Jeremie Eliahou Ontiveros

“2026年美国数据中心容量有一半被取消”的说法，建立在SemiAnalysis认为经不起基本核验的分母上。 原始报告将2026年计划投产容量记为12 GW，但在建仅5 GW；Bloomberg随后将“美国数据中心容量有一半被延迟”的说法传播为取消证据。Amazon单是2025年就公开建成4 GW，2026年可能新增5 GW以上，CoreWeave另有约1 GW在建。Jeremie的结论是：“分母存在巨大问题”（“There’s a massive issue in the denominator.”）。

取消确实规模不小，但主要是在削减早期的投机性选项，而不是抹掉已经承诺的容量。 美国数据中心负荷申请超过1 TW，而整个电力系统当前峰值负荷约750 GW，原因在于超大规模云厂商可能为一个最终投资决策同时考察10个选址。这些“云端标记项目”可以宣传10 GW园区和明年500 MW的投产计划，网站却只有一个“联系我们”页面，连更进一步的许可都没有；SemiAnalysis在展示的不同预测版本之间，预测值变化不到5%。

Oracle的Project Jupiter说明了真正的风险：一个已经推进到后期、也已获得融资的项目，仍可能因为千兆瓦级电力基础设施前所未有而错过进度。 其理想的新墨西哥天然气管道路由仍未获批，只有备用路线获得批准；适用的监管流程没有在2年内完成的先例。Ellie表示，卡车运输CNG目前唯一得到验证的交付规模约为200 MW，甚至这个数字可能都偏乐观。Jeremie认为，这不是一个早期的“云端标记”项目，而是约1000亿美元的Oracle/OpenAI承诺正在面对执行现实。

SemiAnalysis预计，到2028年表后数据中心新增容量将超过40 GW，因为电网交付承诺可能不如自发电可靠。 Jeremie表示，过去两周已经签下3 GW交易，并将签约到首批容量投产约18个月视为经验法则。电力公司可能把2027年握手承诺的500 MW，变成2028年的100 MW，直到2032年才交付全部容量；表后供电让买方“掌握自己的命运”（“control your destiny”），但仍受制于许可和供应商执行。

这轮容量竞赛的融资主体仍是超大规模云厂商及其背后的AI实验室。 AWS的扩建与Anthropic相关，Microsoft的扩建与OpenAI及部分Anthropic需求相关，Meta则通常服务于MSL。资本实力较弱的Neocloud很难同时为建筑和GPU提供融资，除非有Blackstone或KKR等机构支持。一旦签下1 GW租约，融资可能迅速跟上——Jeremie提到，Vantage约1个月后就筹得约250亿美元——而首批容量通常在签约约18个月后到位，全面爬坡预计远快于5年。

电力设备短缺正在吸引足够多的供应商和替代技术，因此执行速度与涡轮机铭牌容量同样重要。 主要OEM都在扩产，Bloom Energy被形容为异常“AI上头”，而年产能超过100 GW、利用率仅40%-50%的汽车工厂也可能将发动机转用于发电。在人工成本“涨上天”、每兆瓦收入不断提升的情况下，快速安装和可预测的进度可能比为设备或电力支付溢价更重要。

天然气是2020年代缩短通电时间的答案，太阳能、电池和核能则仍是更长期的多元化选项。 根据地区不同，太阳能对电网有效容量的贡献可能只有铭牌容量的10%-20%；一个千兆瓦级表后项目可能需要20,000英亩土地。核电和SMR协议推进仍然缓慢，且往往不具约束力。Reyk将2026年可能出现的“涡轮机见顶”描述为一个看起来偏利空的动态：过度采购的设备可能被闲置，或流入二手市场；但他强调，这不会推翻更广泛的表后供电逻辑。

