AI发展史（八）：算力战争——芯片、数据中心与地缘政治

一

2026年9月，英伟达市值突破5万亿美元。

这个数字超过了日本一年的GDP，也超过了全球大多数国家的年度经济产出。英伟达的GPU——H100、B200、Vera Rubin——是训练大模型的“军火”。全球所有AI公司都在抢购英伟达的芯片，英伟达的订单能见度延伸到2030年。

但算力战争不只是商业竞争。它是地缘政治的核心战场。

美国对先进AI芯片实施出口管制，限制中国获取英伟达最先进的GPU。中国加速国产芯片替代，华为昇腾、寒武纪、海光信息等公司快速崛起。欧盟、日本、韩国、印度都在建设自己的AI基础设施。算力正在成为国家竞争力的核心指标。

这场战争没有硝烟，但它的烈度不亚于任何一场贸易战或科技战。因为算力的分配，将决定未来十年谁能训练出最强的模型、谁能开发出最先进的应用、谁能在AI时代占据制高点。

二

算力战争的第一条战线是芯片。

英伟达在AI芯片市场的份额超过80%。它的CUDA生态绑定了数百万开发者，形成了难以逾越的护城河。AMD、英特尔、谷歌TPU、亚马逊Trainium、微软Maia——挑战者众多，但没有人能撼动英伟达的统治地位。

但英伟达的统治地位面临两个挑战。

第一个挑战是制程。英伟达的GPU由台积电代工，依赖台积电的先进制程。台积电的产能有限，订单排到了2030年。如果台积电产能不足或地缘政治紧张，英伟达的供应链就会受影响。更关键的是，台积电的产能高度集中在台湾地区，而台海局势的不确定性让全球客户感到不安。苹果、英伟达、AMD都在要求台积电在美国、日本、欧洲建厂，但海外建厂的成本是台湾地区的四到五倍。

第二个挑战是自研芯片。谷歌、亚马逊、微软、Meta都在自研AI芯片。这些芯片不对外销售，只用于自己的数据中心。它们的性能可能不如英伟达的GPU，但成本更低、供应链更可控。当头部云厂商的自研芯片成熟时，英伟达的市场份额会被侵蚀。2026年，谷歌TPU v7、亚马逊Trainium 3、微软Maia 200已经在部分推理场景替代了英伟达的GPU。

英伟达的应对策略是“向上走”。它不再只卖芯片，而是卖整机柜、卖网络、卖软件栈。DGX SuperPOD、NVLink、InfiniBand、CUDA——英伟达正在把自己从一个“芯片公司”变成“AI基础设施公司”。这个转变让它的护城河更深，但也让它和客户的关系更紧张。当英伟达开始卖服务器时，戴尔、惠普、联想这些服务器厂商就成了它的竞争对手。

三

算力战争的第二条战线是数据中心。

AI训练需要海量算力。一个GPT-4级别的模型需要数万块GPU、数月训练时间、数千万美元电费。全球科技公司正在建设超大规模数据中心，部署数十万甚至数百万块GPU。

微软、谷歌、亚马逊、Meta的资本开支在2026年合计超过4000亿美元。这些资金主要用于AI基础设施建设——数据中心、服务器、网络设备、电力系统。仅微软一家，2026年的资本开支就接近1900亿美元，其中大部分用于AI数据中心。

数据中心面临的核心瓶颈是电力。一个大型AI数据中心的功耗超过100兆瓦，相当于一个小城市的用电量。美国的电力基础设施老化，新建发电厂需要数年时间。弗吉尼亚州“数据中心走廊”的电力容量已经接近饱和，新数据中心的并网申请排到了2028年。中国的电力供应相对充足，但先进芯片供应受限。

另一个瓶颈是散热。当单颗GPU的功耗从700W走向2300W，当单机柜功率从几十千瓦冲向上百千瓦，传统风冷方案彻底失效。液冷从“可选升级”变成了“必选配置”。英伟达Vera Rubin平台已正式写入全液冷参考设计，一台机柜里找不到任何一枚散热风扇。

