AI 基础设施的真正瓶颈：从电力到整条供应链的建设速度差
把 AI 算力账拆成电力、芯片能效、算法效率、利用率四项，指出卡住扩张的是工厂排期和电网规划，而不是物理极限。
IEA 报告显示，2025 年全球数据中心用电量增长 17%，其中以 AI 为主的数据中心用电猛增 50%，而全球总用电量仅增长 3%。文章从能量守恒和“搬数据比算数据贵”这两个物理事实出发，把 AI 产出拆成电力、硬件能效、算法效率、利用率四个因子，指出瓶颈正从 GPU 迁移到变压器、燃气轮机与并网排队。
正文摘录
.253.jpg) 编辑｜Panda 一个冰箱大小的服务器机柜，重量超过一辆皮卡；到 2027 年，它的峰值功率将相当于 65 户家庭同时用电；为了不让它烧掉，每个机柜需要排出的热量相当于 30 台燃气锅炉。  由 ChatGPT 制作中文版，https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary 这个看似科幻的论述其实是国际能源署（IEA）在 2026 年 4 月的报告里对 下一代 AI 数据中心 的描述。这份报告给出了另一组数字：2025 年，五家科技巨头的资本开支超过 4000 亿美元，2026 年还要再涨 75%，这笔钱已经超过全球油气开采的年度投资总额。 过去两年，「 算力的尽头是电力 」几乎成了行业共识。这句话没错，但只说对了一半。电当然是必要条件，可真正卡住 AI 扩张的，往往不只是「有没有电」，更是一整条由发电、电网、变压器、散热、存储、封装和资本串起来的链条，以及链条上每一环截然不同的建设速度。