AI 建设热潮中的物理接缝

“美股七巨头”2026年的资本开支指引，规模超过阿波罗登月计划、横贯大陆铁路以及州际高速公路系统的总和。

上周，我与 Brexton Pham——Cantor Fitzgerald 计算基础设施全球联席主管——坐下来，谈了谈这轮建设以及他所看到的机会。Brexton 的视角颇为独特，因为他的职责横跨电力、土地和资本这三大要素。正如 Brexton 所说，他们的定位就是“应对人类有史以来规模最大的基础设施工程”。

而且我们仍处于非常早期的阶段。按他的估算，全球互联网普及率大约为 75%，而全球 AI 渗透率“即便我非常慷慨地算，可能也只有 15%。而这 15%主要也只是普通人对 ChatGPT 的使用”。

这轮建设规模庞大，却几乎才刚刚起步。超大规模云服务商和各国政府正在承诺投入数百亿美元的资本支出。随着建设推进，越来越多新的机会类别正在被打开。

错误的筛选方式，与正确的筛选方式

“我们正在进入这样一个世界：纵向整合比以往任何时候都更重要，而且任何人都能以快得多的速度构建任何东西，”Brexton 说。换句话说，超大规模云服务商会做什么、不会做什么，极难预测，而且这种判断只会变得越来越难。

如今任何看似无人防守的缝隙，明天都可能被吞没。“你应该假设你的竞争对手可以在一夜之间完成纵向整合，”他说。电表后供电、核能、现场发电，几年前对超大规模云服务商而言看起来都还不是核心业务，但他们如今正直接进入这些领域。

“当 OpenAI 和 Anthropic 刚出现时，所有人——包括我自己——都以为它们会是 AWS 那样的形态。我们以为它们会是平台型的，也就是说，它们永远不会蚕食自己的顾客。而天哪，我们错得离谱，”Brexton 说。“我们此前从未见过如此规模的顾客蚕食。但那还是发生在软件层面。物理世界要难得多。”

“决定持有实物资产，”他说，“持有土地，持有建筑，对其进行维护，构建设备，销售设备。这比软件难得多。”这些物理层面的接缝会随着时间推移形成差异化与持久性。它们也更难被垂直整合，因为约束来自物理规律和时间。

Brexton 指出，随着 AI 基础设施规模扩大，这些物理接缝的经济逻辑也在发生变化。数据中心本身一度被视为低利润业务，直到 AI 数据中心出现：“AI 数据中心的利润率极高；推理的利润率也非常高。”这种情况是否适用于所有工作负载仍有争议，利润率也会因模型和应用场景而异。但在他看来，认为持有实物资产就意味着必须接受微薄利润，这种本能反应是前 AI 时代遗留下来的观念。

因此，如果物理层面的难度就是护城河，那么以下是我对非超大规模云厂商机会最具吸引力领域的粗略梳理：

机会一：能源聚合

电力是整个建设进程中的关键约束之一。Brexton 说：“如果没有真正具备供电条件的土地，那么你有再多芯片也无济于事。” 超大规模云服务商对此心知肚明，这也是为什么他们如今正通过重启核电站、小型模块化反应堆（SMR）承购协议以及现场供电等方式，直接投资发电能力。

但拥有电力资源与将其整合起来之间存在区别。Brexton 说：“如果我是超大规模云服务商，我真的想亲自去做表后电力聚合这项工作吗？大概率不想。” 超大规模云服务商显然非常重视电力，但要把这些电力真正整合到位，就需要为现场发电寻找来源并办理许可、接入储能、与土地所有者和地方公用事业公司谈判，等等。这些领域，都是超大规模云服务商更愿意购买结果，而不是自己构建能力的地方。

已有一些公司正在推进这件事：American Terawatt 负责表后侧；而在核能方面，则有 Aalo Atomics、Valar Atomics 和 Blue Energy。Brexton 表示：“显然，超大规模云厂商不会在建设层面涉足核能。” “他们为什么要这么做？”