模块化现场燃气发电正成为 AI 数据中心最快的通电路径，已有可信的超大规模云厂商和 AI 实验室项目瞄准 2026-27 年落地。 Jeremie 区分了单机约 500 MW、交付缓慢的大型涡轮机，以及可工厂化生产的 3-4 MW 往复式发动机和 15-40 MW 航改型燃气轮机。Elon Musk 的 Memphis 站点 2024 年已有约 250-300 MW 的现场涡轮机，2025 年可能再增加约 500 MW；Stargate Abilene 则计划部署 300 MW，以及 160 MW 的 GE Vernova 航改型燃气轮机：「现在比的就是上市速度」（“Today it’s all about time to market.”）。

真正持久的机会不只是新增燃气需求，而是燃气设备正在替代柴油备用发电机。 项目可以在等待并网期间用燃气作为主电源，接入电网后再保留同一套设备作为备用；如果训练 GPU 在下行期转为服务高可用推理，这一能力的价值还会进一步上升。Andrew 质疑这类过渡性支出到 2028 年可能消退；Jeremie 则反驳称，燃气与柴油设备的成本大致相当，但燃气要求靠近管道，这会成为选址的决定性约束。

SemiAnalysis 认为，超大规模云厂商的资本开支将继续显著高于华尔街预测，因为前瞻性的建设和预租赁指标仍在陡峭上行。 在 2024 年和 2025 年均增长约 50%后，其测算隐含 2026 年增长约 35%-40%、2027 年增长 25%-30%，5 家主要买家 2026 年年度资本开支将超过 5000 亿美元。Meta 含蓄透露可能再增加约 400 亿美元、将资本开支推向接近 1000 亿美元，也支持美元计价的同比增量大致相当这一判断。

最大的会计风险，是 GPU 按 4 年寿命折旧，取代当前服务器约 5.5-6 年的使用寿命假设。 Andrew 转述 Jim Chanos 的说法称，Meta 整体资产的使用寿命为 11-12 年；按 Andrew 的回忆，GPU 当时按约 3 年折旧；他还称 Chanos 的另一种测算隐含了 20 年寿命。历史上的高性能计算系统支持 5-6 年使用寿命，但 Jeremie 承认，如今 GPU 正被以最大利用率运行，其损耗是否更快「谁也说不准」。一个项目仍可能显示约 40% 的 EBIT 利润率，但如果使用寿命缩短，未来某个季度可能确认约 100 亿美元的减值损失。

CoreWeave 的优势在于执行速度：裸金属市场的技术差异有限，但这一策略也埋下了严重的周期风险。 通过接手加密矿工的棕地项目、部分项目在不到 1 年内交付，CoreWeave 约 2 年签下超过 2 GW 的容量，而传统建设周期为 18 个月至 4 年。错配十分明显：「最长的 GPU 合同是 5 年，数据中心合同却是 15 年」；一旦替换需求消失，公司将面临 10 年的租金敞口。

Oracle 正以投资级资产负债表复制「CoreWeave 路径」，接受长久期基础设施负债，以赢得巨额 AI 合同。 Andrew 援引泄露数据称，一项约 15 年、价值 150亿-200亿美元的 Crusoe 承诺，可能支撑一份约 5 年的 OpenAI 合同；客户合同到期后，Oracle 既有巨大的上行空间，也可能每年承担超过 10 亿美元的义务。Oracle 希望 GPU 容量还能把 OpenAI 的 CPU、存储和前端工作负载吸引至 OCI，但 SemiAnalysis 目前几乎没有看到 GPU 托管带来更广泛云业务增购的证据。

偏远地区将获得更多份额，但廉价燃料或寒冷气候无法替代劳动力、物流、输电和可靠电网供电。 West Texas、Applied Digital 的 Ellendale 站点，以及 Crusoe 已宣布的 Wyoming 项目，都显示出集群正在离开成熟都市圈。完全孤岛式发电可以加快上线，但 Jeremie 称电网是「现场能拥有的最佳电力」；没有输电能力，Permian 等地只能依赖昂贵的过渡电源。节目也讨论了 Alaska 的可能性，但 Jeremie 表示自己尚未专门评估该地区。

更好的芯片不太可能单独令用电需求骤降，而机器人进展也会慢于语言模型。 Nvidia 正大幅提升单位功耗吞吐量，但头部实验室会把这些能效收益投入更强的前沿模型，因为「赚钱的是前沿模型」，电力需求与系统价格因此仍然高度相关。在机器人领域，2 级移动系统可能在 1-2 年内成为值得关注的趋势，但现实世界训练数据稀缺，未来几年快速进化到强 4 级人形机器人的可能性不高。

