日益增长的算力短缺

# 日益严峻的算力短缺 来源：https://www.apollo.com/wealth/insights-news/insights/2026/06/growing-compute-shortage ##### 在弗兰克·赫伯特的《沙丘》中，香料是一种不可或缺的资源——仅存在于沙漠星球阿拉基斯——它驱动着星际文明。 到了2026年，算力正在成为我们这个时代的香料。 过去几个月里，围绕AI基础设施的讨论发生了显著变化，如今争论的焦点转向了世界能否以足够快的速度建设足够的算力来满足需求。在AI供应链中，瓶颈同时涌现：GPU稀缺，内存价格飙升，台积电产能几乎售罄¹，电力基础设施已成为关键障碍。其结果是形成了一种新型稀缺性，正开始重塑企业战略、资本配置和市场领导格局。 简而言之，算力指的是训练和运行AI模型所需的计算能力。它依赖于一个深度交织的物理供应链：加速器、高带宽内存、网络设备、大规模数据中心以及巨量电力。AI看似数字化，却越来越受物理世界的制约。 过去一年发生变化的地方，不仅在于更多人使用了AI，还在于AI工作负载本身变得极其消耗算力。传统的聊天机器人交互消耗的算力相对较少。而智能体系统，尤其是编码智能体，消耗的token数量要高出几个数量级，因为它们会迭代推理、测试输出、执行工作流程、使用网络搜索等工具，并在产生结果前反复查询模型。在某些情况下，智能体AI工作负载消耗的token量可能是传统聊天机器人请求的100倍到1000倍。 与此同时，企业级部署仍处于早期阶段。编码已成为第一个主要的企业AI用例，但法律、金融分析、医疗等领域的AI大规模部署才刚刚起步。需求的加速速度甚至超过了快速扩张的供给基础。这种紧张态势正开始在算力生态系统中引发连锁反应。 ##### 新兴瓶颈 历史上，技术短缺通常可以追溯到单一瓶颈。当前环境的独特之处在于，供应链的多个层面同时出现了约束。 最明显的短缺仍然是已部署的GPU。按需GPU容量实际上已售罄，即使是老一代芯片的租用价格也涨到了2024年以来的最高水平。² 超大规模云厂商和模型构建商仍在大力投资以确保供应，在某些情况下，他们会提前很久签订多年期基础设施承诺。算力竞赛已加速到这种程度，以至于相互竞争的公司也开始合作获取容量——Anthropic和Google都签署了从xAI租用算力的大型协议。³ 在半导体层面，台积电的先进节点产能——尤其是支撑大部分AI加速器生态系统的N3工艺——至少在2027年之前都接近满负荷。⁴ 先进晶圆厂需要数年时间建造，而装备这些工厂所需的EUV光刻机同样生产周期漫长。 内存已成为另一个主要瓶颈。高带宽内存（HBM）是一种对AI加速器至关重要的专用动态随机存取存储器（DRAM），由于超大规模云厂商的需求超出现有产能，其结构性供应不足持续存在。但AI系统也依赖大量普通DRAM，随着制造商将产能转向HBM，整个内存市场的收紧已将现货DRAM价格自2025年初推高了约8倍。⁵ 重要的是，这种动态不仅影响AI基础设施提供商。那些争夺类似内存供应的行业（包括智能手机和消费电子）已经感受到了组件成本上升的压力。 即使芯片层面的限制得到缓解，电力基础设施仍然是一个关键制约因素。全球数据中心电力需求预测显示，到2030年全球数据中心电力需求将达到200-300吉瓦。⁶ 超大规模云厂商正在建设吉瓦级园区，同时竞相确保涡轮机、变压器、开关设备和电网连接。GE Vernova和西门子能源均表示，其燃气轮机在2029年前的产能几乎已售罄。⁷ 变压器的交货周期已延长至数年，公用事业公司和区域电网越来越难以应对AI数据中心日益增长的电力需求。 ##### 稀缺性正在重估资产价值 因此，市场开始对任何被视为AI建设瓶颈的资产进行重新定价。 最明显的例子之一是比特币矿工。多年来，许多加密矿场资产因加密货币估值暴跌和行业内竞争加剧而被视为结构性受损。但在一个算力受限的世界里，这些相同的资产突然变得具有战略价值。许多矿工已经拥有超大规模云厂商最需要的东西：电力接入、土地和电网连接。一些最初专注于加密货币的企业（如Crusoe和Core Scientific）已经完成了这种转型，但未来很可能会有更多公司走同样的道路。 换句话说，稀缺性正在创造"拉撒路资产"——那些曾被视为过时的资产，因其与AI基础设施的相关性而被重新激活。 这种重估动态已蔓延至整个经济体。电力设备制造商、冷却公司、电气元件供应商、网络提供商，甚至工业和棕地基础设施资产，都在通过其缓解算力约束的能力来重新评估价值。 ##### 算力正成为竞争护城河 在一个算力受限的世界里，访问权本身就成了一种竞争护城河。一些大型AI平台和模型构建商已投入巨额资本以确保长期算力供应。几个月前还看似过度的投入，如今越来越像是战略前瞻。拥有保障容量的公司今天就能满足需求；而没有容量的公司则可能面临配给、部署放缓或成本显著上升。 这种动态也可能改变AI本身的经济学。多年来，AI领域的主流假设是，随着硬件改进和效率提升的积累，模型成本会迅速下降。这最终可能仍然成立。但在短期内，稀缺性可能暂时逆转这一趋势。如果需求持续超过供给，直接的解决方案要么是大幅提高价格，要么是对前沿模型实行某种使用配给。在行业的某些部分，这两种迹象都已初现端倪。 更高的推理成本也可能减缓AI在经济中的扩散，将算力资源首先集中到最高价值的应用上。有能力支付算力的公司可能获得优势，而较小的公司和实验性用例可能面临越来越高的准入门槛。 一些发展最终可能缓解算力短缺的叙事：模型效率超预期提升、AI需求周期性放缓、半导体和电力基础设施产能更快提升，或者突破性进展减少对现有受限硬件堆栈的依赖。但就目前而言，相反的动态似乎占据主导。需求加速的速度超过了物理世界能够响应的速度。 ##### 物理世界依然重要 在近二十年的时间里，科技界的主流假设是软件可以无限扩展，而物理世界则逐渐退居次要地位。AI正在逆转这一逻辑。技术周期的下一阶段将不仅仅由更好的模型或更智能的算法决定，而是取决于对稀缺物理资源的获取：芯片、内存、电力、土地、冷却和工业基础设施。换句话说，AI竞赛已不再是单纯的软件竞赛，而是一场工业规模的基础设施竞赛。 并且，获胜者可能不仅仅是那些拥有最佳创意的公司，更是那些获得了算力、能够将这些创意变为现实的公司。 在《沙丘》中，香料的稀缺性重塑了银河系的力量平衡。在当今经济中，算力或许正开始发挥同样的作用。 --- 本材料所含信息仅供参考，不应被理解为财务或投资建议，也不应在做出投资决策时依赖本材料中的任何信息。某些信息反映了Apollo分析师的看法和意见。如有变化，恕不另行通知。本材料可能包含基于当前假设的前瞻性陈述、估计和预测；实际结果可能存在重大差异。本文中提及的任何公司、证券或行业仅用于说明目的，不构成任何推荐或表明Apollo的任何持仓或咨询关系。请参阅本文末尾的重要披露信息。