过去三天，三条看起来不相干的新闻，其实指向了同一件事：
- 8 月 12 日，摩根士丹利策略师 Michelle Weaver 警告：AI 算力供应将在「未来数年」持续受限——卡脖子的不再只是芯片，而是电力、政治和劳动力三重瓶颈（据彭博社报道）；
- 8 月 12 日，云 GPU 巨头 CoreWeave 在二季度季报（10-Q）中新增了一条风险提示：如果未来不得不放弃对英伟达芯片的独家依赖、转向替代方案，将需要付出「时间、投资和资源」——供应链锁定的风险被写进了正式文件（据彭博社报道）；
- 8 月 13 日，韩国财政部宣布放宽监管，为三星、SK 海力士主导的三大芯片与 AI 超级项目（总规模约 1000 万亿韩元，约合 5760 亿美元）加速审批，总统李在明 8 月 10 日刚主持了第二次督导会议（据韩联社、新浪财经报道）。
一边是华尔街说「紧缺还要好几年」，一边是巨头自曝供应链风险、国家亲自下场抢供给。算力这件事，正在从「买显卡」变成一场牵涉电网、审批和建筑工人的系统战。
三重瓶颈：电、审批、人
Weaver 的论点可以拆成三个具体的卡点：
第一，电力。 一座大型 AI 数据中心本质上是一台巨型用电设备——训练和推理集群 24 小时满载运行，耗电量堪比一座中小城市。问题在于，芯片可以加急下单，电网扩容却不行：变电站、输电线路、并网审批的周期动辄以年计。摩根士丹利的研究估计，到 2028 年前后，美国数据中心的电力缺口可能达到数十吉瓦量级；另有统计称，约 1300 亿美元的数据中心项目因地方反对和审批问题陷入停滞。「有芯片、没电插」正在成为行业的新常态。
第二，政治。 数据中心的落地越来越受地方态度影响——居民担心噪音、水耗和电价被抬高，审批流程因此拉长。韩国这次放宽监管的动机恰恰印证了这一点：三大项目要提速，首先得拆掉行政程序上的关卡。
第三，劳动力。 建数据中心需要大量电工、暖通工程师和建筑工人，这类技工的供给同样紧缺，而且培养周期远长于采购一批 GPU。
三个瓶颈的共同特点是：都不是靠砸钱就能立刻解决的。芯片贵了可以涨价买，电网、审批和技工的产能爬坡只能按年算。这就是「紧缺持续数年」判断的底层逻辑。
两个佐证：供应链锁定与国家下场
如果说三重瓶颈是「为什么缺」，最近两条新闻则展示了「缺到什么程度」。
CoreWeave 的风险披露值得细读。 这家公司是全球最大的独立 AI 云厂商之一，二季度营收约 25.8 亿美元，但净亏损扩大到约 6.26 亿美元，负债沉重。它在季报里坦承对英伟达供应的深度依赖——反过来说，连最有钱的算力玩家都无法轻松切换供应商，中小厂商的腾挪空间只会更小。算力供需矛盾不是短期行情，而是结构性的。
韩国的动作则是「国家级抢供给」的样本。 三星电子和 SK 海力士各自计划在韩国西南部投入约 400 万亿韩元建设新芯片生产基地，忠清地区再投 81 万亿韩元；政府配套制定「特大区域特别法」，年内推动立法加速审批。当政府开始为算力项目专门修法案，说明各方对「供给跟不上需求」已有共识。
对普通人意味着什么：三个判断
判断一：你常用的 AI 工具，不一定涨价。 算力紧缺传导到终端价格，中间隔着好几层。至少在国内，大模型 API 的价格趋势恰恰是下降的——从去年的价格战到今年的多轮调价，主流模型的调用成本一降再降（详见我们此前的分析：芯片涨价、API涨价、连DeepSeek都涨价了——2026下半年，AI还"用得起"吗？、英伟达AMD在华份额降到10%？国产芯片扛起九成后，AI会变便宜吗）。对按次使用 AI 工具的普通人来说，「算力焦虑」暂时不必代入自己。
判断二：最先被影响的是前沿，不是日常。 三重瓶颈首先卡住的是顶级模型的训练——那是巨头之间的事。普通人接触到的推理服务（问答、写作、翻译、生图）用的是相对成熟、供给充足的模型，受影响更滞后、更间接。芯片层的波动（比如 芯片股暴跌，你的AI工具要涨价？3个真相后悔没早知道 里聊过的行情扰动）和基础设施层的瓶颈，传导路径完全不同。
判断三：用服务，别囤资源。 算力紧缺时代的个人策略很简单：不自己买卡、不囤账号，按需使用现成服务。GPU 为什么这么金贵（GPU 是什么？为什么 AI 时代显卡比黄金还抢手）了解了原理就好，真正划算的方式是把算力当水电一样「即用即付」——比如本站的 AI 工具箱就是按次计费、每款工具首次免费，用多少算多少，不用承担任何硬件和订阅成本。
写在最后
「AI 的瓶颈从芯片变成电力」不是危言耸听，而是产业界、资本市场和各国政府用真金白银投票的结果。但对大多数人来说，这场系统战的影响是缓慢渗透的——你更可能先注意到数据中心选址的新闻，而不是 AI 工具账单的变化。
保持关注，不必焦虑。
本文内容仅为行业信息解读，不构成任何投资建议。文中数据均来自彭博社、韩联社、摩根士丹利研究及企业公开文件的媒体报道口径。
Q: AI算力紧缺，AI工具会涨价吗？
不一定。算力紧缺主要影响前沿大模型的训练环节，传导到日常 AI 工具的推理成本中间隔着多层。至少在国内市场，大模型 API 的价格近一年整体是下降的，主流模型多次调低调用价格。对按次使用 AI 工具的普通用户来说，短期内不需要为「算力焦虑」买单。
Q: 为什么说AI的下一个瓶颈是电力而不是芯片？
芯片可以通过加急采购扩产，但数据中心的电力供给依赖电网扩容、变电站和输电线路建设，审批和建设周期动辄以年计；叠加地方对数据中心落地的反对（政治瓶颈）和电工、建筑工人短缺（劳动力瓶颈），这三类供给都无法靠短期砸钱解决。摩根士丹利据此判断算力供应受限将持续数年。
Q: AI算力短缺对普通人有什么影响？
影响是间接且滞后的。最先受限的是巨头的前沿模型训练，普通人日常使用的问答、写作、翻译等推理服务用的是供给相对成熟的模型。个人层面的理性策略是「用服务不囤资源」：按需使用按次计费的现成工具，不自行采购硬件、不囤积账号。
💬 评论