2026年8月2日星期日

美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

本文深入分析未来十年全球AGI算力集群的扩张路径,预计2030年单个训练集群成本或超万亿美元,年度AI投资可能达到8万亿美元。文章揭示电力供应将成为核心硬约束,而芯片产能相对可解,并指出算力集群归属将上升为地缘战略问题。适合科技投资者、政策制定者及AI基础设施从业者阅读,了解国家级工业动员的规模与挑战。

Tags:

美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻
冲向万亿美元算力集群:AGI竞赛正在变成一场国家级工业动员
“你看,我早就告诉过你,如果不把整个国家变成一座工厂,这件事根本不可能完成。而你们真的这样做了。”——尼尔斯·玻尔,1944年得知曼哈顿计划规模后对爱德华·泰勒所说
通往AGI的竞赛,不会只发生在代码、算法和笔记本电脑屏幕后。
它最终会成为一场对电力、芯片、土地、数据中心和工业产能的全面争夺,也是一场对国家工业动员能力的考验。
与过去几十年里硅谷创造的大多数产品不同,AI并不只是一个轻资产的软件行业。每一代更强大的模型,都需要一个更庞大的训练集群;很快,它们还需要巨型发电厂、专用输电网络,以及新建的芯片制造、先进封装和高带宽内存工厂。
随着AI收入迅速增长,本十年结束前,数万亿美元可能被投入GPU、数据中心和电力基础设施。
一场前所未有的“技术—资本”加速,已经启动。

01.
从GPT-4集群到万亿美元集群
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

过去几年,前沿AI模型的训练算力大致保持着每年增长约0.5个数量级的趋势。
所谓一个数量级,也就是10倍。每年增长0.5个数量级,意味着训练算力大约每两年增长10倍。
如果这一趋势延续到本十年结束,最大的训练集群可能经历如下扩张:
年份
H100等效GPU数量
预计成本
所需电力
规模参照
2022年左右
约1万块
约5亿美元
约10兆瓦
约1万户家庭
2024年左右
约10万块
数十亿美元
约100兆瓦
约10万户家庭
2026年左右
约100万块
数百亿美元
约1吉瓦
胡佛水坝或大型核反应堆
2028年左右
约1000万块
数千亿美元
约10吉瓦
美国一个中小型州
2030年左右
约1亿块
1万亿美元以上
约100吉瓦
美国发电量的20%以上
这些数字看起来近乎荒诞,但现实中的建设已经开始接近这条轨迹。
Meta曾宣布采购数十万块H100;Amazon在核电站附近布局吉瓦级数据中心园区;市场上也出现了有关百万块H100等效GPU集群的传闻。微软和OpenAI还曾被报道计划建设造价约1000亿美元、面向2028年前后的超级算力项目。
每当新一代模型展示出超出预期的能力,企业继续扩大投资的理由就会变得更充分。
当前真正的约束,甚至未必是企业愿不愿意花钱,而是能否找到足够的电力、土地、建设能力和政府许可。
在AI基础设施圈,“去哪里找10吉瓦的电”,正在成为比“去哪里买GPU”更重要的问题。
GPU订单可能需要等待一年,但大型电力项目、输电线路和数据中心园区的建设周期,往往更长。
如果分布式训练技术取得突破,未来的超级训练任务能够分散到几十或上百个地点,问题会容易一些。但如果训练仍然要求大量算力集中在同一地点,建设难度将呈指数级上升。
按照当前趋势,2030年前后的万亿美元集群,可能比GPT-4集群大约高出四个数量级,也就是接近1万倍。
那将不再是一座摆满GPU的仓库,而是一个由数百座发电设施、数据中心、芯片供应链和专用网络共同支撑的超级工业体系。
它甚至可能需要一个国家级联盟才能完成。
需要说明的是,实现AGI未必真的需要万亿美元集群。作者认为,一个约1000亿美元甚至更低成本的训练集群,可能已经足以实现AGI。
万亿美元集群更可能被用于训练和运行超级智能,或者在AGI比预期更难实现时,成为继续扩展算力的最终手段。
无论如何,即使进入AGI时代,谁拥有最多的算力,仍然可能决定谁拥有最强的智能能力。

