530吉瓦电力黑洞：为什么摩根大通的算力预测揭示了AI真正的物理瓶颈

到 2031 年，光是给全球的 AI 显卡供电，就需要整整一个美国的电网容量。

摩根大通最近算了一笔很极端的物理账。 到 2031 年，全球 AI 运转需要的电力会冲到大约 530 吉瓦。 而那时候行业拼尽全力能供给的电力，只有 250 吉瓦。 这中间直接拉出了一个 280 吉瓦的巨大缺口。

280 吉瓦是什么概念？ 1 吉瓦等于 100 万千瓦。 280 吉瓦，相当于把整个日本或者两个英国的全部发电装机容量加在一起。 更夸张的是，哪怕全球 AI 算力在未来几年里翻上整整四倍，缺口不仅没有缩小，反而从现在的 50 吉瓦，一路狂飙到了 280 吉瓦。

看到科技巨头成百上千亿美元的资本开支，很多人会纳闷： 微软、谷歌、亚马逊手里握着几千亿美元现金，天天在全球疯狂圈地建机房，怎么可能还填不上这个缺口？

还真填不上。 在软件世界里，代码敲下回车，一毫秒就能复制一亿份。 但算力不是虚拟的代码，算力是实打实的物理世界。

要建一个万卡甚至十万卡的高密度数据中心，卡脖子的从来不是买显卡的钱。 第一道关卡是电网排队。 在电力消耗集中的得克萨斯或者弗吉尼亚，一家数据中心想向电网申请接入大容量高压电，排队审批周期普遍要四到七年。 中间必须用到的大型高压升压变压器，现在的制造交货周期已经排到了三到四年后。 如果想自己建天然气电站甚至小型核反应堆，从土地审批、环评到并网点火，没有五到八年根本落不了地。

第二道关卡是水和散热。 高密度的算力机柜一旦跑满，单机柜功耗飙到 100 千瓦以上，传统风扇根本吹不动，必须全换成高压液冷。 那一整套复杂的特种冷板、微通道水路、室外冷却塔和循环泵阀，每一道工序都有产能天花板。

第三道关卡是芯片封装和高带宽内存。 从台积电先进制程的晶圆制造，到晶圆级的高密度封装，全球顶尖洁净室的产能扩张，都是按季度排期的硬约束。

资本可以在几秒钟之内电汇几十亿美元。 但电厂、变压器和混凝土机房，必须老老实实按月去建。

这就是为什么华尔街很多投资人把账算反了。 市场上天天都在争论：科技巨头是不是把钱花得太疯了？AI 挣不回软件订阅费，算力泡沫会不会破？

但如果算一算物理账，现实刚好调了个头： 资本开支没有过剩。 现实世界里电网和机房的施工速度，远远赶不上大家花钱的渴望。

当需求长期死死压制住供给的时候，商业世界的权力结构会发生什么？ 定价权彻底落到了手里握着现成算力的人手里。

这也是为什么像 CoreWeave 和 Nebius 这种新型算力云服务商，最近哪怕背着高额负债也要疯狂扫货。 因为传统的云巨头自己的大模型都喂不饱，根本腾不出足够的算力租给外部客户。 现在谁手里有通了电、接好了冷却管路的现成机架，谁就能签下多年期的高价长约。 客户为了锁定算力甚至需要提前排队付全款，根本没有讨价还价的余地。

这种利润溢价不仅属于算力租赁商。 英伟达和 AMD 的加速芯片、美光的高带宽内存，再加上做精密温控、高压配电设备的供应商，全都在这个物理瓶颈的必经之路上收过路费。

大家总习惯在应用层找赢家，看哪家大模型写诗更惊艳、哪个产品日活涨得更快。 但在这种级别的物理军备竞赛里，最先拿到确定性收益的，从来不是前线厮杀的模型公司。 是那些在物理世界里，替他们挖电缆、建变压器、往机房里接通高压电的卖铲人。