摘要

AI基础设施已经从科技公司的资本开支，升级为美国经济增长的核心变量。 泓君援引Jason Furman的测算称，2025年上半年美国GDP增长几乎全部来自AI基础设施；剔除信息技术和软件后，增长仅0.1%。OpenAI则在重组、为潜在IPO铺路之际承诺未来投入1.4万亿美元，形成“一端是科技巨头热火朝天的大基建，另一端是传统行业那0.1%的增长”的冰火两重天。
这轮军备竞赛的规划尺度已从5000亿美元跃升至数万亿美元。 OpenAI对NVIDIA、AMD、Broadcom分别提出10、6、10吉瓦意向，合计26吉瓦；按节目采用的每吉瓦500亿美元估算，约是1.5万亿美元。徐熠兴判断10吉瓦Stargate“可能只是一个刚刚的开始”，未来5-10年野心或达其十倍；嘉宾引用的行业判断则是未来五年数据中心投资达到5万亿至7万亿美元。
真正稀缺的已不是单颗GPU，而是能让整个集群运转的电力与配套供应链。 “Power First”的飞轮是先拿电、再买GPU、训练更好的模型、争取用户和收入，最后把利润重新投入土地与电力。由此形成“Underinvestment is riskier than over investment”的共识：多买的地、电、机房和GPU尚可内部消化、出租或转卖，少投却可能让公司输掉生存权，“因为没有人想当诺基亚”。
数据中心需求正从预训练主导转向推理与应用主导，但这并不会减弱总算力需求。 两年前约60%-70%算力用于预训练，今年早些时候推理已约占六成，训练四成；徐熠兴理解未来推理可能超过80%，王辰晟基本同意。这意味着AI开始通过订阅和应用创造收入。与此同时，大集群能显著压低运营成本、缩短模型迭代周期，正如微软CEO的判断：“AI只有在真正创造GDP的时候，才是有价值的时候。”
美国面对的是名义装机、稳定出力和电网接入三重缺口。 过去20年美国电力系统年增速低于1%，节目估算每年需要新增约80吉瓦、目前仅有50-60吉瓦，缺口约20吉瓦，五年可能累积至100吉瓦；而太阳能容量系数约25%，远低于天然气的85%和核能的93%。节目中泓君转述黄仁勋的判断：“你有了GPU，没有电，也没办法运行数据中心。”
输电线、燃气轮机和变压器可能比发电资本本身更难快速扩张。 美国新增长距离输电线通常需要7-12年，GE Vernova的燃机订单已排到2028年；xAI据公开分析扫走了美国近70%的燃气轮机库存，Colossus 2可能部署约160台。变压器交期则从约3个月拉长至至少18个月，节目也提到可能达到18-24个月，应验了马斯克那句双关：“transformer lead transformer。”
投资受益链从GE Vernova、核能延伸至电气设备、铜、存储和物流，但估值与基本面并不总是同步。 徐熠兴认为Oklo的暴涨更多反映市场期待而非商业运营进展；王辰晟也算出，一些化学燃料电池方案为抢时间而付出的五年额外成本可能达到6亿至10亿美元。最终风险仍是资金链的多米诺骨牌：任何公司造假、AI落地不及预期或信任危机，都可能冲击这个“不成比例地决定美国经济”的资本循环。

精读

1. AI基建正在吞下美国增长

泓君援引哈佛经济学家Jason Furman的口径：2025年上半年，美国GDP增长几乎全部来自人工智能基础设施；如果拿掉信息技术和软件，增长只剩0.1%。这让数据中心不再只是科技产业议题，而成为宏观经济的重要变量。
OpenAI完成公司架构重组、为潜在IPO铺路后，提出未来投入1.4万亿美元建设AI基础设施；重组前一天，它又致信白宫，称中国2024年新增电力429吉瓦、美国仅51吉瓦，希望政府优先审批AI项目。
节目的总框架是高度集中的“万亿美元大基建”：极少数科技公司联合金融巨头，正在对美国经济产生决定性影响。泓君在结尾保留了关键疑问——若AI商业化不及预期，资金传导链中的一次信任危机会不会成为“多米诺骨牌倒塌的第一步”。

