> 而有时候,当我很确定读者已经休息好了,我就会用一个相当长的句子来吸引他,一个充满能量、不断积蓄动力的句子,就像渐强音,就像鼓点,就像铙钹的撞击——这些声音在说:听着,这很重要。
这就是写作的“节奏感”。它通过长短句的交错,不断“唤醒”读者的大脑,引导他们的注意力。
除了句子长短,还有一些“读者大脑管理”的小技巧:
避免“开头词”重复:Scott Alexander 提醒,如果连续两三个句子都用同一个词开头(比如“我……”“我……”“我……”),读者会立刻感到“不适”,觉得你很笨拙。
控制“聚光灯”:Steven Pinker 提到,主动语态和被动语态不是语法问题,而是“焦点控制”问题。
- 主动(“那个女士用西葫芦砸了一个哑剧演员”)——聚光灯打在女士身上。
- 被动(“那个哑剧演员被女士用西葫芦砸了”)——聚光灯打在哑剧演员身上。
你想让读者先看谁,就让谁做句子的主语。
底层逻辑4️⃣:写作是“沟通”,不是“炫耀”
这部分主要针对非虚构写作,但同样适用于所有人。
1. 给读者“多巴胺小奖励”
斯科特·亚历山大说,读者的大脑很容易累。你必须不断给他们“小奖励”来维持动力。
- 微幽默 (Microhumor):这不等于讲笑话。它是在严肃的行文中,插入一个能让读者“嘴角微不可察地上扬一下”的词或比喻。这就像给读者喂了一颗小糖果。
- 清晰的结构:短段落、小标题、“首先/其次/最后”这样的“路标”(当然也有被误认为 AI 写作的嫌疑)。这能给读者“微小的成就感”(好的,我又读完了一部分”),帮他们“存档”信息。
2. 多使用“比如”和“举个例子”
Steven Pinker:一个没有例子的解释,几乎等于没有解释。
我们作为作者,常常高估了读者对“术语”和“抽象概念”的理解力。因为我们自己已经把这些概念“打包”成了知识块。
当你写“定量宽松”、“熵增”、“熵减”时,大部分读者已经懵了。
当你写“中央银行购买私有资产”时,大家就开始懂了。
当你写“这就好比央行直接下场‘买买买’,往市场里撒钱”时,所有人就都懂了。
永远不要害怕解释你以为人尽皆知的术语。你多花 5 个字,比如一种开花芥菜,去解释“拟南芥”,就能把成千上万的读者留在你的文章里。
写作不是魔法,而是手艺。
它无关灵感爆发,而关乎对读者体验的极致共情。
它要求我们放下作者的自我,去扮演一个体验设计师:思考读者的大脑如何工作,如何让他们在阅读中感到轻松、愉悦并有所收获。
无论是排空污水管、制造节奏感,还是挖掘“第三层情感”,所有技巧最终都指向一件事:
尊重你的读者,尊重他们的时间,以及他们那颗容易疲倦的大脑。
原文:chadnauseam.com/advice/writi…
翻译:baoyu.io/translations/writin…
铜匠AI・十点睡觉 retweeted
这是一篇难得的深度实践文章。作者既在个人项目中频繁使用 Claude Code,又在企业环境下为每月消耗数十亿 token 的工程团队构建 AI-IDE 工具,这种双重视角让文章兼具灵活性和严谨性。
文章不是泛泛而谈,而是针对每个功能给出了明确的使用场景、实践技巧和常见陷阱。比如为什么要避免 /compact,为什么自定义子智能体反而会带来问题,Skills 和 MCP 的真正定位是什么。
作为参考手册,它涵盖了从基础配置到高级特性的完整路径;作为经验分享,它提供了很多反直觉但有效的做法。如果你正在使用或考虑使用 Claude Code,这篇文章能帮你少走不少弯路。
铜匠AI・十点睡觉 retweeted
the game is on.
first 200 to like, comment, and repost - dm us a screenshot to claim your invitation code. don't wait.
铜匠AI・十点睡觉 retweeted
很多X推友可能不知道,早在2023年,X的博客网站就公开过X/Twitter的推荐算法,如果你下定决心要认真运营X账号,一定要了解背后的算法流量机制,更有的放矢地制作优质的内容。
一. 整体逻辑:X如何筛选推文?
