Dwarkesh Patel：關(guān)于AI數(shù)據(jù)中心投資、能源和建造周期的思考

近日，AI分析師Dwarkesh Patel在其SubStack賬號上發(fā)表了一篇題為《Thoughts On the AI buildout》的文章，作者包括Dwarkesh Patel和另一位AI分析師Romeo Dean。

這篇分析文章背后也反映了資本市場對當下AI算力和基礎(chǔ)設施建設巨額投入所產(chǎn)生的AI投資泡沫的擔憂?！该髁凉尽勾饲耙苍峒?，擔憂的一個原因是，今年AI數(shù)據(jù)中心的投資規(guī)模在4000億美元上下，但AI產(chǎn)生的營收僅約600億美元——投資和收入差距過大。

但在這篇分析中，Patel和Dean更關(guān)注數(shù)據(jù)中心建設的具體細節(jié)和財務數(shù)字，他們首先引用了之前Sam Altman在9月23日博客中的一個愿景：“希望創(chuàng)建一個每周能生產(chǎn)一吉瓦（GW）新增 AI 基礎(chǔ)設施的工廠“。

Sam Altman在博客中還說：“實現(xiàn)這一愿景將極其困難，我們需要數(shù)年時間才能達到這個里程碑，并且它需要在技術(shù)棧的每一個層面進行創(chuàng)新，從芯片到電力，再到建筑和機器人技術(shù)。但我們一直為此不懈努力，并相信這是可能實現(xiàn)的。在我們看來，這將是有史以來最酷、最重要的基礎(chǔ)設施項目。”

Patel和Dean認為，真正決定數(shù)據(jù)中心建造價值的可能不僅僅是其所反映出的芯片和算力（占總投入的60-70%），而且更要看整個建設的速度。這背后的原因是，GPU技術(shù)的快速迭代導致其折舊周期大約僅有3年，而數(shù)據(jù)中心整個建筑的折舊周期是十幾甚至二十年，如果晚交付一個月導致的GPU閑置，就意味著巨大的折舊成本。

因此，看起來運營成本較低的能源（比如核電），因為其較長的交付周期，實際上成本并不算低；反而是燒天然氣的燃氣輪機因其較靈活的部署，進而有更好的效果。這也反映了為何GE、西門子能源、三菱等燃氣輪機廠商也在近期獲得了更多投資者的關(guān)注和更好的資本市場表現(xiàn)。

除了能源之外，Patel和Dean指出，目前美國的建設工程人才也存在瓶頸——整個數(shù)據(jù)中心的設備如果要大規(guī)模、快速地交付，需要大量機械工程師等方面的人才，美國“去工業(yè)化”后實際上并不具備這種條件。

在此基礎(chǔ)上，Patel和Dean還討論了中國在整個數(shù)據(jù)中心算力基礎(chǔ)設施上的優(yōu)勢，包括在電網(wǎng)、能源、建設建造工程人才方面的優(yōu)勢，以及對標臺積電、AMSL等核心設備的企業(yè)追趕速度，長期來看可能“會默認中國是贏家”。

以下為「明亮公司」編譯的內(nèi)容（有刪節(jié)）：

Sam Altman表示，他希望“創(chuàng)建一個每周能生產(chǎn)一吉瓦（GW）新增AI基礎(chǔ)設施的工廠”。

要實現(xiàn)這一愿景需要什么？這在物理上是否可行？這對不同的能源來源、從晶圓廠到燃氣輪機工廠等所有上游領(lǐng)域的資本支出（CapEx），以及對中美競爭意味著什么？

這些都不是簡單能回答的問題。我們寫這篇博客文章是為了加深對這些問題的理解。我們對自己了解到的一些東西感到驚訝。

晶圓廠資本支出的剩余

僅憑2025年一年的盈利，英偉達就能覆蓋臺積電過去3年的全部資本支出。

臺積電在過去5年的總資本支出為1500億美元。這些資金用于許多方面，包括建設整個5納米和3納米節(jié)點（分別于2020年和2022年推出），以及英偉達現(xiàn)在用于制造數(shù)據(jù)中心芯片的先進封裝技術(shù)。僅憑臺積電20%的產(chǎn)能，英偉達就創(chuàng)造了1000億美元的盈利。