2. OpenAI把竞赛推到了26吉瓦和万亿美元尺度

徐熠兴认为，OpenAI公开的10吉瓦Stargate目标“可能只是一个刚刚的开始”，其5-10年野心或许是十倍规模，并称这可能对应约5万亿美元的产业；他还引用黄仁勋或咨询公司的判断，称未来五年数据中心基础设施投资可能达到5万亿至7万亿美元。
泓君认为，数据中心可能贡献今年美国GDP增长的70%，并表示自己不会吃惊，随后又说：“你有可能低估了。”
王辰晟把意向拆得更具体：OpenAI与NVIDIA规划10吉瓦、AMD 6吉瓦、Broadcom 10吉瓦，合计26吉瓦；按每吉瓦500亿美元计算，是约1.5万亿美元的五年概念。它还向三星和SK海力士锁定每月90万片晶圆产能，约涉及DRAM市场三分之一、HBM市场60%。
竞争者各自抢不同瓶颈：xAI横扫小型燃气轮机，Meta持续购买低成本能源和土地、规划约5吉瓦且“能占大半个曼哈顿”的园区，Google则买断互联、光缆等供应链产能。“每个巨头都在发力，都不想在这个竞争当中输人一头。”
微软的路径更反复：年初曾暂停部分施工、退租机房，CEO也公开担心过度建设；但随后又落成全球最大之一的AI数据中心。徐熠兴认为策略在一年内发生了波动，不过Google和Microsoft原有数据中心可能已超过10吉瓦，不能把其较低增速简单等同于不激进。

3. “Power First”把过度投资变成更小的风险

王辰晟对“Power First”的因果链解释得很直白：谁先拿到电，谁就能买更多GPU、训练更好的模型、获得更多用户与收入，再把利润投入更多土地和电力。能源因此成为模型、市场份额和资本回报之间的第一环。
军备竞赛的共同判断是：“Underinvestment is riskier than over investment.” 如果最先获得最佳模型或AGI的公司会占据大部分市场，那么投资不足可能意味着生存空间迅速消失；华尔街即使质疑回报和现金流，巨头也“没有一个眨眼睛的”。
过度投资的损失反而有上限：土地、电力、机房和GPU都可以内部使用、出租或转卖。泓君引用硅谷老话“比尔总会吃掉安迪”——只要硬件和基础设施存在，软件终究会找到消化资源的方式。
泓君把赌局概括成市值4万亿美元变3万亿，还是因错失AI变成零；公司当然更愿意讲“活过退潮、从4万亿变10万亿”的故事，但她也明确补上限定：“不代表它就一定会发生。”

4. 大集群既为训练提速，也为推理赚钱

王辰晟引用Google的经济账：爱荷华州一座1吉瓦AI数据中心，相较同等规模的分布式部署，每年可节省5亿美元运营成本，收益来自输电、冷却和运营效率。大集群并非纯粹追求规模，而是直接压低单位算力成本。
训练节奏进一步强化规模需求：节目采用的估算是，GPT-4用约16000张H100、90天处理1.7万亿的数据量；GPT-4.5的计算量可能到10的26次方，需要的卡可能是两三倍；一个GB200集群、2.5万张卡，也可能需要90-120天计算。巨头希望从每季度一次训练，推进到每一两周一次迭代。
算力用途已经反转：两年前约60%-70%用于预训练，今年早些时候推理约占六成、训练四成。徐熠兴预计未来推理可能超过80%，并强调训练不能直接带来收入，订阅和应用才能让资本开支形成现金流；王辰晟基本同意这一判断。
小型、分布式算力并非无用：Novita等公司可利用闲置资源，以较低成本提供算力；但训练需要机柜间高速互联和统一集群。第三方服务可能要求99.999%可靠性，内部训练或许99.9%即可，因此Stargate把很大一部分训练项目放在有风、光、土地和电网接口的西德州。

