AI可演进 物理难速通 | AI时代终极护城河:模型之外在交付能力
先来看三组数据。
微软 2026 财年第三季度资本支出 319 亿美元，其中大约三分之二用于采购 GPU 和 CPU 这类折旧快的资产。Meta 将 2026 年全年资本开支预期上调至 1,250 亿至 1,450 亿美元，原因是零部件涨价及数据中心建设成本上升。Alphabet 一季度 Google Cloud 营收 200 亿美元、同比增幅 63%，云业务未履约合同积压订单突破 4,600 亿美元。
资金如潮水般涌出。然而亚马逊同一季度财报中披露了一个细节：过去十二个月自由现金流缩水至 12 亿美元，原因是 AI 相关设备采购净额同比增加 593 亿美元。全球最大云服务商，现金流已被自身的算力布局消耗殆尽。
这正是本系列收官篇要探讨的核心问题：资金已不再是制约因素，真正的瓶颈在于投入之后能否转化为可用的算力。竞争壁垒并不在于模型本身，而在于落地交付能力。
资本支出能解决许多问题：排队抢货、锁定库存、提前付款、扩张产能、并购整合。但资本无法绕过物理规律。
电力是首要关口。LBNL 为美国能源部出具的数据中心能耗报告显示，美国数据中心 2023 年用电量约 176 TWh，预计 2028 年将处于 325 至 580 TWh 区间，占全美总用电量的 6.7% 到 12%。预测区间如此宽泛，恰恰印证了电力供应是最大的不确定因素之一。设备端同样面临排队：GE Vernova 2026 年一季度公布，燃气发电设备订单积压加上预留产能从 83 GW 攀升至 100 GW。
芯片是第二道关口。ASML 2025 年全年确认收入的 EUV 光刻机仅 48 台，销售额 116 亿欧元。先进制程、HBM、先进封装，每一层的供应商都屈指可数。模型可以一年迭代三轮，但 EUV 无法做到。
本系列从电网切入，依次拆解了燃气轮机、变压器、ASML、HBM、存储与检索、CoWoS 封装、InP 光互连、铟镓锗副产金属，以及上篇的液冷技术。十篇梳理下来，规律只有一条：每一层都是慢变量，没有哪一层可以通过 GitHub fork 复制。
模型固然关键，没有强势模型，所有基础设施投入都等于烧钱。但模型本身的扩散速度已超过基础设施的扩张速度。开源权重、蒸馏技术、小模型、推理优化，将持续压缩"模型领先"的保鲜周期。
NVIDIA 在 2026 财年 10-K 中将 Blackwell 定位为数据中心规模的完整基础设施，涵盖 GPU、CPU、互连、交换、系统级打包交付，并直言：数据中心已成为新的计算单元。连芯片厂商都改变了口径，售出的不再是单独的芯片，而是机柜级、数据中心级的整体交付方案。
因此 AI 公司将分化为两类。一类仅拥有模型或应用，另一类则整合了模型、基础设施、供应链、工程交付与客户场景的综合能力。后者才更有可能将能力稳定转化为收入。资本开支规模大并不等于护城河深厚，资金投入后沦为在建工程的情况比比皆是，唯有转化为可上线兆瓦产能才算真正的护城河。
需求端的数据佐证是真实的。阿里云 2026 年 3 月季度营收 416 亿元、同比增幅 38%，AI 相关产品收入已连续 11 个季度保持三位数增长。百度一季度 AI 云基础设施收入 88 亿元、同比增长 79%，GPU 云收入同比增长 184%。腾讯单季资本开支 319 亿元，专项投入数据中心及 IT 基础设施建设。
工程化交付层面的优势同样确凿。电力装备、光模块、服务器整机、数据中心建设、液冷、部分材料，这些都是本系列前几篇反复论证过的领域。短板也需要说清楚：EUV、先进制程生态、HBM、顶级先进封装、部分高端衬底，以及全球平台认证和海外长期运维能力。具备制造能力并不等同于掌握全产业链，这一点我多次提及，收官之际再次强调，因为高估与低估的代价同等沉重。
本篇探讨的窄门并非某一具体部件，而是跨层级交付能力。我将其拆解为五个层级。
第一层，电力交付。涵盖发电、输电、变电、并网、备用电源、能源合同及地方审批，是一个综合性工程，并非简单的购电操作。第二层，算力硬件交付。GPU、HBM、封装、服务器、网络、光模块必须按统一节奏协同到位，任一环节延迟都会导致资本开支沦为账面上的在建工程。第三层，数据中心系统交付。机柜功率、液冷、UPS、母线、消防、运维需一体化设计，AI 数据中心并非在旧机房中堆叠更多服务器。第四层，软件与调度交付。推理引擎、KV cache、GPU 调度、成本控制，决定同一批硬件能释放多少有效智能。第五层，客户场景交付。企业采购的并非榜单排名，而是成本下降、收入增长、责任明晰。
五层中任何一层出现短板，其余四层的投入都将大打折扣。真正的护城河，在于将多层慢变量整合为可预测交付结果的能力。
本系列从电网开篇，以交付收尾，因为 AI 产业正从模型能力叙事迈向基础设施兑现叙事。
模型将持续进步，且速度还会加快。但物理世界并不会因此软件化。电厂不会因融资消息提前并网，涡轮不会因订单激增跳过铸造周期，EUV 不会因需求旺盛而变成普通机床，HBM 不会因涨价自动提升良率，磷化铟不会因光模块紧缺而跳过晶体生长，液冷系统不会因机柜价格高企就自动变得可靠。
这是我的判断，也是本系列的结论：AI 时代最具竞争力的企业，并非单纯的模型公司，而是模型公司、云服务商、能源公司、半导体公司与供应链组织者的综合体。模型决定 AI 的上限，交付决定 AI 的规模。
AI 能够进化，但物理世界做不到。智能可以呈指数增长，交付却必须一寸一寸穿越物理世界。
谁能穿越这道屏障，谁才能构筑真正的护城河。