一个器官的价格

1995年，伦敦大学学院的人类学家莱斯利·艾洛和彼得·惠勒发了一篇论文，题目叫《昂贵组织假说》。这篇论文问了一个问题：人脑这么大，能量从哪来？

人脑只占体重的2%，但吃掉了全身大约20%的热量。从生物体的角度讲，大脑是一台性能极强但功耗极高的设备。艾洛和惠勒想知道，人类是怎么供得起这台设备的，毕竟人类的基础代谢率跟其他灵长类动物比没什么特殊的。

他们发现了一个很有趣的权衡。人体里还有几个高耗能器官：心脏、肾脏、肝脏、胃肠道。这几个加上大脑，体重占比不到7%，但它们合在一起消耗了静息状态下将近70%的能量。人类的大脑比黑猩猩大三倍，但人类的胃肠道比同体型灵长类动物小得多。艾洛和惠勒的结论是：人类用一个更小的肠子，换了一个更大的脑子。这笔交易能够成立，是因为人类学会了加工食物。烹饪等于把消化的一部分工作提前在体外完成了，肠道不需要那么长了，省下的能量预算就可以拨给大脑。

这个假说后来有过争议。有人用更大的哺乳动物数据集重新验证，发现脑和肠之间的负相关并不是在所有物种里都成立。但它的核心直觉至今没有被推翻：维持一个高耗能的认知系统，瓶颈不在认知系统本身，在供能。智能是昂贵的。问题从来不是“能不能造出更好的大脑”，而是“身体养不养得起”。

我之所以从一篇1995年的人类学论文开始讲，是因为我最近越来越强烈地感觉到，2025年到2026年的AI产业正在重演这个逻辑。模型架构就是大脑。算力、电力、数据中心、芯片供应链就是胃。

而现在胃跟不上了。

7000亿美元的消化系统

我列几个数字，你自己感受一下这个量级。

2026年，美国五大云厂商和AI基础设施巨头的资本支出合计将达到大约7250亿美元。这个数字是2025年的差不多两倍，是2023年的四倍。亚马逊云预计2000亿，谷歌大约1750亿到1850亿，Meta大约1150亿到1350亿，微软大约1150亿（财年口径略有不同），Oracle大约500亿。这还不算Stargate那个5000亿美元的四年计划，也不算中东主权基金的投入，也不算阿里、字节、腾讯等在国内的基建支出。

有一篇分析文章说，这是人类历史上针对单一技术方向最大的集中资本投入，超过美国州际高速公路和阿波罗计划的通胀调整后总额。黄仁勋在最近的电话会上估计，到2030年，全球AI基础设施累计投入将在3万亿到4万亿美元之间。

一个超大型AI数据中心的电力消耗相当于一座百万人口城市。微软有800亿美元的Azure订单积压，没法交付，原因是电力不够。

OpenAI的Stargate项目规划了10吉瓦的电力容量。10吉瓦什么概念？中国三峡大坝的装机容量是22.5吉瓦。一家创业公司的算力需求接近三峡大坝的一半。

这些数字让我想起艾洛和惠勒论文里的一句话。他们说，脑、心、肾、肝、肠这五个器官加起来只占体重的7%，却消耗了全身70%的能量。AI的“昂贵器官”也是几个：GPU芯片、高带宽内存（HBM）、光纤互联、电力、冷却。这些东西在整个科技产业里的“体量”并不大，但正在吃掉一个极不成比例的资本预算。

有人可能觉得这只是一个比喻。让我们来看看，生物学里的一个概念叫“代谢约束”（metabolic constraint），意思是一个生物体能够维持的认知复杂度，最终受限于它的能量获取和分配能力。大脑再聪明，如果身体供不上热量，它就得缩小，或者降低活动水平。

AI公司面临的也是代谢约束。模型可以设计得更大、更复杂、更聪明，但如果你拿不到足够的GPU、接不上足够的电、建不出足够的数据中心，模型就只能停在论文里。或者更常见的情况是，模型已经训练出来了，但推理阶段的算力跟不上用户量的增长，只好限流。那如此看来，claude 应该是最消化不良的AI。

磨镜片的人

现在往后退一步，换一个时间尺度来看这件事。

我最近在读科技史方面的东西，注意到一个反复出现的模式。每一次重大技术突破，在突破之后的一段时间里，进展的速度不再取决于那个突破本身，而是取决于一些看起来不那么“科技”的东西。我暂时把这种现象叫做“瓶颈迁移”。

最早的例子可以追溯到望远镜。1609年伽利略用自制望远镜观测木星的卫星，天文学由此进入了一个新纪元。但伽利略之后一百多年里，天文学进展的快慢，并不取决于哪个天文学家更聪明，也不取决于谁的天文理论更高明，而取决于谁能磨出更好的镜片。荷兰的镜片工匠克里斯蒂安·惠更斯和他弟弟康斯坦丁磨出了当时最好的透镜，所以惠更斯发现了土星光环。镜片的精度就是那个年代天文学的瓶颈。

蒸汽机也是一样。瓦特改良了纽科门蒸汽机的原理，这是一次概念突破。但之后工业革命的推进速度，很大程度上取决于约翰·威尔金森的精密镗床能不能把气缸内壁加工到足够光滑。气缸和活塞之间密封不严，蒸汽就会泄漏，效率就上不去。加工精度成为关键。