02.
真正庞大的不是训练,而是整体算力投入
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

单个超级训练集群,只是AI基础设施投资的一部分。
大量GPU还会被用于推理,也就是在产品中真正运行模型、响应用户请求、执行任务。与此同时,Google、Microsoft、Meta、Amazon以及不同国家,都可能同时建设自己的大型集群。
因此,整体AI投资规模将远远高于最大训练集群的建设成本。
按照原文的粗略估算,2024年的AI投资可能已经达到1000亿至2000亿美元。
仅英伟达数据中心业务达到每季度约250亿美元的收入水平,就意味着每年约1000亿美元资本通过英伟达流入AI基础设施。但芯片通常只占数据中心总成本的一部分,其他支出还包括土地、建筑、供电、冷却、网络和运维设施。
大型科技公司也在快速提高资本开支。微软、Google、Amazon和Meta的年度资本支出都进入数百亿美元级别。虽然这些钱并非全部用于AI,但它们新增的大部分资本开支,显然与AI建设有关。
其他云服务商、特斯拉等企业,以及各国政府,也在加入这场投资浪潮。
整体算力投资的增长速度可能低于最大训练集群,但即便只按照每年翻倍推演,规模仍然惊人:
年份
年度AI投资
AI加速器出货量
所需电力占美国发电量比例
所需先进芯片产能
2024年
约1500亿美元
500万至1000万块H100等效
1%至2%
台积电先进产能的5%至10%
2026年左右
约5000亿美元
数千万块
约5%
约25%
2028年左右
约2万亿美元
约1亿块
约20%
接近当前全部产能
2030年左右
约8万亿美元
数亿块
约100%
当前产能的约4倍
AMD曾预测,2027年AI加速器市场可能达到4000亿美元。按照芯片在数据中心成本中的比例推算,整体AI投入可能超过7000亿美元,与上述估计并不遥远。
Sam Altman曾被报道讨论筹集高达7万亿美元,用于扩建全球AI芯片和算力基础设施。这个数字一度遭到广泛嘲讽,但如果将GPU、晶圆厂、先进封装、内存、电力和数据中心全部纳入,它并非完全没有逻辑。
无论最终数字是多少,这场大规模扩张已经发生。
真正的问题不再是“会不会建设”,而是“能够建设到什么程度”。