假設臺積電的節(jié)點在5年內(nèi)折舊——這是一個極其保守的估計（新建的先進晶圓廠的盈利周期超過5年）。這意味著，在2025年，英偉達將把約60億美元的臺積電折舊資本價值，轉(zhuǎn)化為2000億美元的收入。

再往供應鏈上游看，英偉達一年的收入幾乎與包括ASML、Applied Materials、Tokyo Electron在內(nèi)的五家最大半導體設備公司過去25年的研發(fā)和資本支出總和相當。

我們認為這種情況最適合描述為“晶圓廠資本支出富余”。

我們之所以強調(diào)這一點，是因為如果你天真地猜測什么會是第一個限制長期AI資本支出增長的上游環(huán)節(jié)，你不會想到銅線或變壓器——你會從人類有史以來制造的最復雜的東西開始，也就是制造半導體的晶圓廠。我們驚訝地發(fā)現(xiàn)，建造這些晶圓廠的成本與人們已經(jīng)愿意為AI硬件支付的價格相比，簡直是小巫見大巫！

如果英偉達愿意，他們甚至可以補貼全新的晶圓廠節(jié)點。我們不認為他們會直接這樣做（或者他們會嗎？想想和英特爾的交易），但這顯示了“晶圓廠資本支出”有多么富余。

數(shù)據(jù)中心上游供應商將不得不擴大生產(chǎn)

在過去的二十年里，數(shù)據(jù)中心的建設基本上是利用了美國去工業(yè)化后遺留下的電力基礎(chǔ)設施。我們訪談的一位業(yè)內(nèi)人士說，直到最近，幾乎每個數(shù)據(jù)中心背后都有一個故事。谷歌第一個運營的數(shù)據(jù)中心就建在一個前鋁廠的對面。這些超大規(guī)模數(shù)據(jù)中心運營商習慣于改造舊鋼廠和汽車廠的電力設備。

一旦某個行業(yè)變得更具現(xiàn)實意義，美國就能迅速而高效地利用前一個行業(yè)的“軀殼”。但現(xiàn)在我們進入了一個不同的階段。超大規(guī)模數(shù)據(jù)中心運營商不僅在以前所未有的更大規(guī)模建設新的數(shù)據(jù)中心，而且是從零開始建設，并相互爭奪相同的資源——其中之一就是熟練勞動力。

即使是麥肯錫也認為這些資本支出數(shù)字并非天方夜譚（到2030年累計6.7萬億美元的資本支出意味著2030年當年約為2萬億美元）。

要讓你每年部署2萬億美元的AI資本支出，就必須有其他人在生產(chǎn)價值2萬億美元的所有其他數(shù)據(jù)中心組件，而不僅僅是芯片。數(shù)據(jù)中心的上游供應商——那些生產(chǎn)從銅線到渦輪機、變壓器和開關(guān)設備等一切的公司——將需要建造更多的工廠。

問題在于，這些工廠的成本必須在幾十年的生命周期內(nèi)攤銷。按照通常的利潤率，只有當這種AI需求能持續(xù)10-30年時，這些工廠才值得建造。

建造這些工廠的公司并非對通用人工智能（AGI）深信不疑——它們是經(jīng)營了幾十年的工業(yè)企業(yè)，利潤率低，并且曾被多次需求波動所傷害。在21世紀初，電力需求似乎將要爆炸式增長，因此像通用電氣（GE）、西門子等燃氣輪機制造商大規(guī)模擴張了生產(chǎn)能力。然后需求崩潰，給他們留下了巨大的（幾乎導致破產(chǎn)的）過剩產(chǎn)能。

如果不僅晶圓廠存在資本富余，其他數(shù)據(jù)中心組件也存在，那么超大規(guī)模數(shù)據(jù)中心運營商能否簡單地支付更高的利潤率來加速產(chǎn)能擴張？特別是考慮到芯片目前占數(shù)據(jù)中心資本支出的60-70%，這些巨頭或許會告訴那些建造另外30%組件的公司不要擔心長期需求：“我們只需幾年的超高利潤率就能讓你們回本。”

最大的燃氣輪機制造商（GE Vernova、西門子能源和三菱電機）預計在未來5年內(nèi)從燃氣輪機中獲利1000億美元。這對應約100吉瓦的發(fā)電能力。這些公司所有部門的合計資本支出約為每年50億美元。

如果超大規(guī)模數(shù)據(jù)中心運營商愿意為這100吉瓦的發(fā)電能力支付2000億美元而不是1000億美元（例如，為了激勵更快的交付），他們實際上將覆蓋這些渦輪機制造商（按當前速度計算）整整20年的全部資本支出。