最典型的可能是半导体。晶体管的物理原理1947年在贝尔实验室搞定了。之后七十多年，半导体产业的核心瓶颈一直在迁移。从材料（硅的提纯），到工艺（光刻），到设备（如今被ASML一家公司卡住脖子），到封装（台积电的CoWoS先进封装产能），到供电（数据中心电力不够）。每一次瓶颈迁移都改变了“谁是关键角色”这个问题的答案。物理学家让位给材料学家，材料学家让位给光学工程师，光学工程师让位给供应链管理者。

AI在2024年到2026年经历的，就是一次教科书式的瓶颈迁移。

2017年到2023年，瓶颈在算法。Transformer架构、Scaling Law、RLHF、MoE、长上下文。那个阶段决定谁领先的是研究团队的天赋。OpenAI之所以从一个非营利组织变成行业领头羊，是因为伊利亚·苏茨克维尔和一小群研究员押对了Scaling Law这个赌注。DeepSeek之所以在2025年初炸出来，是因为一个十几人的研究组找到了用30倍低成本复现同等性能的路径。这些都是“算法阶段”的故事，小团队可以颠覆大公司。

但从2024年下半年开始，风向变了。DeepSeek已经证明算法端的差距可以被追平。那什么不能被追平？7吉瓦的电力容量不能被追平。5000亿美元的基建计划不能被追平。英伟达最新的Blackwell芯片产能不能被追平。微软Azure上800亿美元的算力订单积压不能被追平。

OpenAI现在做的事情，已经不只是训练模型了。Stargate项目审查了全美30多个州的300多份数据中心选址提案，选了6个站点，规划了7吉瓦电力容量。这更像是一家电力公司或者基建公司在做的事情。Anthropic在5月6号刚刚宣布跟SpaceX合作，拿到了SpaceX Colossus数据中心的22万块GPU和300兆瓦新增电力容量。Anthropic拿这些算力做的第一件事，是宣布提高Claude的使用限额。

仔细想想这件事的含义：一个AI聊天产品的用户体验上限，直接取决于这家公司能从另一家航天公司的数据中心里租到多少块GPU。这已经不是“AI研究”了。这是供应链管理。

煤港

最后我想讲一个历史上的故事，因为跟我们正在经历的事情有一种让我不太舒服的相似性。

大航海时代，率先到达新大陆的是西班牙和葡萄牙。他们的航海技术在15世纪末是最先进的，他们的船最好，水手最有经验。但最终控制全球海上贸易路线的不是他们，是英国。

英国赢在补给站。

从直布罗陀到开普敦到亚丁到孟买到新加坡到香港，英国在全球建立了一张密度极高的港口和补给点网络。这些港口不光是军事据点，更重要的是加煤站和淡水补给站。蒸汽船时代，船烧煤。你能走多远取决于你能不能在沿途加到煤。英国控制了煤港，就控制了航线。控制了航线就控制了贸易。控制了贸易就控制了全球财富的分配方式。

补给站这件事一点也不性感。它不是发现新大陆的那个激动人心的瞬间，不是跨越大西洋的那种英雄叙事。它是枯燥的后勤工作：修码头、挖煤仓、铺输水管、训练本地劳工、跟当地统治者签租约。但在帝国的实际运作中，补给站比任何一艘军舰都重要。

你看看OpenAI的Stargate项目在做什么。审查30个州的300份提案，在得克萨斯、新墨西哥、俄亥俄选址，规划电力接入，跟地方政府谈审批，跟电力公司签购电协议。这是在建补给站。

Anthropic在做同样的事。跟亚马逊签了最高5吉瓦的协议。跟谷歌和博通签了5吉瓦的协议。跟微软签了300亿美元的Azure容量合约。跟Fluidstack签了500亿美元的AI基础设施投资。还跟SpaceX拿了22万块GPU。

Meta已经在俄亥俄建1吉瓦的数据中心了。路易斯安那还有一座规划可以扩展到5吉瓦的设施。CoreWeave跟Meta签了210亿美元的算力协议。Oracle跟Meta在谈大约200亿美元的多年云计算合同。连自己有巨额现金流的大厂，也在疯狂地从外部锁定算力产能。

2026年2月，OpenAI还推出了一个叫“OpenAI for Countries”的项目。计划在全球10个国家建设本地化的Stargate设施，由当地政府共同投资，换取许可证、电网接入和政策支持。阿根廷巴塔哥尼亚的那座Stargate设施，预计投资250亿美元，容量500兆瓦，是拉丁美洲最大的AI数据中心。

这些事情放在一起看的时候，我有一种被拉回19世纪的感觉。

大航海时代的补给站最终变成了殖民地。最初只是加煤加水的中转站，后来变成了驻军基地，再后来变成了贸易管制节点。控制补给站的国家获得了对途经船只征收“过路费”的能力，这种能力最终转化成了全球财富分配的杠杆。

AI的数据中心会不会走同样的路？一家公司控制了足够多的算力节点之后，它对所有使用AI的人和企业都拥有了一种定价权。你的产品依赖AI推理，AI推理依赖GPU集群，GPU集群在他们手里。你最终是在向一个基础设施垄断者付租金。