03.
AI收入将为算力扩张提供燃料
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

企业只有在相信经济回报足以覆盖成本时,才会持续投入巨额资本。
OpenAI在2023年8月的年化收入据称约为10亿美元,到2024年2月已达到约20亿美元,接近每六个月翻一倍。按照当时的趋势推演,即使不考虑下一代模型带来的爆发式增长,其年化收入也可能在2024年末或2025年初达到约100亿美元。
微软也被估计已经获得数十亿美元的AI增量收入。
到目前为止,AI投资每扩大10倍,似乎都能产生足以支持下一轮投入的收入。
GPT-3.5引爆了ChatGPT热潮。GPT-4集群的成本据估计约为5亿美元,而微软和OpenAI从相关产品中获得的年度收入已经达到数十亿美元。
同样,只要AI收入继续向100亿美元以上增长,一个造价数十亿美元的训练集群也很容易收回投资。
这轮繁荣具有明显的投资驱动特征。
从订购GPU、建设集群,到训练模型、开发产品并推向市场,通常需要数年时间。今天规划的集群,是在押注几年后的模型能力和市场需求。
只要上一轮GPU采购带来的回报继续兑现,企业就会投入更多资本,并押注下一轮10倍扩张仍能获得回报。
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻
因此,资本开支在一段时期内可能持续快于收入增长。
一个关键里程碑是:Google、Microsoft、Meta等大型科技公司,什么时候会有一家仅靠AI产品和API,达到1000亿美元年化收入?
这些公司的年度总收入本身大约在1000亿至3000亿美元之间。1000亿美元的AI收入,意味着AI开始成为它们最主要的业务之一。
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻
按照“每六个月翻倍”的简单推演,如果AI收入在2025年初达到100亿美元年化规模,那么1000亿美元可能在2026年中期出现。
这听起来激进,但并不一定需要非常夸张的假设。
微软Office拥有数亿付费用户。如果其中三分之一愿意每月支付100美元购买AI附加服务,就已经接近这一收入规模。
对于普通员工而言,每月100美元的AI费用,只需要节省几小时工作时间,就可能具备经济合理性。
真正的不确定性,是技术扩散和企业采用需要多长时间。
尚未达到AGI的模型,往往需要大量流程改造、数据整理和系统集成,才能真正融入公司工作流。历史上的通用技术也通常需要多年时间,才能充分释放生产力。
但随着模型逐渐从“聊天机器人”变成“智能代理”或“数字员工”,部署难度可能突然下降。
企业不再需要彻底重构工作流程,才能从AI中获得一些效率提升,而是可以像招聘新员工一样,让模型直接接手明确岗位。
例如,一个真正可以独立工作的AI程序员,不再只是帮助工程师写几段代码,而是能够直接替代一部分完整的软件开发工作。
一旦这种转变发生,AI创造的经济价值和收入就可能出现非连续性跃升。
如果一家大型科技公司的AI收入达到1000亿美元,其影响将远远超出产品本身。
AI会成为美国最大企业最重要的增长引擎,市场会大幅上调它们的收入预期,股票估值随之上涨。全球第一家市值10万亿美元的公司,也可能由此出现。
这些公司随后将愿意投入数千亿美元,甚至通过史无前例的大规模公司债券融资,继续建设AI基础设施。
超过1000亿美元收入之后,未来的具体轮廓会变得更难预测。
但如果AI真正走向AGI,经济回报将非常庞大。全球白领和认知劳动者每年的工资总额高达数十万亿美元。一种能够直接替代部分认知劳动的远程AI员工,哪怕只自动化其中很小一部分,也足以为万亿美元集群提供商业回报。
即使商业收入暂时不足,AGI的国家安全价值也可能推动政府直接组织国家级投资。

04.
每年1万亿美元真的史无前例吗?
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

2027年全球每年投入1万亿美元建设AI,听起来极其夸张。
但放在历史尺度中,它并非完全没有先例。
曼哈顿计划和阿波罗计划在投入高峰期,年度支出约占美国GDP的0.4%。按照今天的经济规模,大约相当于每年1000亿美元。
每年1万亿美元AI投资,则大约相当于美国GDP的3%。
1996年至2001年,电信行业建设互联网基础设施的累计投资,按今天币值计算接近1万亿美元。
1841年至1850年,英国私人资本对铁路建设的累计投入,约相当于当时英国GDP的40%。如果今天的美国在十年中投入相同比例,大约相当于11万亿美元。
全球绿色能源转型本身也正在吸收数万亿美元。
快速增长的经济体,往往会将很高比例的GDP投入基础设施和固定资产。中国的投资率曾长期超过GDP的40%;按照今天美国的经济规模,相当于每年约11万亿美元。
战争时期的国家融资规模更为巨大。
第一次世界大战期间,英国、法国和德国的战争借款都曾超过本国GDP,美国也超过GDP的20%。第二次世界大战期间,英国和日本的借款超过GDP的100%,美国的借款超过GDP的60%。
按照今天的美国经济规模,GDP的60%相当于超过17万亿美元。
因此,每年1万亿美元的AI投资,虽然将成为人类历史上规模最大的资本建设浪潮之一,但并没有超出经济体系曾经承受过的范围。
一个单体造价达到1万亿美元的训练集群,也已经不能被完全排除。

05.
真正的瓶颈是电力
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

从供给端看,最大的单一约束很可能不是芯片,而是电力。
即使在1吉瓦级的2026年集群和10吉瓦级的2028年集群上,电力也已经开始成为硬约束。
电网几乎没有多少闲置容量,大型电力合同通常又通过长期协议被锁定。新建一座吉瓦级核电站,可能需要十年。
未来甚至可能出现一种看似荒诞却合乎逻辑的交易:科技公司为了获得吉瓦级长期电力合同,直接收购铝冶炼企业等高耗能工业资产。
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

