AI万亿基建真相：美国增长靠算力，却被电力与变压器掣肘

在席卷全球的AI算力“新淘金潮”里，一个令人警醒的现实正逐渐显现——当资本市场还在为数千亿美元的投入激动不已时，却突然发现，没有充足电力，再宏大的计划也难以落地。今天想谈的是一场“万亿美元级别的豪赌”。当OpenAI掌门人Sam Altman提出要投入7万亿美元重塑全球AI基础设施时，全球资本一片沸腾。但若进一步拆解这场“大基建”，就会看到背后隐藏着一个发冷的事实：美国GDP的增长几乎都在依赖AI支撑，而这场算力竞赛，甚至可能被一个不起眼的变压器拖回现实。

这并非夸大其词。哈佛大学知名经济学家Jason Furman给出了一组惊人的数字：2025年上半年，美国GDP增长中的92%，竟然来自信息技术、软件以及AI数据中心等科技基础设施投资。也就是说，若剔除AI和数据中心相关投入，美国经济几乎等于停滞——相关领域之外的GDP增速仅剩可怜的0.1%。

要知道，美国一直是典型的消费驱动型经济体，消费支出通常占GDP约三分之二。但到了2025年，AI数据中心建设对GDP增长的贡献，历史上第一次超过了美国居民消费。AI看起来已不只是科技巨头之间的游戏，更像成了整个美国经济的“核心发动机”。然而，这台发动机如今却遭遇了一个极其尴尬的“卡脖子”难题。 一、有资金，却缺电：AI最棘手的对手竟是基础物理

如今全球科技巨头正以空前速度加大投入。Dell‘Oro Group报告指出，在AI部署加速带动下，2025年全球数据中心资本开支增长57%，并预计到2026年全年支出将跨过1万亿美元门槛。 亚马逊2025年的资本开支高达1310亿美元，并计划在2026年进一步投下约2000亿美元。美国四大云厂商——亚马逊、谷歌、Meta和微软——2025年的数据中心资本支出增幅更是达到惊人的76%。 但在投资狂潮背后，却是冷冰冰的现实约束：美国电网根本承受不起。 数据显示，美国计划今年新增约12吉瓦数据中心容量，但目前真正处于积极建设状态的仅约三分之一。彭博社披露，预计今年美国规划中的数据中心项目中，接近一半会因关键电气设备短缺而延期，甚至直接取消。 问题出在哪？并不是GPU供应不足，而是缺少变压器、开关设备和锂电池。 变压器是数据中心的“电力心脏”，没有它，再多昂贵芯片堆进机房也只是废铜烂铁。而美国的尴尬之处在于，尽管这些年一直试图降低对中国的依赖，但目前其变压器和开关设备从中国进口的比例仍在30%左右，锂电池进口占比也顽固维持在40%以上。

更具讽刺意味的是，这类关键部件的交货周期已从过去的24到30个月继续拉长。美国数据中心开发商甚至开始把目光投向二手变压器——到已经关停的电厂翻新旧设备。一个自称要主导全球AI革命的国家，竟然在供应链“毛细血管”层面被死死卡住。 一边是万亿美元规模的资本洪流，另一边却是对中国进口电气零件30%的依赖——原来AI算力竞争的终点，真的还是“物理课”。 二、谷歌的“降维式冲击”：44%成本优势，TPU正重塑AI芯片格局

如果说电力属于硬性的物理限制，那么在芯片层面，一场更隐蔽但破坏力更大的较量也已展开。 长期以来，英伟达依靠GPU和CUDA生态牢牢把控AI芯片市场，价值占比超过80%。但若从出货量看，局势已在悄悄变化：2025年，谷歌自研TPU芯片出货量预计可达150万至200万台，亚马逊AWS的Trainium 2 ASIC约为140万至150万台，两者合计规模已接近同期英伟达AI GPU的40%到60%。 野村证券甚至判断，ASIC（专用集成电路）整体出货量有望在2026年某个阶段超越英伟达GPU。 谷歌最新推出的TPU v7（代号Ironwood），正是这场“反击战”的关键武器。 这款芯片首次在性能上与英伟达旗舰产品站上同一量级——其FP8密集算力为4.6 petaFLOPS，略高于英伟达B200的4.5 petaFLOPS；同时配备192 GB HBM3e内存，带宽达到7.4 TB/s，与B200的192GB / 8 TB/s基本处于同一档次。 但真正具有杀伤力的，是成本。 研究机构SemiAnalysis的TCO（总拥有成本）模型显示：谷歌内部部署TPU v7服务器的总拥有成本，相比英伟达GB200服务器低约44%。 即使把谷歌和博通的利润算进去，外部客户Anthropic通过谷歌云租用TPU，其TCO仍比直接采购GB200低约30%。 这种成本优势已经开始动摇英伟达的定价能力。OpenAI仅凭“可能转向TPU”的威胁，就从英伟达生态链争取到了约30%的TCO下调。 客户也正在用实际选择表态：Anthropic已承诺部署超过100万颗TPU v7，其中约40万颗由博通直接出售（价值约100亿美元），另外60万颗通过谷歌云租赁（涉及约420亿美元的剩余履约义务）。Meta也在讨论从2027年开始将谷歌TPU纳入自家数据中心。 ASIC带来的效率革命，正从成本端一点点拆解英伟达的护城河。 三、OpenAI的“星际之门”：5000亿美元的纸面蓝图 如果说谷歌是这场AI基建竞赛中的“实干派”，那么OpenAI的“星际之门”（Stargate）项目则代表另一种极端——依靠资本杠杆推动的“超级豪赌”。