5. 美国每年可能少20吉瓦，稳定电力缺口更大

徐熠兴指出，美国电力系统过去20年每年增长低于1%，与GDP增长几乎脱钩；即使立刻把增速翻倍也只有约2%。新增负载中，数据中心可能占40%，其余来自电动车和制造业回流等需求。
节目的需求估算是每年新增约80吉瓦，而现实只有50-60吉瓦，因此每年缺约20吉瓦、五年可能累积至100吉瓦；美国现有总发电规模约1300吉瓦。纽约平均用电约6吉瓦、峰值11-12吉瓦，所以20吉瓦相当于两三个纽约。
仅看名义装机也会低估问题：美国一年新增中约45吉瓦来自太阳能、5吉瓦来自风能，火力不到5吉瓦，实际有效出力可能不足20至25吉瓦。太阳能容量系数约25%，天然气约85%，核能约93%，“同样的Gigawatt”并不代表同样的电量。
王辰晟也提出反向校验：若60吉瓦数据中心按每吉瓦500亿美元计算，需要3万亿美元，而大公司明年总投入基本不到1万亿美元，因此只看资本计划，短期未必缺到60吉瓦。一些机构预测，新增发电量可能约60%靠天然气、40%靠光伏、风能和储能；新增核电或到2028年，SMR成为主力可能要等到2030年。

6. 有发电机不等于数据中心拿得到电

徐熠兴提醒，数据中心依赖的是发电、输电、配电的完整系统，不是孤立电厂。发电约占电力系统投资的50%，输电占10%-20%，配电占20%-30%；美国电网甚至没有足够能力吸纳所有新增电源。
Stargate目前目标为10吉瓦，约7吉瓦已经签约或宣布，但意向不等于成功并网。项目方既要寻找现存容量，也必须想办法在电网上创造新容量，否则即便把发电设施建好，真正接入电网仍会遇到阻力。
科技公司因此开始自己建设发电机、发电站、变电站、配网和短距离传输线。“电力公司已经完全跟不上他们的需求了”，最现实的策略是让电源紧邻数据中心，尽量把工程限制在自身经济与政治资源能够覆盖的范围内。

7. xAI扫货揭开了燃气轮机的供应危机

GE Vernova的燃机业务过去十年增长平缓，2019至2020年高点也只有每年七十多台、单台约30-50兆瓦；相比之下，全球每年约有4000台飞机引擎下线。此前燃机被视为增加碳排放的“夕阳产业”，供应链没有为AI需求预留产能。
王辰晟援引公开信息称，xAI扫走了美国接近70%的燃气轮机库存；按SemiAnalysis的分析，若记忆无误，仅Colossus 2就可能配置约160台。它们填补的是并网审批约两年、而数据中心可能六个月就要上线之间的一年半缺口，是“短期止损”而非永久最优解。
大型燃机效率和功率更高，但GE订单已排到2028年；航空衍生燃气轮机及Caterpillar等小型设备可以补充，却可能十台才抵一台300兆瓦机组，同样需要漫长扩产。供应链挑战于是扩散到更多设备和零部件。
对“中国能否快速补位”的追问，王辰晟认为燃机叶片涉及专业合金和军工级安全要求，并非单靠普通制造规模即可解决。“如果给一定的时间它肯定能解决”，问题是能源争夺没有给供应链留下足够时间。

8. 变压器把3兆瓦项目拖到18个月

王辰晟讲了特斯拉Dojo的实例：约一年半至两年前，公司想在Palo Alto建设仅十几台训练设备、3兆瓦的小集群，市政府却称没有电，变压器交期已从3个月延至18个月。特斯拉最终自己买两台变压器、替政府安装并交付，换取使用这些设施的条件。
这个故事的尺度差最能说明问题：“那个时候只是3兆瓦，现在我们动辄是谈3吉瓦，1000倍的差别。”节目还提到变压器交期可能达到18-24个月，因而成为电厂、配网和数据中心都绕不开的卡点。
上游瓶颈是取向硅钢等特殊材料：按王辰晟给出的数字，美国仅一家公司生产、年产25万吨；全球约500万吨，仅宝钢一家就接近200万吨。美国在2016、2020、2024年通过反倾销及节目所称OBBBA法案等限制相关进口，但本土制造短期接不住需求。