整合分布式电力、为反应堆选址并运营反应堆，以及建设发电设施，都受制于并网排队、监管审批周期和实际施工条件。这些都是棘手的物理层面问题，因此相应的解决方案也更具防御性。

机会二：韧性基础设施

AI 底层的供应链十分脆弱。而在近期的伊朗战争期间，海湾国家的多个 Azure 和 AWS 数据中心遭到袭击，这让我们得以一窥其实际脆弱程度。这里可以类比 2010 年代的网络安全建设潮。在“震网”事件之前，几乎没有人为 OT 安全买单。针对伊朗数据中心的袭击，可能会成为一个类似的拐点。

正如 Brexton 所说：“我们显然已经进入了一个不对称经济战的世界。他们能用成本可能只有 1 万美元的无人机，对抗我们价值数百万美元的火箭。按理说我们拥有地球上最强大的军队，但他们却是在拿玩具对付我们的导弹。”

而且，这种暴露并不局限于数据中心本身。我们的脆弱性遍布全球：

• 为半导体提供动力的稀土，如今基本被中国垄断。

• 全球唯一制造 EUV 光刻机的公司 ASML 位于荷兰。

• 台积电位于台湾。“如果台湾明天遭到入侵，”布雷克斯顿说，“那将是一件非常、非常可怕的事。”

• 洲际海底电缆每天承载着价值数万亿美元的数据包流量。“切断它们，经济体一夜之间就会陷入瘫痪，”布雷克斯顿说。

• 霍尔木兹海峡约承担了全球三分之一海运石油的运输。“我们在霍尔木兹海峡问题上暴露得极其严重，”他说，“而且现在依然如此。”此外，还有其他咽喉要道，例如马六甲海峡、曼德海峡和苏伊士运河、台湾海峡、巴拿马运河以及土耳其海峡。

这些环节中的每一个都是任何单一运营方都无法独自修复的单点故障。因此，加固 AI 基础设施与从一开始建设它同样重要。其中一些子类别包括：

• 用于计算和数据管道的冗余与故障切换软件

• 在海底电缆被切断或区域宕机时提供替代路由的基础设施

• 供应链可视化工具，使运营方能够实时看到哪些投入品正变得紧缺

• 为工业级 AI 设施设计的实体场址监测与威胁情报系统

• 让运营商能够对其计算供应链中的地缘政治风险进行对冲的保险产品和金融工具。五年前，这一类别实际上还并不存在，如今则已由劳合社和少数几家专业保险公司承保

这里的买家画像比其他类别更广泛，因为几乎每家 AI 公司都需要韧性工具。

机会三：太空

将数据中心迁出地球的商业逻辑，在于摆脱制约地面扩建的种种瓶颈：土地、电网、审批许可和政治因素。Ben Thompson 前几天曾写过一篇精彩文章 ，讨论太空中的数据中心。其中有两点尤为突出。首先，太空中的数据中心可能与地球上的数据中心截然不同。它们可以是卫星大小的计算机架，通过激光互联，每个机架都配有独立的太阳能供电系统和散热器阵列。一些正在这一领域布局的公司包括 Starcloud（前身为 Lumen Orbit），该公司已将 NVIDIA GPU 送入轨道，以及 Kepler Communications，该公司目前运营着在轨规模最大的计算集群，由少量通过激光连接的边缘处理器组成。

其次，更重要的是，Thompson 指出，智能体工作负载并不需要面向人类的推理所要求的低延迟。这使其天然非常适合部署在轨道上——在那里，往返延迟更高，但土地、电网和审批限制基本消失。不过，散热问题并不会消失，它仍限制着这类系统的规模。在真空环境中，没有空气可以带走热量；你唯一能做的就是把热量辐射出去。一家试图解决这一问题的公司是 Sophia Space，该公司正在建造薄型瓦片状卫星，将处理器贴靠在被动式散热器上，从而免除主动冷却的需求。

除了太空的商业用途之外，它还关乎国家安全。Brexton 说：“如果你相信供应链中的很大一部分将被视为关键基础设施，那么你也可以设想，出于加强国家安全的愿望，我们会因此把更多关键基础设施转移到太空中去。”在此基础上，“建设太空数据中心的理由就变得极具说服力，在轨制造和在轨加注的理由也变得非常有吸引力。”