2025年1月，OpenAI联合软银、甲骨文宣布，未来4年将豪掷5000亿美元建设数据中心，为AI模型提供高达10 GW算力。这几乎是人类历史上最庞大的基础设施承诺之一。 然而，现实远比PPT残酷。 项目推进一年多后，Stargate仍未雇佣一名正式员工，也没有真正开发出一座数据中心。 公布仅6个月后，其目标已从“立刻投资1000亿美元”悄然改为“在2025年底前建成一座数据中心”。与此同时，OpenAI、甲骨文和软银三方在职责分工和项目架构上分歧频出。 更麻烦的是，2025年9月启动的英国Stargate项目——原计划首期部署8000枚英伟达GPU——已在2026年4月正式暂停。OpenAI发言人解释称：“我们会在监管环境和能源成本等条件适合长期基础设施投资时再继续推进。” 德州与甲骨文合作的数据中心扩建计划也已暂时搁置。据CNBC报道，由于OpenAI希望在新站点部署英伟达下一代芯片，因此已决定不再扩建与甲骨文合作的旗舰Stargate项目，而是转向其他地区寻找建设新一代GPU集群的机会。 5000亿美元的宏大叙事，最终还是被能源成本、监管审批以及合作伙伴分歧这三重压力牢牢困住。 四、两条路线的终极较量：全栈掌控 vs 资本杠杆

将谷歌与OpenAI放在一起比较，两种完全不同的AI基建模式已清晰显现： 谷歌属于“全栈掌控者”：它不仅在芯片层面凭借TPU获得了性能与成本优势，还计划在2026年将资本开支翻倍至1750亿到1850亿美元，用于AI数据中心和TPU部署。它正以全球化方式“跑马圈地”，争夺能源、土地以及电网接入等AI时代最紧缺的物理资源。即使推进较慢的卢森堡Bissen数据中心项目，也体现了这种“长期主义”战略——这一规划容量为100兆瓦的项目虽然自2017年购地以来多次延后，但谷歌始终没有放弃。 OpenAI则更像“资本杠杆玩家”：既不具备芯片设计能力，也缺少数据中心建设经验，在合作方分歧和融资成本高企的双重挤压下，Stargate从诞生起就存在结构性短板。它提出的5000亿美元承诺，更像是借“长期愿景”去绑定合作伙伴与投资人的资本操作——OpenAI承诺年均支出600亿美元，是其当前年化收入（约120亿美元）的6倍。 分析人士预测，OpenAI或许会在2027年中之前把现金烧光。

这场AI基建竞争真正的胜负手，并不是PPT上那些夸张的投资数字，而是谁能率先解决“缺电”与“降本”这两个来自物理世界的硬约束。 结语 AI最终的战场，从来不只在代码层面，而是在变电站、输电线路和芯片制造工艺之中。当谷歌凭借44%的TCO优势悄然侵蚀英伟达的护城河，当OpenAI的5000亿美元项目被“连变压器都造不出来”的现实拉回地面，一个长期被忽略的真相终于浮现：算力的尽头是电力，电力的尽头是能源战略，而能源战略的尽头，则是供应链的自主可控。

在资本无限扩张与物理世界刚性约束的碰撞之下，只有那些能够搭建“自研芯片+自建数据中心+自营云平台”完整闭环的企业，才更有机会走到最后。至于那些只擅长画PPT、把希望押在资本杠杆上的玩家，终究可能被一个小小的变压器，堵死在通往AGI的大门之外。