9. 800伏直流是在用标准换电和铜

当前电力通常以约350千伏长距离传输，经本地变电站降至3.8-35千伏，再通过UPS以480伏或415伏交流进入数据中心，最后转为54伏直流给服务器供电。NVIDIA提出的800伏直流，首先针对的是数据中心和机柜内部，而非居民电网。
机柜功率正在快速上升：Hopper/H100约30千瓦，GB200约100千瓦，Vera Rubin及后续产品可能达到400千瓦乃至1兆瓦。按NVIDIA的测算，1兆瓦机柜若维持54伏，需要约200公斤铜；1吉瓦数据中心沿用旧架构甚至可能需要50万吨铜。
更高电压能显著降低电流和电阻损耗：1兆瓦机柜用54伏传输，损失可能达到22%；升到800伏后，铜传输损失可降至0.6%。当电已是最稀缺资源时，这不是边缘优化，而是避免“下一步可能就是缺铜”。
现实仍以415伏交流为主，产业链将先尝试400伏或415伏直流，再迁移至800伏；最终阶段是入口使用固态变压器、去除部分UPS，把端到端效率从约92%-98%推至98.5%甚至99%。2025年数据中心或占美国用电约5%，2030年可能翻倍，足以支撑一套专用标准。

10. 中国靠集中规划扩电，美国卡在许可、成本与社区

OpenAI信中使用的是中国2024年新增429吉瓦、美国51吉瓦；节目后段泓君又引用“今年”中国495吉瓦、美国50吉瓦的口径。无论采用哪组数字，嘉宾强调的都是两国建设速度存在数量级差距。
徐熠兴把制度差异放在首位：中国能够集中规划西电东送、南电北送和高压直流网络；美国则以局部电网为主。长距离线路若经过不愿配合的农场主，就可能绕行数百英里并重复谈判，“这就是为什么美国高铁建不成”。
美国新增长距离传输线一般需要7-12年。科技公司在融资和项目管理上可能更快，却无法跳过土地权利和许可，所以它们更倾向于把自建电厂放在数据中心附近，回避大规模跨区域输电。
成本差异同样关键：中国一年太阳能装机可相当于世界其他国家总和，有时甚至更多；美国大规模储能设备价格可能约为中国两倍。选址还要权衡水资源与电力：闭环液冷未必大量耗水，但总体上节水往往需要更多制冷用电，省电又可能依赖当地水资源，并引发居民对缺水和污染的抵制。

11. 受益链很长，最快上涨的资产未必最先兑现

徐熠兴认为，天然气上线快、订单与议价能力强，GE Vernova是最直接的受益者；核能可能受益于未来五年需求，但不是短期解法。电器设备、变压器、铜和其他原材料，也会随整个电力系统扩建而受益。
Oklo尚未实际发电，其高管给出的最理想商业运营时间是2027年；徐熠兴认为这个日期可能偏乐观，近期股价暴涨“更多的不是反映基本面，而是反映市场对它的期待和情绪”。美国核能人才与产业链过去几十年存在断档，不能按软件速度推演。
抢时间会让公司接受明显更差的经济账：同样100兆瓦时，燃气轮机资本投入约2亿美元，某些其他替代方案约7亿美元，每年的燃料和运营费用还可能多2000万至5000万美元；五年额外支出可能达到6亿至10亿美元，但“比你更快到通用人工智能”压过了成本纪律。
隐蔽瓶颈还包括存储和运维：不计Sora、Veo等视频模型，明年底存储缺口已可能有5%-8%；在节目提到的GPT-4或Meta Llama 4的10万卡场景中，平均32分钟可能宕机一次、恢复约15分钟，每周1%故障就是1000张卡、约100吨返修物流。“整条供应链上有太多太多的卡点”，任何一环失灵都可能放大资本循环的脆弱性。

139: ICCV最佳论文、光年之外、Sand.ai：曹越十年AI之旅，从研究者到CEO Pete Buttigieg：左翼的身份认同危机、财富税、2024年的失误与2028年计划