夜雨聆风Google 前 CEO Eric Schmidt 最近在视频访谈中给出一个令人窒息的粗算：每 1GW AI 算力的综合建设成本约 500 亿美元，10GW 就是 5000 亿。他的结论只有一个——AI 发展最先撞上的天花板，可能是现金和融资能力。全球能在这个量级上持续投钱的，只有中美两个国家。
500 亿美元买 1 吉瓦：Schmidt 的账本
Milk Road AI 近日发布了一段 Eric Schmidt 的视频剪辑。Schmidt 在镜头前算了一笔账：
"I think the real limit to AI is not energy. It's actually cash... if you take 50, round numbers, 50 billion to gigawatt, so 10 gigawatts is half a trillion dollars. How many companies, countries and so forth can hand an industry a trillion dollars of capital? Very, very few."
「我认为 AI 真正的极限不在能源，在现金……粗略地讲，每吉瓦 500 亿美元，10 吉瓦就是 5000 亿。有多少公司或国家能拿出万亿美元级别的资本交给一个行业？少之又少。」
▲ Milk Road AI 发布 Schmidt 视频剪辑，近 4000 人观看
这个 500 亿/GW 到底包含什么？GPU 和 ASIC 集群、服务器交换机光模块、土地厂房电力接入冷却系统、备用电源运维团队、软件调度栈——再加上融资成本、设备折旧和利用率风险。
换句话说，1GW 算力不只是一张电费账单，它是一整条产业链的资本密度。
谁掏得起这笔钱？Schmidt 只点了两个名字
Schmidt 的判断很明确：能在万亿美元级别组织资本的，全球只有两个——
中国，因为国家体制可以集中调度信贷。银行、地方政府、国企和电力公司能在行政指令下协同投入。
美国，因为资本市场的融资效率。华尔街可以通过债务、股权、项目融资把数千亿美元调动到一个方向。
"The Chinese could certainly do it... the brilliance of the American capital market allows us to borrow that kind of money. So, for example, the Europeans can't do this, which they're sort of sore about."
「中国人当然做得到……美国资本市场的精妙之处在于我们能借到那种规模的钱。比如欧洲人就做不到，他们对此也颇为在意。」
欧洲被 Schmidt 直接排除在外。
这个判断残酷但有数据支撑。AI 基建所需的资本规模，已经超出了单一企业甚至多数国家的承受范围。
Stargate：5000 亿美元承诺已经摆上桌面
Schmidt 的粗算并非空中楼阁。就在今年早些时候，OpenAI 宣布了Stargate 计划：未来四年投资 5000 亿美元，用于在美国境内建设 AI 基础设施，首期就部署 1000 亿美元。
▲ OpenAI 官网公告：Stargate 计划预计四年投入 5000 亿美元
5000 亿——刚好是 Schmidt 口中"10GW"的量级。
这意味着 AI 基建的资本门槛已经从"大公司能承受"升级到"需要国家级金融体系配合"。模型公司要证明的，除了"下一代模型更强"，还有"建出来的数据中心能被足够高价值的推理需求填满"。
微软一年烧 800 亿：大厂现金流正在被 AI 吞噬
大厂的真实支出也在印证这个趋势。
微软副董事长 Brad Smith 透露，微软在 2025 财年计划投入约800 亿美元建设 AI 数据中心。单家公司、单个财年、接近千亿美元的资本开支——这在科技行业历史上前所未有。
▲ 微软官方博客：Brad Smith 阐述 AI 基建投资战略
以往科技公司靠高毛利、轻资产的商业模式估值。但当核心竞争力越来越依赖物理数据中心，模型公司正在变得像基础设施公司——重资产、长周期、高折旧。
这也解释了云厂商为什么在 AI 时代扮演"银行"角色：它们把现金流、债务能力和客户关系打包提供给模型公司，模型公司则用长期使用承诺作为交换。
电力仍是硬约束，但钱才是总开关
有人会问：电力呢？能源瓶颈就不重要了？
当然重要。根据 Goldman Sachs 的研究报告，全球数据中心电力需求到 2030 年可能暴增160%。IEA 的数据显示，2024 年全球数据中心耗电约 415 TWh，到 2030 年可能翻倍超过945 TWh。
▲ Goldman Sachs：AI 驱动数据中心电力需求增长 160%
▲ IEA 数据：数据中心耗电量到 2030 年可能突破 945 TWh
电力是物理约束，但 Schmidt 的视角提供了一个关键补充——即使找到了电，你还得有钱签长期电力合同、采购 GPU、盖数据中心、铺网络、付折旧，并且扛住需求不及预期的风险。
一个 1GW 级别的 AI 数据中心建设周期通常是多年，涉及长期 capex 承诺、设备采购协议和复杂的债务/股权融资组合。利用率一旦跟不上，折旧、利息和闲置产能就会压垮现金流。
电力决定了上限，现金决定了谁能走到那个上限。
网友热议：Schmidt 说对了，但还有更深的隐忧
Schmidt 的观点在社交媒体上引发了不少讨论。
网友 @thearslaniqbal 指出：
"Capital is the gate. But concentration of compute is the bigger risk nobody solves."
「资本是门槛，但算力集中化带来的风险更大，而且没人在解决。」
@WoodsonZY 进一步分析：
"AI is the ultimate asset-heavy endurance race. A trillion-dollar infrastructure buildout requires continuous, jaw-dropping capital fueling."
「AI 是终极的重资产耐力赛。万亿美元级别的基础设施建设需要持续的、令人咋舌的资本投入。」
而 @francescoswiss 的反应更直白：
"$50B per gigawatt? My piggy bank is currently shaking in its boots."
「每吉瓦 500 亿美元？我的存钱罐已经在发抖了。」
下一阶段 AI 竞赛的真正赛点
Schmidt 这番话揭示了 AI 行业正在发生的一个根本性转变：AI 竞赛正在从"谁的模型更强"变成"谁的资产负债表更扛得住"。
算法、人才、benchmark——这些仍然重要。但如果没有背后的资本支撑体系，模型能力再强也建不起对应规模的推理基础设施。
对投资者来说，这意味着需要关注的指标在变化：capex 规模、自由现金流、折旧周期、长期电力合同、客户锁定率、设备利用率——这些"无聊"的财务数字，正在成为判断 AI 公司未来的关键变量。
对行业来说，这意味着创业公司的窗口正在收窄。当资本门槛攀升到百亿甚至千亿美元量级，能独立建设全栈 AI 基础设施的玩家会越来越少。
AI 时代最稀缺的资源，最终可能是万亿美元级别的融资能力，算法天才反而退居其次。
— END —