四

算力战争的第三条战线是能源。

AI算力的尽头是电力。当单颗GPU的功耗从700W走向2300W，当单机柜功率从几十千瓦冲向上百千瓦，散热和供电成为比芯片更硬的瓶颈。

液冷技术从数据中心走向个人工作站，浸没式液冷成为高密度算力的标配。浸没式液冷方案将PUE降至1.1以下，让高功率AI设备能在办公和家庭环境中稳定运行。2026年，液冷在AI数据中心的渗透率从2025年的20%跃升至37%，预计2027年突破50%的临界点。

太空算力成为新的探索方向。谷歌的Suncatcher项目将TPU芯片送入轨道，测试宇宙辐射和真空环境下的散热性能。谷歌的构想是：近地轨道卫星能获得近乎持续的阳光照射，太阳能发电量最高可达地面的8倍。SpaceX计划自建轨道数据中心，马斯克预测“2到3年内，太空将成为AI训练最便宜的地方”。

这个判断的底层逻辑是：地面的电力、土地、散热都面临物理约束，而太空提供了近乎无限的太阳能和天然的低温环境。如果太空算力在经济上可行，它将彻底改变AI基础设施的布局逻辑。

五

算力战争的第四条战线是地缘政治。

美国将AI芯片作为战略物资，限制对华出口。2022年10月，美国首次对先进AI芯片实施出口管制；2023年10月，管制范围扩大；2025年1月，美国推出“AI扩散规则”，将全球国家分为三个层级，对不同的层级实施不同的芯片出口政策。中国加速国产替代，华为昇腾在中国市场的份额已超越英伟达。欧盟推出《欧洲芯片法案》，计划投入数百亿欧元发展本土半导体产业。日本、韩国、印度都在建设自己的芯片供应链。

算力战争的结果，不是“谁赢谁输”，而是两个平行生态系统的形成。一个以美国技术为核心，一个以中国技术为核心。两个生态系统在芯片、框架、模型、应用等层面逐渐分化。

这个分化对全球AI产业的影响是深远的。它可能降低技术扩散的速度，增加重复研发的成本，但也可能促进两个生态系统的独立创新。当两个系统各自解决“如何训练大模型”这个问题时，它们可能找到不同的技术路径。一个依赖先进制程和CUDA生态，一个依赖架构创新和开源生态。两条路径的竞争，可能加速AI技术的整体进步。

六

2026年，算力战争进入白热化阶段。

英伟达市值5万亿美元，台积电订单排到2030年，美光说“看不到存储供需恢复平衡的尽头”。微软、谷歌、亚马逊、Meta的资本开支超过4000亿美元。中国的算力投资也在加速，华为、阿里、腾讯、字节在芯片、数据中心、电力系统上全面布局。

算力战争没有终点。只要AI还在发展，对算力的需求就会持续增长。而算力的供给，取决于芯片、能源、数据中心、地缘政治四个变量的相互作用。

这四个变量，没有一个能单独决定结果。它们的组合，将塑造AI产业的未来格局。

七

算力战争最深远的影响，可能是对全球技术秩序的重新定义。

过去三十年，全球技术秩序建立在“美国设计、东亚制造、全球销售”的分工体系上。美国公司设计芯片，台积电和三星制造芯片，全球市场购买芯片。这个体系高效、低成本、技术扩散快。在这个体系下，一家公司可以专注于自己最擅长的环节，通过全球分工获得最大效率。

算力战争正在打破这个体系。当芯片成为战略物资时，“效率优先”的逻辑被“安全优先”的逻辑取代。各国开始追求供应链自主可控，即使这意味着更高的成本和更慢的迭代速度。

这个转变的代价是巨大的。如果全球分裂成两个技术生态系统，每个系统都需要独立建设芯片厂、独立研发框架、独立训练模型、独立开发应用。重复投入的资源可能高达数万亿美元。更深远的影响在于，技术标准的统一性将被打破——两个系统可能采用不同的芯片架构、不同的编程语言、不同的通信协议。

但技术秩序的重构不会因为代价大而停止。当地缘政治成为技术发展的核心变量时，效率就让位于安全，合作就让位于竞争。这是2026年算力战争最底层的逻辑。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～