过去十年,美国总发电量只增长了约5%。公用事业公司虽然已经提高了对未来用电增长的预期,但依然远远没有计入AGI集群可能带来的需求。
单个100吉瓦集群,就可能消耗相当于美国当前发电量20%以上的电力。加上大规模推理集群和其他参与者,总需求还会更高。
很多人因此认为,这些集群只能建在中东等拥有廉价能源、审批速度快的地区。
但从资源条件看,美国并非无法完成。美国拥有丰富的天然气。
为一个10吉瓦集群供电,只需要美国天然气产量的几个百分点。即使是100吉瓦集群,从纯资源和工业能力上看,也并非完全不可能。
仅马塞勒斯—尤蒂卡页岩气区的天然气产量,理论上就足以支撑上百吉瓦的持续发电。增加钻井、燃气轮机和联合循环电站,可以在远短于核电站建设周期的时间内形成大规模供电能力。
建设100吉瓦天然气发电能力的资本开支,粗略估计约为1000亿美元。与万亿美元数据中心相比,发电设施本身并不是不可承受的成本。
更难的问题在于审批、输电线路、公用事业监管和环境审查。
原本几年可以完成的项目,可能被拖延十年甚至更久。
如果不选择天然气,太阳能、储能、小型模块化核反应堆和地热能源也可以成为替代方案,但同样需要大幅改革许可和监管制度。
从这一角度看,美国建设数万亿美元数据中心的障碍,很大程度上是自己制造出来的。
气候目标本身值得尊重,但如果过于僵化,可能把最关键的AGI基础设施推向中东,使其受制于威权政权。
电力约束并非无法解决。
问题是,美国是否愿意以国家安全项目的决心解决它。

06.
芯片反而是相对容易解决的问题
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

人们谈到AI供给约束时,通常首先想到GPU。
但与电力相比,芯片可能是一个相对较小的限制因素。
AI芯片目前只占全球先进制程产能的一部分。随着AI在台积电先进制程中的份额上升,芯片产量还有较大的增长空间。
从纯逻辑晶圆制造角度看,如果将台积电一整年的先进产能全部用于AI,其产量理论上已经可以支持极为庞大的集群。
当然,现实中不可能将全部芯片产能转向AI,也不可能把一年生产的所有AI芯片交给一个训练项目。
到2030年,包括训练、推理和多个参与者在内的AI芯片需求,可能达到台积电当前先进制程总产能的数倍。
过去五年,台积电规模大约扩大了一倍。要满足AI需求,它未来可能需要以更快的速度扩产,建设大量新晶圆厂。
真正的短期瓶颈可能出现在先进封装和高带宽内存。
CoWoS先进封装需要把计算芯片与HBM连接在一起。由于这些产能过去并不是为如此大规模的AI需求准备的,因此扩张初期会非常紧张。
不过,与新增数十吉瓦电力相比,封装和内存产能更容易通过资本开支扩建。
一座新的台积电超级晶圆厂,资本开支大约为200亿美元,每月可以启动约10万片晶圆。为了在本十年结束时每年生产数亿块AI GPU,全球可能需要建设数十座类似工厂,同时扩建内存、封装、网络设备和配套供应链。
总投资可能超过1万亿美元。
这会是一场强度极高的工业扩张,但从技术和资本层面看,仍然可以完成。
一个更深层的现象是:为什么电力会在晶圆产能之前成为限制?
因为今天的大多数消费电子芯片,并不会全天满负荷运行。智能手机大量时间处于待机状态,其设计也强调节能。
AI数据中心则不同。
它们会让先进芯片全年接近满负荷运行,把晶体管从大量闲置、低功耗的终端设备,转移到全天候运行的高性能计算系统。
AI革命不仅意味着生产更多芯片,还意味着以前所未有的强度使用芯片。

