探讨AI建设中的资本支出、能源、供应链等关键问题

我和@romeovdean写了一篇博客，旨在了解AI建设。其中一些发现令我们惊讶：

1. 巨大的晶圆厂资本支出过剩——仅凭2025年一年的盈利，Nvidia就能覆盖台积电过去三年的全部资本支出。2025年，Nvidia将把约60亿美元的台积电折旧资本支出转化为2000亿美元的收入。
在供应链上游，Nvidia一年的收入几乎与ASML、应用材料、东京电子等五家最大的半导体设备公司过去25年的研发和资本支出总和相当。
如果AI需求持续（更不用说增长），资金足够建造更多晶圆厂。

2. 我们预测了直到2040年的两种情景：爆炸性增长和AI寒冬。在爆炸性增长情景下（AI年资本支出到2030年达2万亿美元），@sama关于领先公司每周1GW的愿景将在2036年实现。但那时，全球AI电力消耗将是美国当前发电量的两倍。

3. 过去二十年，数据中心建设基本上利用了美国去工业化遗留的电力基础设施。要使AI资本支出按当前轨迹继续增长，供应链上游的所有环节（从铜线到涡轮机、变压器、开关设备）都需要扩大产能。
关键问题在于，这些公司的工厂折旧周期为10-30年（对比芯片的3年）。由于它们通常利润率低，需要几十年的稳定利润，且曾被泡沫伤害过。
如果不仅是晶圆厂，还有其他数据中心组件存在财务过剩，超大规模企业能否通过支付更高利润率来加速产能扩张？尤其是芯片占数据中心成本的60%以上。
我们对燃气轮机制造商进行了粗略计算，似乎表明超大规模企业可以以数据中心总成本的较小份额来支付产能扩张费用。正如@tylercowen所说，不要低估供应的弹性。

4. 我们认为，在长期时间线（即没有2028年软件奇点）的世界中，中国可能在AI领域领先。每三年，芯片折旧，竞赛重新开始。一旦中国赶上领先的工艺节点，AI就会成为整个供应链上的大规模工业竞赛。这似乎契合中国的差异化优势。

5. 前置时间是选择数据中心能源、是否接入电网以及设计数据中心的最关键因素。因为机壳未建成的每个月，芯片（占成本绝大部分）都无法使用。
所以你可以理解为什么天然气比当前核反应堆更受青睐。核电运营成本极低，但前置时间极长、资本支出高。天然气虽不可再生，但你可以直接在数据中心旁安装几十台燃气轮机，让芯片尽快运转。
太阳能和风能建设前置时间短，可用电池平滑电力。但你需要雇佣数千人来铺设曼哈顿大小的太阳能农场，才能稳定供电给一个1GW的数据中心。
完整博客还有更多内容，链接如下。