要建造100吉瓦的數(shù)據(jù)中心，超大規(guī)模數(shù)據(jù)中心運營商無論如何都需要投資數(shù)萬億美元。發(fā)電成本僅占數(shù)據(jù)中心成本的7%左右。如果天然氣最終成為最快擴大發(fā)電能力的方式，那么為了確保電力能盡快上線，將發(fā)電成本翻倍至14%可能是非常值得的。

我們認為，對于數(shù)據(jù)中心的大多數(shù)組件，類似的情況可能都成立。不要低估供給的彈性。

即將到來的勞動力瓶頸？

勞動力實際上可能成為最嚴重的短缺——我們不能簡單地像蓋章一樣憑空制造出更多工人（至少現(xiàn)在還不能）。

位于阿比林的1.2吉瓦Stargate數(shù)據(jù)中心設施擁有超過5000名員工。當然，隨著我們擴大規(guī)模，效率會提高，但粗略計算，要建設100吉瓦，似乎需要417,000人。而這還只是2030年AI電力消耗預測的低端。我們將需要體育場那么多的電工、重型設備操作員、鋼鐵工人、暖通空調(diào)技術(shù)員……等等。

作為參考，美國有80萬電工和800萬建筑工人。我們聽說這個勞動力群體正在迅速老齡化，但至少在未來幾年內(nèi)，通過重新分配和提供高薪應該能夠緩解勞動力瓶頸。

到2020年代末，4000億美元以上的ARR是能實現(xiàn)的

Anthropic和OpenAI每年的AI資本支出（在2025年主要由亞馬遜和微軟間接完成）似乎在1000億美元左右。

在過去兩年里，OpenAI和Anthropic的收入每年增長三倍。到2025年，它們合計有望實現(xiàn)200億美元的收入。

這意味著他們在資本支出上的花費是收入的5倍。這種情況可能會隨著時間改變——更成熟的行業(yè)通常資本支出低于銷售額。但AI增長非?？?，所以現(xiàn)在投入比賺的多是合理的。

目前，美國的AI資本支出為每年4000億美元。為了讓AI在短期內(nèi)不成為一個泡沫，目前正在建設的數(shù)據(jù)中心需要在其生命周期內(nèi)產(chǎn)生4000億美元的收入。它們能做到嗎？

谷歌、Facebook等公司已經(jīng)向我們展示，如果你能創(chuàng)造一個對數(shù)十億人有適度用處的產(chǎn)品，你每年就能產(chǎn)生數(shù)千億美元的收入（僅廣告一項，谷歌+Meta每年就賺4000億美元）。

OpenAI正在接近10億未變現(xiàn)的免費用戶，我們認為僅憑其現(xiàn)有產(chǎn)品，收入從120億美元擴展到1000億美元是可能的（一個愿景就是：GPT-5為廣告變現(xiàn)和超級應用鋪平道路）。問題更多在于他們是否能在3-5年內(nèi)做出一個看起來有前景且經(jīng)濟上有用的GPT-6（或其他產(chǎn)品），從而使他們的收入達到4000億美元以上的范圍。

當然，收入問題最終取決于你的時間線。如果AI真正兌現(xiàn)其承諾，那么它至少可以與白領(lǐng)工資相提并論，后者每年達數(shù)十萬億美元。

你認為到2020年代末，AI模型能完成軟件工程師的大部分工作嗎？如果全球2700萬軟件工程師都使用每月1000美元的超級AI Agent計劃，使他們的生產(chǎn)力翻倍（花費其薪水的10-20%），那將已經(jīng)是3240億美元的收入。

交付周期（Lead Times）

建造一個新的吉瓦級以上的數(shù)據(jù)中心大約需要兩年時間——這還不包括調(diào)試新一代芯片所需的時間。這意味著，如果你想在2030年部署2萬億美元的資本支出，你需要在2028年就做好規(guī)劃。按照目前的性能/功耗和性能/價格趨勢，2萬億美元大約對應66吉瓦的AI數(shù)據(jù)中心容量。

在過去幾年里，超大規(guī)模數(shù)據(jù)中心運營商和實驗室想要的算力總是比他們之前計劃開發(fā)的要多。如果這些巨頭計劃未來5年復合年增長率（CAGR）為30%，但最終希望平均達到40%（在2030年達到2萬億美元的資本支出），那么在2030年，他們將需要彌補相對于長期計劃的20吉瓦的缺口。