X每天要从 5 亿条推文中筛出你可能感兴趣的几十条,整个流程分为三步:
挑选候选推文:从海量内容里找出约 1500 条可能和你相关的推文(既包括你关注的人,也包括没关注的人)。
机器学习排序:用一个有 4800 万个参数的神经网络,对这 1500 条推文打分,预测你会不会点赞、转发或回复。
规则过滤与混合展示:过滤掉你不想看的内容(比如已屏蔽用户、成人内容、重复推文),再把广告、推荐关注等内容一起混合显示。
二、候选推文的来源
可以理解为“算法先去哪里找素材”。分两大类:
1. 网络内推荐(你关注的人)
从你关注的人中挑最新、最相关的推文,使用一个叫 Real Graph(真实关系图) 的模型来预测“你和作者之间的互动可能性”。你和谁互动多,他的内容就更容易被推给你。
2. 网络外推荐(你没关注的人)
这是算法的重点创新部分,靠两种方式:
(1)社交传播图法(GraphJet):看你关注的人最近和哪些推文互动,再看那些推文是谁发的。简单说,“朋友的朋友喜欢的东西” 也可能推荐给你。
(2)兴趣相似度法(嵌入空间 Embedding):用算法把所有人和所有推文映射成数字向量(“兴趣坐标”),看你与某个话题或用户的相似度。
其中最重要的是 SimClusters,它把全站分成约 14.5 万个兴趣社区,比如“科技圈”“韩流圈”“新闻圈”等,每三周更新一次。推文和用户都被标记在哪些社区中,一条推文在某个圈子越火,就越可能被推给同类用户。
三、推文的排序逻辑
当系统得到约 1500 条候选推文后,会用一个大型神经网络模型来打分。
这个模型的目标是:预测你与每条推文的互动概率(点赞、转发、回复等),并据此排序。
它考虑了上千个特征,比如你最近浏览的内容、与作者的关系、推文发布时间、主题类型等。
四、展示前的“微调与平衡”
为了让时间线更自然、不过度偏向某些内容,算法会做一些“人性化调整”:
去重与屏蔽:屏蔽被拉黑/静音账号的内容,或你已经看过的推文。
内容均衡:保持网络内与网络外内容大致各占一半。
作者多样性:防止同一个人连续刷屏。
负反馈降权:你曾经点“不感兴趣”的内容会被系统记住。
社交背书机制(Social Proof):如果你关注的人没和某条推文有任何二度关系(比如点赞或关注作者),这条推文可能不会被推荐。
对话串联:在回复下方显示原帖,帮助理解上下文。
实时更新:如果推文被编辑,会替换为新版本。
五、最后一步:混合上架
当所有推文都排序、过滤完后,系统还要把广告、关注推荐、提示等非推文内容混合在一起,然后发回你的设备。整个流程在后台每天运行 约 50 亿次,平均每次只需 1.5 秒。
一句话总结:
从原始社交行为数据 → 提取兴趣与信任特征 → 生成候选推文 → 神经网络打分排序 → 规则过滤 → 内容混合展示。
铜匠AI・十点睡觉 retweeted
高盛最近发了2025 AI产业研报《Powering the AI Era》,非常有参考价值。提炼总结一下,可以分为19点:
1. AI是基础设施革命:AI是继铁路、电气化、互联网后的重大技术拐点,其发展依赖资本与基础设施支撑,而不仅仅是代码与模型。
2. 天价成本结构:一座250MW AI数据中心总成本约120亿美元,其中内部GPU等设备成本是物理建筑成本的3-4倍。
3. 最紧迫瓶颈在电力:到2030年,全球数据中心电力需求预计激增160%,但当前老旧电网无法适配,构成最紧迫瓶颈。
4. 短期电力矛盾突出:天然气电厂审批建设需5-7年,风光能源供电间歇性强,核电是长期方案,导致短期电力供需矛盾尖锐。
5. 功耗密度飙升:2027年AI服务器机架功率将是5年前云服务器的50倍,GPU高能耗亟需液冷等先进散热方案。
6. 资本投入创纪录:超大规模企业(如亚马逊、谷歌)计划2027年投入1万亿美元用于AI,2024年全球该类企业日资本支出约8亿美元。
7. 供需严重失衡:全球数据中心空置率仅3%,热门市场近0%,2028年前难有大规模新增电力,供需缺口显著。
8. 融资模式创新:传统融资失效,需VC、SASB证券化等创新方式。2025年数据中心SASB交易规模预计突破20亿美元。
9. 主权基金入场:2024年Equinix联合新加坡主权基金、加拿大养老金募资150亿美元,用于扩建美国超大规模数据中心。
10. 电网老化严重:美国电网设施平均已使用40年,2030年美国数据中心需求与供应缺口将达10.4GW。
11. 能源结构预测:高盛预测,60%数据中心新增电力需求将由30%天然气CCGT、30%天然气调峰电厂、27.5%太阳能、12.5%风能满足。
12. 核电目标远大:美国政府推动2050年核电容量达400GW(当前100GW),微软等企业通过长期购电协议重启旧核电站。
13. 表后供电兴起:“自建微电网、直连电厂”成为绕开电网瓶颈的选择,但存在污染与监管争议。
14. 全球资本需求:到2030年,全球能源转型、电力与公用事业、数字基础设施分别需12万亿、3万亿、2万亿美元资本。
15. 新加坡REIT优势:新加坡REIT市场(规模680亿美元)因税收优势,成为全球数据中心REIT上市热门选择。
16. 新玩家涌入:除超大规模企业外,新兴云厂商也在斥资建设GPU数据中心,加剧市场竞争。
17. AI推理耗电巨大:一次ChatGPT查询的耗电量约为一次Google搜索的10倍,凸显AI应用能效差异。
18. 铜成为战略资源:电网大规模升级将推动铜需求,到2030年,电网建设将贡献全球铜需求增长的60%。
19. 地缘政治工具化:数据中心选址已成为地缘政治工具,各国通过政策吸引投资,报告指出中国在电力供应方面具备优势。




























