600亿砸向AI算力，电网排队5年，谁能分羹？

最近 AI 赛道最热的话题之一，莫过于搭建一座 AI 数据中心需要投入多少成本？答案直接刷新认知：单座 AI 数据中心的造价高达 600 亿美元。

更让人焦虑的是，AI 基础设施的用电增速是全球平均水平的 5 倍。钱、电力、芯片，这三大核心难题正把不少玩家逼到墙角。这场由硅谷 101 举办的数据中心主题论坛，就专门拆解了这些扎心的现实。

【不是 GPU 不够，是两条赛道卡脖子】

GMI Cloud CEO Alexe 在论坛上给出了一个颠覆认知的结论。现在 GPU 根本不是瓶颈，真正卡脖子的是两个东西。一是 InfiniBand，当前等待周期长达 8 个月；二是电力，紧张程度远超多数人的想象。InfiniBand 是 AI 数据中心里的 “高速数据公路”，负责连接 GPU、服务器和存储设备，它的供应链紧张程度直接决定了算力网络的搭建速度。

而电力的缺口则更为直观，不少地区的电力审批流程缓慢，项目落地难度极大。需求端的压力还在持续上涨，融资端也出现了新变化。Alexe 提到，大型数据中心项目的融资需要拆分不同批次，逐步完成整体资金落地，以应对不确定性风险。

【电力不是缺，是送不到】

拥有 40 多年供电从业经验的华丰集团 CTO Harsh Jere 提出了一个关键观点。电力不是没有，而是送不到。美国多个州的电网接入排队时间已经长达 5—6 年，传统电网的供给速度根本赶不上 AI 数据中心的建设节奏。为此他提出了BYOP 自带电力战略，数据中心正在从依赖电网接入，转向自主保障电力供应。

目前 AI 数据中心的表后供电方案有很多，包括燃气轮机、SOFC、核电、新能源等，但单一方案根本无法满足需求，必须采用混合架构。华丰董事长 David 徐进一步解释，混合架构的优势在于兼顾可靠性和灵活性。比如燃气轮机可以作为应急供电保障，核电提供稳定的基础电力，新能源则能降低长期运营成本，不同方案搭配才能适配不同场景的电力需求。

【被遗忘的两个隐形瓶颈】

Franchise Capital 的 Christina 指出，当前算力赛道的定价权牢牢掌握在三个环节手中。分别是 HBM 内存、先进制程晶圆厂和光器件。目前主流内存厂商的库存全部售罄，大型科技公司 2026 年将有 30% 的资本支出流向内存领域，这在历史上从未出现过。还有一个被严重忽视的瓶颈，就是缺失的软件优化层。

Ziflow AI 的智冰萧博士提到，就算堆再多 GPU，没有跨异构组件的编排层，也无法发挥最大效能。这也是英伟达收购 Grok 的核心逻辑，老黄看重的正是 LPU 在推理解码上的高效性，能解决跨组件协同的痛点。

【狂热下的冷思考】

论坛上嘉宾还吐槽了一个有趣的现象：做鞋的品牌 Albert 居然改行卖 GPU，直接反映出当前 AI 算力赛道的狂热。不少玩家盲目涌入，却忽略了背后的重重门槛。从资金筹备到电力获取，从芯片供应链到软件优化，每一个环节都藏着看不见的竞争。

AI 数据中心的战争早已打响，从资金到电力，从芯片到软件，每一个环节都决定了玩家能否在赛道中站稳脚跟。