Elon Musk（在他還沒有一家AI公司的時候，傳統(tǒng)的超大規(guī)模數(shù)據(jù)中心運營商本應預先承諾建設產(chǎn)能）通過做一些瘋狂的事情來解決他的限制。普通人是否能在只計劃了30或40吉瓦的情況下，造出60吉瓦的全新產(chǎn)能，尚不清楚。

如果AI需求持續(xù)超過預先規(guī)劃，壓縮數(shù)據(jù)中心建設時間線的壓力將會巨大。問題是：這對能源來源和數(shù)據(jù)中心設計意味著什么？一些能源的交付周期比其他能源長得多，而一些數(shù)據(jù)中心設計更適合快速部署。

在數(shù)據(jù)中心總擁有成本中，芯片的成本壓倒了其他一切。這是因為：一、芯片非常昂貴；二、數(shù)據(jù)中心的外殼（建筑）可以在12-20年內(nèi)折舊，而芯片每3年就完全折舊（并且必須更換）。

因此，在選擇能源時，你可以非常清楚地看到優(yōu)先順序：

1.交付周期-數(shù)據(jù)中心的外殼晚建成一個月，就意味著占成本絕大部分的芯片閑置一個月。

2.非芯片資本支出-在3年周期內(nèi)，這比電力運營支出昂貴得多。

3.電力運營支出（OpEx）。

所以你可以理解為什么天然氣比目前的核反應堆更受青睞。核電的運營支出極低，但交付周期極長且資本支出高昂。天然氣可能不是可再生能源，但你可以在數(shù)據(jù)中心旁邊設置幾十臺燃氣輪機，讓你的芯片快速運轉(zhuǎn)起來。

太陽能電池板本身非常便宜，但在平衡夜晚和季節(jié)性差異時成本可能很高。如果你完全依賴太陽能，你必須建造大量的過剩容量（考慮到15-25%容量因子，1吉瓦的數(shù)據(jù)中心需要4-7吉瓦的太陽能容量）并增加大量的電池。否則，你昂貴的芯片在冬天或晚上就有閑置的風險。

太陽能發(fā)電場還占用巨大的土地面積，并需要大量的安裝勞動力——祝你好運——能雇傭30,000人在沙漠中鋪設20,000英畝的太陽能電池板和電池，只為給一個1吉瓦的數(shù)據(jù)中心供電。目前世界上最大的太陽能園區(qū)是中國青海的共和塔拉灘光伏電站。它產(chǎn)生的電力足以為約3吉瓦的平滑連續(xù)功率供電——但這需要15吉瓦的峰值容量——意味著720萬塊太陽能電池板——面積相當于七個曼哈頓。

除了交付周期和成本，你可能會問，哪種能源在物理上足夠充裕以供應這種需求？答案是，幾乎所有能源都夠。即使是對于2020年代末最爆炸性的AI場景，所提到的任何能源的理論極限都比需求高出幾個數(shù)量級。

脫離電網(wǎng)？

一個關(guān)鍵問題是數(shù)據(jù)中心是否會“脫離電網(wǎng)”——即在現(xiàn)場發(fā)電而不是連接到公用電網(wǎng)。一些最大的數(shù)據(jù)中心已經(jīng)在這樣做了，例如Meta的Orion或xAI的Colossus。

為什么數(shù)據(jù)中心想要自己發(fā)電而不是依賴電網(wǎng)？他們試圖繞過并網(wǎng)延遲?，F(xiàn)在將大型新電源連接到電網(wǎng)需要超過5年的時間。

在過去20多年里，美國的電力消耗一直持平或緩慢增長。電網(wǎng)運營商現(xiàn)在預計，由于AI數(shù)據(jù)中心、制造業(yè)回流和電氣化同時發(fā)生，需求將大幅增加。

ERCOT的年度能源預測。誰能想到他們也對AGI如此深信不疑？

一個潛在的解決方案：杜克大學的一項研究發(fā)現(xiàn)，如果數(shù)據(jù)中心同意在0.25%的時間內(nèi)（每年約22小時）削減負荷，就可以釋放出76吉瓦的備用輸電容量。大多數(shù)輸電線路的平均運行負荷遠低于其容量——瓶頸只在需求高峰時出現(xiàn)。

