上海
一平方米承重一吨的厂房，已经装不下新一代AI基础设施了。
9月16日，联想集团副总裁、中国基础设施业务群总经理陈振宽在一场行业交流中说，过去服务器生产线可以放在二楼、三楼，每平方米承重约一吨已经足够；现在超节点生产要求起步达到每平方米三吨，部分甚至要按照五吨设计，因此设备必须放在一楼，而且下方不能有地下车库。
电力也成为新的硬约束。陈振宽称，一个超节点生产基地需要至少30兆瓦甚至更高的电力供应，为此当地需要提供专门的电力配套，包括110千伏变电设施。
两个看似工程化的细节，折射出AI基础设施正在发生的深层变化：过去人们谈算力，最先想到的是GPU；现在，随着计算从单卡、单机向数十甚至更多GPU组成的超节点演进，厂房、电力、存储、互联、散热乃至融资成本，都开始成为决定AI算力能否真正落地的条件。
超节点带来的并非简单的服务器升级。如果把超节点拆分为算力柜、电力柜、存储柜和连接柜，背后涉及电、光、液冷、AI存储以及Scale-up（节点内高速互联）、Scale-out（节点间扩展互联）等一整套技术。过去服务器、存储、网络和操作系统之间原本清晰的产品边界正在被打破。由此向上游拉动的，也不再只有GPU，还包括交换芯片、PCB、高速互联、存储、电源和液冷等环节。
更复杂的是标准问题。目前国内不同AI芯片在计算能力、功耗和互联协议等方面存在差异。陈振宽提到，仅Scale-up连接领域就出现了“12个厂商、13个协议”的情况。整机厂商不仅要考虑当前使用什么芯片，还要为后续芯片升级和不同组合预留空间，电源、液冷以及互联方案也必须随之调整。
因此，标准能否进一步收敛，将影响超节点产品研发效率、产业协同以及规模化落地速度。
他预计明年将是国内超节点大规模商用的重要节点。今年国内已有约5家AI芯片企业有能力支持超节点，预计明年十余家将陆续推出相关产品。
而比厂房和电力更大的问题，是这些基础设施由谁来出钱。
中信建投证券武超则给出对比：过去二十年移动互联网时代，中美每年底层资本开支约1000亿美元；今年北美CSP（云服务提供商）厂商资本开支约8000亿美元，中国约1万亿元人民币，投资规模扩大10倍，算上供应链可能是20倍。
资本开支规模上升之后，资金来源也在发生变化。
AI资本开支最初靠企业自由现金流，如今已扩展到发债、融资租赁，乃至第三方建数据中心、云厂商长租、私募股权和信贷接力融资。重阳投资董事长王庆表示，有大型云厂商信用背书的项目融资利率约5.3%-6.6%，缺乏背书的则高达8.5%-9%。在大规模的基础设施项目上，几个百分点的成本差异足以改变投资回报率。
如此巨大的基础设施投入，最终能否产生足够大的商业回报，也是市场争论的核心。
武超则表示，大模型快速发展，首先带动的是上游算力投资，目前算力产业链获得了AI产业链90%以上的收入和利润，而模型和应用仍处于高速竞争阶段，商业化相对滞后。她认为围绕所谓AI“泡沫”，值得观察的并非模型能力是否继续提高，而是巨大的资本开支与商业模式闭环之间是否出现越来越大的距离。
针对AI投资的可持续性，高金智库首席经济学家彭文生认为技术创新具有外部性：一项技术带来的生产率提升最终可能由整个社会分享，而最初的成本和风险却由具体投资者和企业承担。如果完全按照单个企业的短期财务回报计算，对新技术的投入反而可能不足。
但对于企业而言，商业回报的问题最终无法绕开。
所谓“算力竞争”不是一场单纯的芯片竞赛，它正在变成一场重资产竞赛。拿到GPU只是开始，HBM（高带宽存储）供应、互联、存储、散热等要跟上，再往下是厂房和电力，最后还要以可承受的资金成本建成系统，并产生足够的商业回报。任何一个环节跟不上，都可能成为下一阶段算力扩张的瓶颈。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
