AI當前面臨的最大瓶頸是什么

今天「象先志」想跟大家聊個關于AI很重要，但又感覺沒什么人提的話題，就是AI發展目前的最大瓶頸是什么？

很多人可能會說芯片，但這是兩年前的版本答案了，最新的瓶頸其實是電力供應。

先給大家看張圖。這是美國城市居民的平均電價，可以看到22年之前和22年之后是兩個完全不同的階段。22年之后電價漲得很快，一部分原因當然是通脹，但還有個很重要的原因是AI帶來的電力需求大幅增加。

在2010到2020這十年間，全球數據中心的流量增長了9倍，但這些數據中心所消耗的電力卻基本沒漲。神奇吧？其實也不神奇，因為芯片本身的效率在不斷提高嘛。

大家都知道摩爾定律，雖然嚴格來講，摩爾定律早就寄了，但只是說芯片能力提升沒那么快了，不能一年半就翻一倍，但這個改善的趨勢還是一直都在的。

像臺積電的工藝從14nm進化到7nm，再到5nm、3nm，人家還是一直在努力的。

數據中心的服務器都是放在專門的機架上，一個傳統的服務器機架功率大概是十幾千瓦，而一個AI服務器機架訓練的時候要80千瓦，推理的時候也要40千瓦，比傳統服務器能耗高得多。

這還只是平均下來的情況，更先進的設備功率會更大。像英偉達最新的GB200機器，一個架子上裝了72塊Blackwell GPU，算力更強了，電表也轉得更卡了。設計功率是132千瓦，還要再加160千瓦的散熱，這等于傳統服務器機架的二三十倍。

有人做過計算，英偉達的這些芯片假設有一半最終被裝在美國，美國國內的電力需求就會增加25GW，相當于一個三峽電站。

所以基本上現在硅谷大公司對電力的擔憂是比對芯片的擔憂還要大的。Google和Meta現在新的數據中心都在考慮自己裝光伏板、燒天然氣發電的事了。

你可能會問，為什么電力企業不增加產能呢？他們當然知道這點啦，所以都在PPT里規劃了很多新的發電廠，但產能并不是你想增加就能增加的。

第一，美國的電力需求之前早就已經過了增長的高峰期，這些企業已經習慣了緩慢的節奏。給大家看張圖，這是中美兩國的發電量對比。紅色的這條線是China，紫色的這條線是United States，也就是America。

可以看到美國的發電量在21世紀頭20年基本沒漲，最近幾年有漲幅，不過也不是很大。所以它們規劃的新建產能開工的不到20%，完工的更是可以忽略不計。然后過去兩年不是電價漲了嘛，他們沒有用來再投資，而是搞了870億美元的分紅。什么叫真心對待股東？A股好好學去吧。

第二，發電輸電也屬于制造業，光是終端的電廠喊口號是沒用的，上游企業也得動起來生產配套。但您猜怎么著？從2022年到現在，全球前100的電力設備制造商，每年砍3%的資本開支。

所以馬斯克前段時間接受采訪就說，變電器啊，發電量啊，這些都不夠用，最遲到明年這些問題就會變得非常嚴重。所以大家怎么看這個問題？我嗎？我是打開雅江集團的新聞看的。