AI算力扩张最卡脖子环节,不是芯片是电力!马斯克自建铸造厂破局
AI时代最大的危机,可能不是芯片
2027年,大约有15GW已经造好的AI算力,因为缺电而开不了机。这个数字听起来抽象,换算成具体场景更直观——相当于全球科技圈勒紧裤腰带、排队抢货、大量囤积GPU之后,却发现最卡脖子的环节根本不在芯片,而在电厂。更讽刺的是,这个问题不是某个小厂的困境,而是整个行业在拼命扩张时共同撞上的隐形墙。1
马斯克的反应一如既往:供应不够快,就自己做最难的那一截。这次他瞄准的不是服务器、不是芯片,而是一个极其垂直的环节——燃气轮机叶片与导叶的铸造。根据The Information报道,SpaceX正在德克萨斯州Bastrop筹建一座铸造厂,专门生产这些涡轮机核心零部件。消息发布后,马斯克本人在X平台上确认了这一计划,并直接放话:"这是一个深刻的游戏规则改变者。"2
叶片:被忽视的"隐形瓶颈"
燃气轮机叶片和导叶,听起来像是传统工业零部件,跟AI八竿子打不着。但正是这个不起眼的环节,卡住了全球算力扩张的脖子。这些叶片需要华氏3000至3600度(约1650至1980摄氏度)的极端高温下运行,比材料自身熔点还高出约800华氏度。这种工况意味着,只有极少数掌握单晶合金精密铸造工艺的工厂才能生产。3
全球能生产这东西的铸造厂,大约只有三四家。这个数字本身就够夸张——支撑整个人类算力扩张的电力供应,其核心部件产能高度集中在几家巨头手中。结果是,GE Vernova等大型涡轮机制造商的订单已经排到2030年,意味着现在下单,最快也要四年后才能拿到货。摩根士丹利分析师Adam Jonas直接点破:"叶片和导叶是涡轮机更快交付的限制性因素。"2
马斯克今年2月在一档播客里说得更直白:"我不确定是否有足够的可用电力来开启所有正在生产的AI芯片。"这句话的背景是,英伟达的GPU正在被全球科技巨头疯抢,供应链恨不得按小时排期——但比GPU更紧迫的问题,是发出来的电够不够用。2
垂直整合的逻辑:自产叶片能省18个月
SpaceX自建铸造厂的核心逻辑,用马斯克自己的话说:"通过在SpaceX内部铸造叶片和导叶,可将天然气轮机的上线时间缩短最多18个月,这将是颠覆性的破局之举。"18个月听起来不算长,但在AI竞赛中,18个月足够让一个实验室的模型从追赶到反超,也足够让一批公司从崛起到掉队。3
摩根士丹利的Adam Jonas在研报中揭示了另一个关键点:Raptor火箭发动机涡轮泵的铸件,与数据中心涡轮翼型件使用相同的合金、熔炉和熟练工人。这意味着SpaceX可以用一座铸造厂,同时服务航天业务和AI数据中心需求,固定成本分摊之后,两边都能受益。这不是简单的"买不到就自己做",而是把供应链复用做到了极致。4
在自建铸造产能落地之前,马斯克已经在多条战线上同时行动。以约10亿美元收购APR Energy,获取约1GW的移动涡轮机机队;与对冲基金Fortress Investment Group低调合作,后者已投资至少两家涡轮机供应商。摩根士丹利估算,通过一系列采购协议,马斯克在2027年底前可获取约3至4GW的电力。这个数字距离他的目标还很远,但布局已经展开。1
算力狂飙,电网跟不上
马斯克的行动背后,是一个正在失控的数字。国际能源署预测,2025年全球数据中心耗电量约485TWh,到2030年将飙升至950TWh,用电量近乎翻倍。另一组更精准的测算显示,2026年全球数据中心总耗电约565TWh,其中专门用于大模型训练和AI推理的优化服务器,单独占比高达31%。5
更激进的预测来自BloombergNEF:在激进采用情景下,全球AI芯片驱动的功率需求到2033年可能达到约315GW,较2025年基数高逾1100%。其中美国约占64%,对应约200GW。这意味着十年内,美国数据中心用电可能占到全国电力消费的11.8%——接近美国交通部门当前的用电水平。6
在美国,数据中心建设已经开始遭遇阻力。纽约州一度对大型数据中心建设采取暂停措施,宾夕法尼亚州进一步收紧AI数据中心建设规则。原因很简单:变压器容量够不够?区域电网能不能承受?新增输配电设施的成本由谁承担?这些问题已经不是某一家公司能单独回答的了。7
一个被忽视的细节是建设周期的错配。传统电力基础设施的建设周期通常需要4到5年,而AI数据中心的落地周期只有约3年。规划体系跟不上需求增速,企业不会干等——亚马逊在得克萨斯州规划了配套自有天然气发电厂的数据中心,Meta在路易斯安那州为AI数据中心配套建设了3座天然气电站。这些天然气资产一旦建成,运营周期长达20到30年。8
变压器供给的缺口正在放大这种锁定效应。花旗研报测算,全球高压电力变压器的累积短缺将在2028年达到1699GVA的峰值,而AI数据中心的新增负荷需求正在让这条本已紧绷的供应链雪上加霜。大型变压器的制造不能通过简单增加生产线快速扩大产能,需要长期技术积累和工程经验。8
谁解决电的问题,谁就赢下半局
AI算力的下一场竞争,可能不是芯片。过去几年,AI产业链最受关注的是GPU、HBM、服务器和光模块。但当AI数据中心开始进入GW级建设阶段以后,另一个问题越来越无法回避:没有足够的电,再多GPU也无法变成算力。9
马斯克的自建铸造厂,本质上是在重复他一直在做的事:当供应链成为瓶颈时,直接切入最薄弱的环节,用垂直整合强行打通。SpaceX自己造火箭如此,特斯拉自己造电池如此,现在SpaceX自己造涡轮叶片也是如此。区别只在于,这一次他面对的不是一家公司的供应链问题,而是整个行业的结构性瓶颈。1
从更大的视角看,AI基础设施正在从"芯片+服务器+数据中心"进一步向"电网+变电+配电+能源管理"延伸。谁能更快解决"电从哪里来"的问题,谁就更有机会在下一阶段占据主动。这不仅关乎某家公司的竞争力,更关乎全球AI算力的供给节奏。10
对于整个行业而言,马斯克的尝试提供了一个方向:与其等待传统供应链按固有节奏扩张,不如自己动手,从最卡脖子的环节撕开口子。如果2027年真有15GW算力因为缺电闲置,那么先把轮机转起来的人,会先把模型跑起来。这个逻辑,比任何战略PPT都更有说服力。1
当前文章无评论,是时候发表评论了