Ontiveros 不接受把“无限”作为投资前提，但其审慎预测仍指向 AI 数据中心短缺加剧。 全球数据中心 IT 容量在2019年至2023年间每年增加约4 GW；2024年，仅 NVIDIA 硬件就新增约5 GW 需求，AI 加速器合计新增7-8 GW。SemiAnalysis 预计，未来数年数据中心建设速度仍将落后于需求，基础设施链条各环节因此都有上行空间。

DeepSeek 并未推翻算力支出逻辑，其效率提升仍处于一条已经极其陡峭的趋势之内。 Ontiveros 预计，2年后，达到 GPT-3 水平的模型，其推理成本应降至当前约1/1,200。他认为 Gemini 2.0 Flash 的服务成本更低、表现也优于 DeepSeek。DeepSeek 自身仍受推理容量约束，说明更便宜的智能依然可能带来对更多算力和数据中心容量的需求。

易得文本数据耗尽，增加的是算力需求，而不是终结训练规模扩张。 合成数据生成、强化学习、更严格的验证，以及用超大模型改进小模型，都会消耗大量算力；Ontiveros 认为 GPT-4o 和 Claude 3.5 Sonnet 都是这条更广泛路径的产物。当前最大集群约有100,000块 Hopper GPU、功耗130 MW；头部实验室正规划到2027年落地 GW 级、部分达到2 GW 的园区。

NVIDIA 被低估的推理优势，可能在于 scale-up 网络，而非市场熟悉的训练软件护城河。 GB200 NVL72 通过 NVLink 将72块 GPU 以全互联方式连接，带宽无出其右；机架级系统使用3,000-4,000根铜缆。更长上下文的推理模型需要更多内存和网络，SemiAnalysis 因此认为 NVIDIA 的护城河“可能实际上在推理侧强于训练侧”（might actually be stronger in inference than in training）。

AI 上行周期的拐点，不是模型变得更高效本身，而是采用率和变现无法支撑实体投资。 Ontiveros 预计，超大规模云厂商的资本开支仍将超预期20-30%，但 GW 级园区最终需要的不只是用户增长。他会关注产品流量、能够获得的 OpenAI 收入指标以及可能的 Claude 收入指标，以及消费者是否继续每月支付20美元或200美元。他说，投资规模最终会大到市场无法承受。

供给短缺使“time to power”（接入电力所需时间）成为最有价值的基础设施产品。 Schneider Electric、Eaton、Vertiv、台湾液冷企业，以及规模较小的工程或制冷公司都能参与其中；大量设备的商品化程度高于 NVIDIA GPU。Talen 式表后核电方案看起来比预想中棘手得多。

Bitcoin 矿工拥有稀缺的已接入电力场址，但将其改造成 AI 园区是团队与资本问题，不是简单更换设备。 矿场成本约为50万美元/MW，AI 数据中心则超过1,000万美元/MW，而客户还需要可信赖的运营团队。Walker 的比喻概括了其中的期权价值：矿工是“掉进金矿的一队小丑车”（clown cars that fell into a gold mine）；但 Core Scientific 和 Applied Digital 更突出，因为它们较早建立了数据中心能力和行业关系。

矿工手里的电力并不天然适配 AI。 Walker 指出，西德州限电协议以及间歇性的风电、光伏电力，可能不适合 AI 全天候运行的负载。Ontiveros 认为，发电机、现场电池，以及数据中心本已使用的 UPS 系统可以覆盖停电时段，电池储备也可能延长至通常5-10分钟以外。

尽管海外能源更便宜，美国仍是默认选址，胜在速度、劳动力、供应链和经验。 超大规模云厂商自建的大型数据中心中，约75-80%原本就在美国，使其积累了100 MW 规模建设经验。Ontiveros 表示，“目前没有其他国家比美国更懂得如何建设大型数据中心。”