07.
算力集群属于谁,将成为地缘政治问题
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

本十年结束前,全球可能建成价值数万亿美元的算力集群。
真正的问题是:这些集群将建在哪里,又由谁控制?
如果今天规划的集群只是用于推荐算法、办公助手或搜索产品,建设地点也许只是商业问题。
但这些设施很可能成为未来训练和运行AGI乃至超级智能的基础设施。
这意味着,它们将成为国家级战略资产。
如果AGI数据中心位于一个反复无常的威权国家,风险不只是服务中断。
模型权重可能被窃取或转移;当地政府可能在竞争白热化时直接控制数据中心;即使不真正实施这些行动,也可以将其作为政治筹码。
拥有设备的物理接触权,也会使侧信道攻击和模型权重窃取更加容易。
美国在20世纪70年代曾深刻体会到能源依赖带来的地缘政治代价。它不应该在AGI时代重新建立一种更危险的战略依赖。
芯片制造位于海外,可以类比为铀矿位于海外。
但如果运行AGI的数据中心位于海外,就更像是将制造并储存核武器的基地直接放在海外。
因此,从国家利益出发,最关键的训练和推理集群应当建在美国,或者至少建在可信赖的民主盟友境内。
美国需要优先确保数据中心留在本土,同时可以更多依赖日本、韩国等民主盟友扩建晶圆厂。考虑到美国本土建设晶圆厂时出现的成本和效率问题,这可能是一种更现实的分工。
为了实现这一目标,美国可能需要把AI基础设施视为国家安全项目,推动环境审查豁免、输电线路审批改革、公用事业监管调整,以及联邦土地和通行权的释放。
这也是一场制度竞争。
外界会问:如此规模的工业动员,是否只能由自上而下的威权体制完成?
作者的回答是,只要解除制度束缚,美国仍然拥有其他国家难以匹敌的建设、资本和技术能力。

08.
“AI觉醒时刻”已经到来
美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

在AGI仍然被视为边缘话题的年代,一些研究者曾建立经济模型,推演通往AGI的道路。
这些模型通常包含一个假设性的“AI觉醒时刻”:
世界突然意识到模型可能变得多么强大,于是资本、企业和政府开始迅速提高投资,最终将相当于GDP数个百分点的资源投入最大规模的训练项目。
当时,这个时刻看起来非常遥远。
但作者认为,2023年就是那个“AI觉醒之年”。
ChatGPT让全球第一次直观认识到,大模型并不只是实验室里的技术演示,而可能成为真正的通用技术平台。
此后,GPU采购、数据中心建设、电力合同、芯片扩产和资本融资全面加速。
公众看到的是聊天机器人、办公助手和生成式AI产品。
在幕后发生的,却是一场可能重塑电力、制造业、资本市场和国际秩序的工业动员。
AGI竞赛正在从“谁能写出更好的算法”,转变为“谁能建设并控制最大的工业系统”。
未来的领先者,不仅需要最好的研究人员和模型架构,还需要数百万乃至上亿块GPU、数十吉瓦稳定电力、先进芯片制造能力、土地、输电网络,以及调动数万亿美元资本的能力。
这已经不再只是硅谷的产品竞争。
它正在成为21世纪的曼哈顿计划。
指数增长已经全面启动。
准备承受过载吧。

这些深度内容值得一读:


美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻

godzilla.dev


美国AGI算力集群投资狂潮:万亿美元级工业动员与电力瓶颈前瞻


为后稀缺时代  
构建长期、冷静、可进化的系统

没有评论:

发表评论

拉脱维亚居留卡能去别的国家吗?可以一直续签吗

如果你有孩子、想过欧洲身份这件事、但一直不确定从哪开始——这篇文章可能刚好是你需要看到的那个入口。王先生在上海做外贸,妻子在一家外企做财务。他有两个孩子,一个刚上小学二年级,一个还在读幼儿园。他想过欧洲身份,但一直没动手。不是不想办,是不知道从哪里开始。他看了一圈之后,把目光停...