但即使超大規(guī)模數(shù)據(jù)中心運營商能夠完美地利用這76吉瓦，在樂觀的AI場景下，這也只夠用到2026-2028年。之后，要么電網(wǎng)擴張，要么數(shù)據(jù)中心脫離電網(wǎng)。

數(shù)據(jù)中心規(guī)模的分布

單個數(shù)據(jù)中心的規(guī)模分布會是怎樣的？以下是為什么我們最終可能會看到一種遍地都是100兆瓦（MW）數(shù)據(jù)中心的景象的論點：

如果你可以在這里那里建一個中型數(shù)據(jù)中心，你就可以吸收電網(wǎng)中的任何多余容量。你可以用一個100兆瓦的數(shù)據(jù)中心進行這種套利，但在1或10吉瓦的規(guī)模上，電網(wǎng)中沒有局部的多余容量——那么大的電力本身就相當于一個電網(wǎng)的規(guī)模！

對于像預訓練這樣的學習任務，你需要大塊連續(xù)的計算資源。但我們已經(jīng)進入了一個強化學習和中期訓練的階段，學習過程涉及大量推理。而最終的愿景是某種形式的持續(xù)學習，即模型廣泛部署在經(jīng)濟中，并在工作中/從經(jīng)驗中學習。這似乎與中型數(shù)據(jù)中心相容，這些數(shù)據(jù)中心容納著數(shù)以萬計的AI實例在工作、創(chuàng)造收入并從部署中學習。

這是另一種愿景。1-10吉瓦的數(shù)據(jù)中心，然后在設備端進行推理?；旧蠜]有中間地帶。

如果我們進入一個垂直整合、工業(yè)化生產(chǎn)離網(wǎng)數(shù)據(jù)中心的世界，也許你想做的就是買一大塊地，在現(xiàn)場建一個大工廠，盡可能多地生產(chǎn)獨立的計算大廳和電力/冷卻/網(wǎng)絡模塊。當你的公司總共需要50吉瓦時，你不會費心在這里那里為100兆瓦建設定制的基礎(chǔ)設施。一個很好的類比是，一個管理著數(shù)十億美元資金的風投不會看任何小于千萬美元級別的交易。

一臺每周產(chǎn)出一吉瓦的機器

今天的數(shù)據(jù)中心建設類似于在自家車道上造汽車：引擎從德國運來，變速箱從日本運來，線束從底特律運來，然后一個機械師花幾個月在現(xiàn)場組裝。每個數(shù)據(jù)中心都是在1-2年內(nèi)定制建造的，網(wǎng)絡、機電管道系統(tǒng)（MEP）和機架都是一件件組裝起來的。

用這種方式，你不可能達到每周一吉瓦的速度。

你能有預制的計算大廳嗎？完全布線的機架、冷卻系統(tǒng)、電力設備、電池——在工廠里組裝好，作為完整的模塊運送。這樣一來，就不是18個月的現(xiàn)場施工，而是將滑軌模塊推入到位。

設計空間出奇地靈活。液冷可以實現(xiàn)500千瓦-1兆瓦的機架，但這需要完全不同的管道和施工。如果太陽能占主導，也許你可以完全采用直流到直流（DC-to-DC）的方式（太陽能板產(chǎn)生直流電，芯片需要直流電），跳過所有的交流轉(zhuǎn)換步驟。每個設計選擇都會影響其他選擇——能源來源影響冷卻方法，冷卻方法影響機架密度，機架密度影響建筑設計。

順便說一句，如果AI最終被證明是一個泡沫，我們離AGI的距離比硅谷想象的要遠得多，那么會留下什么持久的價值呢？你可以講一個故事，說互聯(lián)網(wǎng)泡沫為互聯(lián)網(wǎng)后來創(chuàng)造的所有價值鋪平了道路。對于這次AI建設熱潮，類似的東西是什么？

占資本支出70%的GPU在3年后就一文不值了。建筑物和電力基礎(chǔ)設施可以持續(xù)幾十年，但對于非AI工作負載來說是過度建設的。也許持久的價值是這種新的工業(yè)能力：按需快速制造和部署大規(guī)模計算基礎(chǔ)設施的能力。就像互聯(lián)網(wǎng)泡沫給我們留下了地下的光纖一樣，也許AI泡沫會給我們留下一個工業(yè)化的數(shù)據(jù)中心供應鏈和一個擴建的電網(wǎng)。