这一服务层的公司例子包括 Starfish Space，该公司正在建造一款卫星服务飞行器；以及 Infinite Orbits，其专注于卫星寿命延长和检测。组装、加注燃料以及维修轨道基础设施，是一个困难的实体工程问题，而且前置周期很长。

机会四：劳动力

Brexton 说，扩建项目延期的首要原因之一是，“说白了，我们就是没有足够的电工和数据中心运维人员。”正如我几周前在与 Ben Pouladian 的对话中写到的那样，Jensen Huang 也表达过同样的看法：他最担心的瓶颈，是管道工和电工的短缺。

这里其实有两个制约因素。第一是基础供给：熟练技术人员数量不足，而培养他们需要数年时间。第二是地域分布：即便有人才，他们也很少就在建设现场附近。Brexton 说：“以得克萨斯州 Abilene 为例，那里有大量可供电的土地，是大型工业项目扩建非常显而易见的选址。但它地处偏远。于是你就得让家庭搬迁到一个既没有可负担住房、居住社区也不完善的地方。”从某种程度上说，这是一个邻近性问题，而且贯穿整个供应链：“如果我今天下午弄坏了一个零部件，在 Shenzhen 我第二天早上就能拿到新的；而在美国，我得等上六周。”

在我与 Formic 的 Saman Farid 交谈时，我们谈到了同样的问题。 他将美国工业的薄弱归结为一个产能利用率问题：美国一家典型工厂实际运转的生产时长远少于中国工厂，因此同样的厂房和设备所产出的产量只占后者的一小部分。 问题在于，我们不能仅靠增加劳动力来解决这一问题，因为我们无法获得更多劳动力。

因此，机会主要分布在两个方向：一是用现有劳动力完成更多工作，二是降低场地对附近必须有工人的依赖：

• 机器人与自动化 ，以支持现场施工、电气作业和制造

• 劳动力培育 ，通过加速资质认证、打通从学徒到岗位安置的输送链条，以及专为数据中心建设打造的人才配置

• 远程运营以及“无人值守”设施管理，以减少偏远站点需要在现场配备的人手

这些方式中的每一种，都是为了解决劳动力问题所带来的物理性约束。

智能经济的基础

还有一个我们尚未谈及的约束，但它制约着上述所有类别：公众情绪。地方政府的反对已经导致建设扩张延误，而且这种情况还在加剧。Brexton 认为：“普通美国人对 AI 的焦虑明显多于兴奋，而硅谷一直低估这种焦虑。”

其中一部分焦虑源于错误信息。他将围绕用水问题的恐慌追溯到 Karen Hao 的 Empire of AI 一书中的一项数据，该数据将数据中心的用水量夸大了许多，后来已被修正，“但伤害已经造成了”。另一些则并非如此。无论如何，这种情绪确实存在，而随着建设扩张推进，它也成为又一道必须面对的障碍。

这一障碍进一步阻碍了实体基础设施的建设。Brexton 认为，为了支撑智能全天候、每周七天的需求，“我们对所需建设规模的估计仍然严重不足”。

一个显而易见的结论是，整张版图都将由巨头绘就：超大规模云服务商、民族国家、公用事业机构，以及规模足以为这场建设提供融资的资本提供方。或者从另一面看，公众的反弹会在一个围绕其形成的新创业生态系统出现之前，就让这一切整体放缓。

这两种说法我都不认同。超大规模云服务商将定义很大一部分需求，而公众情绪将决定这一轮建设在何处展开、推进速度有多快。但这两者都不会抹去初创公司的机会——我认为，这些机会在很大程度上是物理层面的，不可能一夜之间实现垂直整合。尽管其中一些机会如今看上去只是狭窄的缝隙，但随着时间推移，它们将成为智能经济所依赖基础的一部分。

作者注：本文仅使用了 LLM 进行轻度文字编辑（拼写、语法和清晰度）。内容、含义、语气和结构均未改变。