夜雨聆风
集邦咨询（TrendForce）近日大幅上调2026年全球九大CSP（云端服务供应商，包括Google、AWS、Meta、Microsoft、Oracle以及字节跳动、腾讯、阿里巴巴、百度）的资本支出预期，总额达到约8300亿美元，年增率从之前的61%提升至79%。这一调整主要源于北美头部CSP对AI需求的持续乐观，上修指引（如微软上调至1900亿美元，同比增长约130%）。这一数字已接近万亿门槛，下半年若需求持续超预期，全年化资本开支破万亿并非不可能。
这笔“烧钱”规模令人咋舌：我们的钱（或投资者的钱）流向了供应链，但SK海力士等企业却因此赚得盆满钵满。表面看是资金转移，实质上是AI基础设施的加速建设，正在重塑全球算力版图。
当前“烧钱”逻辑
过去几年，AI热潮的核心是GPU采购。但如今，GPU本身已不再是绝对瓶颈。真正制约规模化部署的是：
电力：AI数据中心功耗爆炸式增长，全球数据中心电力需求预计将大幅攀升。部分地区电网已面临压力， hyperscalers 开始寻求核电、可再生能源甚至自建电站。
HBM（高带宽内存）：SK海力士等厂商的HBM产能已售罄至2026年，成为新“记忆墙”。HBM3E/HBM4的供应紧张直接推高了AI加速器的性能上限和价格。SK海力士凭借早期布局，在HBM市场占据主导份额，利润率大幅提升。
液冷（液冷技术）：高密度机架（50-100kW+）让传统风冷不堪重负，液冷成为标配。直接液冷、浸没式冷却等技术正加速渗透，既提升散热效率，又降低PUE（能效比）。
存储与其他：海量训练/推理数据对高速存储的需求同步激增，网络互连、电源管理等基础设施也需配套升级。
这些瓶颈意味着资本开支不会白白“烧掉”，而是转化为更高效的AI工厂。CSP们不是在简单堆GPU，而是在构建下一代AI基础设施。
不止芯片更快，而是生产力大爆发
更快的芯片（无论NVIDIA GPU还是各家ASIC/自研芯片）+ 更优的基础设施，将带来指数级回报：
经济价值：AI能显著提升劳动生产率。生成式AI已在代码生成、内容创作、客户服务、药物研发等领域展现潜力。麦肯锡等机构长期预测，AI到2030年代可能贡献数万亿美元的全球GDP增量。单看数据中心本身，高效AI集群可通过云服务产生稳定高额收入。
时间节省：AI代理、自动化工具能将重复性工作时间压缩50%以上，人类可将精力转向创造性劳动。想象一下，研发周期从月缩短到周，软件开发效率翻倍——这不是科幻，而是正在发生的趋势。
复合效应：更好模型训练出更聪明AI，更聪明AI反过来优化数据中心运营、能源管理，形成正反馈循环。
短期看，资本开支高企可能压缩部分公司利润或推高通胀压力；长期看，这是对未来的“杠杆投资”。类似历史上的互联网基础设施建设，初期烧钱，后续红利巨大。
未来趋势与机会
基础设施全栈竞争。胜负不再只看芯片算力，而是电力获取能力、液冷供应链控制、HBM产能优先权、甚至地域布局（靠近可再生能源或政策友好区）。
液冷+先进内存主导供应链。液冷相关企业（如冷却设备、流体管理）、HBM厂商（SK海力士、Micron等）、电源管理公司将持续受益。
能效与可持续性成为核心竞争力。低功耗芯片、先进冷却、绿色能源将成为标配，否则将面临成本与监管双重压力。
边缘+云混合，区域化部署。并非所有计算都在超大规模数据中心，部分推理将下沉到边缘。
上游供应链：HBM、液冷、电力设备、光模块、高速互连。
中游：CSP自身或其AI云服务提供商，受益于利用率提升和定价权。
下游应用：AI原生应用、自动化工具、企业级解决方案——真正变现生产力提升的环节。
中国机会：国内CSP也在积极扩张，尽管节奏与北美不同，但在应用落地、特定垂直领域（如工业AI）有独特优势。全球供应链 interdependence 意味着中国企业可参与HBM、服务器等环节。
从全球视角看，美国CSP在资本开支和前沿技术（如液冷大规模部署）上领先明显，但中国在应用场景丰富度、工程执行力、成本控制上有竞争力。整体而言，领先优势是动态的，并非永久“遥遥领先”。关键在于是否能精准卡位瓶颈环节（如HBM扩产、液冷本土化、电力解决方案），并快速将基础设施转化为实际AI应用产出。
对于中国而言，AI基建竞赛最大的战略机遇不在于复制美国模式，而在于利用自身在制造端、能源转型和庞大内需市场的独特禀赋，走出一条从“算力追随者”向“系统方案输出者”的差异化道路。国产AI加速器发展到足以对内支撑日均140万亿Token的调用量，这一事实本身就是一次了不起的跨越。但前方的挑战同样如山——先进制程、HBM自主供应、CUDA生态松绑，这三座大山每翻越一座，中国AI才能真正谈得上走向领先。