實際上，加密貨幣為當前的AI浪潮做了這件事。例如，正在幫助OpenAI在阿比林建設Stargate的Crusoe公司，最初就是為了在廢棄的天然氣上建設比特幣挖礦數(shù)據(jù)中心而成立的。

從長遠來看，默認會獲勝的是中國嗎？

為什么中國不會默認獲勝？對于這次工業(yè)規(guī)模擴張所需的除芯片外的所有組件（太陽能電池板、高壓變壓器、開關(guān)設備、新的電網(wǎng)容量），中國都是全球主導的制造商。中國每年生產(chǎn)1太瓦（TW）的太陽能光伏產(chǎn)品，而美國生產(chǎn)20吉瓦（GW）（即使是這些，電池和晶圓本身也是在中國制造的，只有最終的模塊在美國組裝）。

中國不僅發(fā)電量是美國的兩倍多，而且其發(fā)電量的增長速度是美國的10倍以上。這一點之所以重要，是因為電力建設可以被導向新的數(shù)據(jù)中心站點。中國國家電網(wǎng)可以與阿里巴巴、騰訊和百度合作，在對AI建設最有幫助的地方建設產(chǎn)能，避免美國不同超大規(guī)模數(shù)據(jù)中心運營商之間為爭奪現(xiàn)有產(chǎn)能而進行的零和博弈。

在長遠時間線上，中國是否具有優(yōu)勢？中芯國際可能最終會趕上臺積電[也許上海微電子（SMEE）或新凱來（SiCarrier）會趕上阿斯麥，長鑫存儲（CXMT）和長江存儲（YMTC）會趕上SK海力士和美光，北方華創(chuàng)（NAURA）和中微半導體（AMEC）會趕上Applied Materials, LAM, Tokyo Electron 和 KLA]——出口管制不會永遠保持領(lǐng)先優(yōu)勢。如果在2030年之前沒有出現(xiàn)純軟件的智能爆炸，而AI只是變成了一場涵蓋從機器人到太陽能電池板、電池再到鋼鐵的整個供應鏈的大規(guī)模工業(yè)競賽，那么為什么最終不是中國領(lǐng)先呢？中國的差異化優(yōu)勢不正是這種快速和大規(guī)模的基礎(chǔ)設施建設嗎？

Semianalysis預測，明年中國實際能夠出貨的芯片將比今年少，主要是因為國內(nèi)高帶寬內(nèi)存（HBM）生產(chǎn)的限制。但我們想知道，這在中長期內(nèi)有多大關(guān)系。

GPU在3年內(nèi)完全折舊（因為新的設計和更好的底層工藝節(jié)點使前幾代產(chǎn)品變得無關(guān)緊要）。而建設新數(shù)據(jù)中心的交付周期只有一到兩年——數(shù)據(jù)中心的整體設計可能會被重新改造，以適應工業(yè)規(guī)模的垂直整合。

所有這些都讓我們思考，是否每3年，AI競賽就完全重新開始。雖然我們可能能夠限制中國到2028年（甚至可能通過光刻技術(shù)的瓶頸限制到本十年末）的生產(chǎn)，但為什么這在2030年之后還重要呢？

兩種情景：AI寒冬和AI爆發(fā)

為了理解這類問題，我們認為把數(shù)字放入電子表格中非常有幫助。即使情景是憑空捏造的，它們也能讓你感覺到，在這些情景成真的世界里，哪些條件必須成立。例如，問這樣一個問題很有趣：考慮到硬件價格和性能的趨勢，2030年2萬億美元的資本支出將對應多少電力？5000億美元呢？

我們決定繪制兩種不同的潛在軌跡：

1.爆發(fā)式增長：AI投資平穩(wěn)增長，然后在AI自動化帶來的蓬勃經(jīng)濟增長（2035年GDP增長30%）的推動下開始加速。

2.AI寒冬：投資增長在2029年左右崩潰，然后從2032年起以平穩(wěn)的5%年增長率增長。

以下是兩種情景下到2040年的AI資本支出和AI電力消耗：

在爆發(fā)式增長的情景中，Sam Altman關(guān)于領(lǐng)先公司每周1吉瓦的愿景將在2036年實現(xiàn)。但在那個世界里，全球AI的電力消耗將是美國當前發(fā)電量的兩倍。

作者：MD

出品：明亮公司