为什么拿着大把现金，也很难在谷歌买到2027年的算力？

如果今天有大客户跑去跟谷歌要 2027 年的算力，谷歌给出的回答大概率只有四个字：办不到了。 这倒不是谷歌不想赚钱，事情卡在了一个冷冰冰的物理现实上。 谷歌 CEO 桑达尔·皮查伊（Sundar Pichai）最近在播客里聊到这件事： 谷歌今天手里拥有的全部算力，其实取决于他在 2024 年做出的决定。 换句话说，你在 2026 年看到的算力短缺，病根早在两年前就已经埋下了。 为什么科技巨头也会被算力卡住脖子？ 因为算力根本不是纯软件，它是一整套重工业。 以往互联网公司扩容，在后台点几下鼠标，买几台虚拟机就能搞定。 但人工智能需要的算力中心，从批地、建楼到通电，是一个长达两到三年的漫长工程。 先看芯片。 不管是英伟达的图形处理器，还是谷歌自研的张量处理器（TPU），从芯片设计、台积电代工到先进封装，整条供应链的排期少说也得一年半到两年。 高带宽内存（HBM）的产能早就被全球大厂瓜分一空。 就算芯片全就位了，更硬的一堵墙还在后面：电力。 一个大型人工智能算力中心，动辄需要几百兆瓦甚至吉瓦级的电力。 去跟当地公用电网申请扩容，光是排队走并网审批流程，往往就得以年为单位。 机房里配套的巨型变压器更夸张。 现在全美国的重型变压器订单排期，交货周期都拉长到了三年以上。 这就意味着，2027 年能点亮的机柜，变压器的定金必须在 2024 年甚至更早就打过去。 任何一个大厂 CEO，坐在 2024 年的办公室里，都必须像个预言家一样，提前押注三年后的世界需要多少算力。 但最尴尬的地方就在这里： 需求的变化速度，远远甩开了基础设施的建设周期。 皮查伊在采访里提到了一个细节： 就在一年前，智能体编程的爆发甚至都还没有发生。 2024 年各大公司做算力规划的时候，大语言模型的主要用途还是聊天对话。 普通人坐在电脑前打几个字，模型回一段话，一秒钟消耗几十个词元。 算力需求是跟着人类的阅读速度慢慢走的。 结果到了 2025、2026 年，自动写代码的智能体突然普及了。 智能体根本不需要睡觉。 几个智能体在云端后台 24 小时疯狂循环，写代码、编译、跑测试、抓错误、推翻重来。 一个程序员下班去睡觉，后台跑着的智能体一晚上就能吃掉数千万个词元。 算力消耗的斜率，瞬间被暴力拉高了几个数量级。 这时候大家转头一看，每个人手里的算力全都不够用了。 皮查伊的原话是，现在大家都恨不得当初规划的容量能直接翻倍。 既然算力总量已经被两年前的决策死死卡住，接下来的局面就变得很有戏剧性了。 外面排着长队的企业客户，拿着大笔真金白银想从谷歌云（Google Cloud）手里买算力。 谷歌却不得不把一部分客户往外推。 为什么放着到手的现金不赚？ 因为谷歌内部有一头吞吃算力的巨兽：DeepMind。 像 Gemini 4 Argon 这种下一代前沿大模型，训练起来消耗的算力就是个天文数字。 在人工智能的前沿技术长跑里，谁家模型一旦在代际上落后，损失绝不是几个亿的季度营收能弥补的。 算力总量就那么多。 如果为了财报好看，把机器全租给外部客户，自家的核心大模型训练就得断粮。 于是谷歌做出了自己的选择： 宁可牺牲谷歌云当期的商业收入，也要把最优质的算力优先锁在内部，喂给 DeepMind。 以前科技界最喜欢讲的故事，是软件的边际成本趋近于零，是轻资产模式的胜利。 但人工智能打到今天，突然撕掉了代码的伪装，露出了工业时代的钢铁底色。 它需要抢电力指标，需要排队订变压器，需要提前三年把重资产投进地基里。 皮查伊两年前签字买下的每一度电、每一块芯片，就是他今天坐在牌桌上的全部筹码。 一旦看漏了一步，就算手里握着再多现金，时间也绝不会回头给你补课。