🏭 算力产业链 · 谁在建 AI 的地基

前传 ①世界联网:需求从哪来

三十年前,地球上还没有互联网,每台电脑各算各的。1991 年万维网诞生,把电脑连成一张网;2007 年 iPhone 又把人人的手机接上网。于是搜索、电商、社交、视频——所有生意都搬到了线上。人越连越多、内容越来越重,背后就得有人提供"存东西、跑网站"的机器。需求的最初源头,是几十亿人天天上网。

前传 ②云的诞生:算力变成"按小时租"

网站和 App 都要服务器,可每家公司自建机房又贵、又常年闲置。2006 年,亚马逊把自己多余的服务器"按小时出租"(AWS)——云计算就此诞生。微软、谷歌迅速跟进,盖起巨型数据中心,把算力像水电一样卖。这批公司就成了互联网时代的"算力地主"——只不过那时候,他们租出去的是 CPU、存储和带宽。地主和数据中心这门生意,早在 AI 之前就长好了。

前传 ③AI 大爆炸:一种全新的需求

真正的转折是深度学习。2012 年 AlexNet 第一次用 GPU 训练神经网络、一举夺得图像识别冠军,证明 GPU 能让 AI 变强;2017 年谷歌提出 Transformer 架构(今天所有大模型的底座);研究还发现一条规律——算力越大、数据越多、模型越大,AI 就越聪明(scaling law),AI 从此变成一场"算力军备竞赛"。2022 年 11 月 ChatGPT 上线,约两个月就突破 1 亿用户,史上最快的消费级应用——需求一夜引爆。老地主们发现:这次要的不是 CPU,而是成千上万颗 GPU。于是他们把"出租 CPU"的生意,升级成"建 GPU 工厂"——这就是我们故事的起点。

至于"真的需要这么多吗?"——先看清它怎么来的,这笔账留到第 7 幕算。

第 1 幕主角登场:「算力地主」

AI 世界的最上游,站着一群「算力地主」:微软 Azure、亚马逊 AWS、谷歌云、Meta,加上 Oracle,以及 CoreWeave 这类专租 GPU 的「新云」。他们做的是同一门生意:把土地、电力、芯片变成算力,再把算力变成钱。这门生意有多疯狂?2025 年四大厂 capex 合计约 $4,000 亿,2026 年指引直接跳到 约 $7,000 亿,同比 +77%,还在加速。

第 2 幕盖一座「算力工厂」

数据中心听起来神秘,拆开看就六步:圈地(选址第一看电、第二看网络、第三看水)→ 盖起像仓库的机房 → 里面立起一排排机柜 → 旁边配自己的变电站把电网高压电降下来 → 铺水冷管道把热量带走(AI 机柜太烫,风扇吹不动了)→ 光纤把它接进全球互联网。从动工到上电常要两三年——排队最久的往往是电网接入,不是施工。

第 3 幕买英伟达 GPU:给工厂装引擎

机房只是壳,引擎是英伟达 GPU。2026 年中的量产主力是 Blackwell Ultra(GB300):一个 NVL72 机柜塞 72 颗 GPU + 36 颗 Grace CPU,柜内用 NVLink 铜缆连成「一颗大 GPU」(整柜 ~130kW,必须液冷),机柜之间再用 InfiniBand/以太网组成上万颗的集群;下一代 Rubin 已宣布投产,下半年上云。GPU 背后还有一条供应链:芯片台积电代工,里面的 HBM 内存SK海力士独大。云厂商的 capex 大头就这样送到英伟达手里——最近一季英伟达数据中心收入 $752 亿,同比 +92%,大半是这些「地主」贡献的。

第 4 幕铺电力 + 网络:真正的瓶颈是电

算力的天花板不是芯片,是电。一座 AI 园区动辄几百兆瓦(MW),新一代旗舰园区直接按吉瓦(GW)规划——OpenAI Stargate 德州 Abilene 园区 ~1.2GW,Meta 路易斯安那「Hyperion」刚追加 $500 亿投资、坐实 5GW,一座顶几百万户家庭用电。为了锁电,云厂商开始「包电厂」:微软签 20 年长约让三里岛核电站重启(835MW,2027 年供电),亚马逊跟 Talen 签下 17 年 1,920MW 核电长约,xAI 在孟菲斯拉燃气轮机应急。美国数据中心用电 2023 年约占全国 4.4%,官方(LBNL/DOE)预测 2028 年到 6.7%~12%。网络这头,园区之间用光纤骨干互联,内部是超低延迟 fabric——电进得来、数据出得去,算力才算活。

第 5 幕算力怎么变钱:三条收钱管道

千亿 capex 蹲在机房里,靠三条管道回血:① 出租算力——按 GPU·小时计费,H100 市价约 $2~4/GPU·小时、新一代 B200 约 $5~6.5,CoreWeave 就是靠把整柜整柜的 GPU 长约租给 OpenAI/微软们长大的(一季营收 $21 亿、同比 +112%,在手订单 $994 亿,光 OpenAI 合同就累计约 $224 亿);② 卖 AI 服务——自己训模型跑推理,按 API token 和 Copilot 订阅收钱;③ 云生态绑定——AI 把客户吸进云,顺带卖存储、数据库和一切,粘住就是长期年金。本质一句话:把一次性的千亿资本开支,变成按小时、按 token 的现金流。

第 6 幕这些算力能做什么

三件事:训练前沿大模型——一次训练动用上万颗 GPU 连跑数月,烧掉一座小城的电;海量推理——每天几十亿次问答、写作、生成,推理已经超过训练成为算力的主要去向;Agentic AI——让 AI 像员工一样连续调用工具干完一整个任务,消耗的算力是普通聊天的几十倍,这是云厂商押注的下一波需求。黄仁勋把这一切叫作「人类历史上最大规模的基建」。

第 7 幕张力:史诗基建,还是史诗泡沫?

多头说需求是真的:英伟达数据中心一季 $752 亿还在涨、H100 转租价仍达原价 95%、算力依旧供不应求。空头说回报没跟上:MIT 调研称企业投入 $300-400 亿做生成式 AI,95% 的机构无可衡量回报;Burry 指云厂商拉长 GPU 折旧年限、2026-28 或少计 $1,760 亿折旧;82% 的基金经理称做多半导体是「史上最拥挤交易」;Bain 测算到 2030 年要长出每年 $2 万亿的 AI 收入才撑得住这轮 capex,还差 $8,000 亿。市场预期 capex 增速 2027 年降到 +25%、2028 年 +6%——放缓一旦兑现,从英伟达到台积电整条链的故事都要重讲。这条张力线,团队有两个 App 在持续盯: