文 | 影子备忘录
2026 年过去的大半年里，科技巨头的财报电话会上出现了一个微妙的变化。
分析师们不再只追问 " 模型能力提升了多少 "，而是反复盘问同一个问题：钱花出去了，算力什么时候能真正到手上？
这背后有一个不争的事实被摆在桌面上：AI 大厂的数据中心正在因为算力需求暴涨，导致自身运力供不应求。
过去两年，行业叙事的主线是 " 缺芯片 "。GPU 一卡难求，HBM 产能告急，CoWoS 封装排到一年以后。
但到了 2026 年，瓶颈已经不再停留在半导体层面。
电力接入要排队，变压器交货要等，液冷系统从 " 可选项 " 变成 " 必选项 " 的同时，能把它批量交付的人还不够用。
摩根大通在一份研究笔记中指出：现代数据中心两到三年可以盖好，但给它供电，天然气发电要五到七年，核能要十年以上，即便太阳能也要两到四年，而美国很多地区的电网接入排队已经超过五年。
盖楼的速度和通电的速度，已经不在同一个时间尺度上了。
需求曲线和交付曲线正在分叉
据 Jefferies 的测算显示，2025 年全球真正投入运营的数据中心容量只有 8.9GW，而当年的需求接近 21.1GW，缺口约 12GW。
更关键的是，2021 年到 2025 年累计未交付的容量已经达到 20.4GW，而且这个缺口还在扩大。
换句话说，过去五年里，行业不是没有花钱，也不是没有开工，而是建成的速度始终追不上需求膨胀的速度。
2026 年全球 AI 数据中心的电力需求预计达到 30GW 左右，仅北美就接近 19GW。
但 Jefferies 对供应链的拆解表明，工程与建筑劳动力短缺、冷却设备交付跟不上、变压器和电力部件供应紧张、备用发电机排产饱和，每一个环节都在拖慢 " 图纸变成通电服务器 " 的节奏。
这解释了一个乍看矛盾的现象：谷歌、Meta、亚马逊和微软四大科技巨头 2026 年的资本开支合计预计达到 7500 亿美元量级，比上一年的 4100 亿美元增长超过 80%，但 " 算力不够用 " 的焦虑不但没有缓解，反而在加剧。
钱可以在一两个季度内决策到位，但电网扩容、变电站建设、冷却装备的制造产线爬坡，遵循的是工业逻辑，不是财务逻辑。
芯片端的压力同样没有消失，只是换了形态。
英伟达 GPU 的订单积压已经延伸到 2027 年，金额达到 1 万亿美元，GPU 和定制芯片的交期拉长到接近一年；三家 HBM 供应商 2026 年的产能全部售罄，HBM 产能缺口仍在 50% 到 60% 之间。
SEMI 中国负责人给出的判断更为具体，他预测 2026 年全球 AI 基础设施支出将达到 4500 亿美元，推理算力占比首次超过 70%，而存储正在取代逻辑芯片成为 AI 基础设施中最紧绷的那根弦。
芯片短缺是可以靠扩产逐步缓解的，电力接入和电网稳定性却不是。
北美电力可靠性委员会在 2026 年 5 月发布了迄今最高级别的电力系统可靠性警报，专门指向 AI 训练中心这类 " 计算负荷 "，如果超过 1000 兆瓦的负荷意外脱网时，对电网频率的冲击相当于一台大型发电机组瞬间跳闸，而脱网的速度往往快于调度人员的响应能力。
这意味着，AI 数据中心不只是 " 用电大户 "，它的负荷特性本身就在考验电网的安全边界。
数据中心不再是 " 机房 "
理解这场危机的关键，在于承认一个范式层面的变化：数据中心的功能定位已经彻底变了。
在云计算时代，数据中心是 " 仓库 "，它是存储数据、按需调用，其核心指标是可用性和存储密度。
但在推理和 Agent 成为算力消耗主引擎之后，数据中心变成了 " 工厂 "：它消耗电力，产出 Token，每一瓦电的 Token 吞吐量直接决定成本结构。
英伟达在 GTC 上反复推销的 "Token 工厂 " 叙事，本质上是在说同一件事：未来的数据中心不是 IT 成本的容器，而是一条以电力为原料、以 Token 为产品的生产线。
一旦用制造业的逻辑来审视，很多此前被忽视的瓶颈就浮出水面了。
首先是散热。单机柜功率从风冷时代的数千瓦，快速进入百千瓦区间，下一代 AI 机柜的设计目标指向每柜数百千瓦，传统风冷在物理上已经无法兼顾算力密度和能耗约束。
液冷从 " 可选项 " 变成 " 必选项 "，但规模化的瓶颈不在原理，而在交付：冷板方案的 PUE 可以做到 1.15 到 1.2，浸没式可以压到 1.1 甚至 1.04，可是一条 CDU 产线从投产到稳定排产、把漏液风险压到 " 零泄漏 " 量级，需要制造体系的爬坡时间。
制冷系统长期占据数据中心总能耗的四分之一到四成，把它从工程问题变成工业问题，是这一轮基建中最容易被低估的环节。
其次是人才。Uptime Institute 的年度调查显示，2026 年超过半数的数据中心受访者表示难以找到合格人选填补运营、机电和监控岗位，员工被同行挖角成为常态。
更有研究指出，多达一半的数据中心工程师将在三年内退休，而新人补充不足，经验断层正在形成。
建一座数据中心需要工程师，运营一座高密度液冷集群需要的是另一类工程师，他们要既懂传统基础设施、又要熟悉 GPU 调度和分布式训练环境，这类人在市场上极度稀缺。
资本可以买到设备，但买不到经验曲线。
资本开支的 " 异化 "
面对这种结构性短缺，巨头的反应是加速花钱，而且花的钱越来越不像传统意义上的 " 资本开支 "。
摩根士丹利有一个测算：到 2028 年，全球在 AI 数据中心和芯片上的总支出将达到 2.9 万亿美元，其中约 1.4 万亿可以由超大规模云厂商的内部现金流覆盖，剩下的 1.5 万亿需要从外部融资填补。
这说明自有现金流已经不再是投入的边界。2026 年截至 9 月中旬，美国五大云厂商（谷歌、亚马逊、Meta、微软和甲骨文）的债券发行量已达 1861 亿美元，超过 2025 年全年；高盛预计五大厂商 2026 年发债规模约 2500 亿美元，2027 年可能达到 4000 亿美元。
国内的动作同样在改变互联网公司的财务肖像。腾讯 2026 年二季度资本开支升至 528 亿元，是上年同期的近三倍，其中绝大部分流向数据中心、GPU 服务器和智算集群。
更值得玩味的是，当季自由现金流录得负 138 亿元，为 2014 年披露该数据以来首次单季转负，很大程度上与算力采购预付款的集中支付有关。
字节将 2026 年全年资本开支规划上调至 2000 亿元，投入强度居国内首位；阿里 2026 财年约 1260 亿元的资本开支中，AI 服务器、数据中心与 GPU 采购是绝对主力。
这些数字如果放在传统的 " 投资回报 " 框架里看，会显得相当激进。
但更准确的解读是：在当前阶段，资本开支的性质正在从 " 投资 " 滑向 " 入场费 "。
算力供给的缺口是结构性的，交付周期以年计，谁提前锁定了电力、机柜和芯片产能，谁就拿到了下一阶段参与竞争的资格。
黑石集团总裁在评价这一轮基建时给出的判断颇具代表性：过去六个月旗下企业对大语言模型的需求增长了七倍，而数据中心、电力、芯片的供给远远跟不上，基础设施本身正在变成 " 具备融资价值的资产 "。
当基础设施本身成为可融资、可交易的资产类别，数据中心就不再是大厂财报附注里的一个成本项，而是资产负债表上需要被认真定价的战略筹码。
算力正在变成一种 " 主权资产 "
把视线拉回国内，一个容易产生误读的对比是 " 美国砸了 7500 亿，中国才 1000 亿 "。数字本身有参考价值，但更有解释力的是瓶颈的结构差异。
SemiAnalysis 在 2026 年 9 月首次将中国纳入其全球数据中心追踪模型，测算中国已交付的数据中心总容量超过 24GW，仅次于美国的 56GW，超过欧洲、中东和非洲的总和。
从厂商格局看，字节以约 5.3GW 的容量占据全国约五分之一，几乎全部采用租赁模式；阿里约 3.9GW、腾讯约 2.4GW、百度约 1.1GW，以自建与租赁混合为主。
中国 100 兆瓦级超大规模数据中心的交付周期，已经从云计算时代的约 18 个月压缩到 AI 时代的约 12 个月，部分项目甚至压缩到 100 天。
但同一份报告也指出了一个关键约束：在先进 AI 芯片出口管制的背景下，国产芯片的单位功耗算力仅为进口芯片的 10% 到 30%，全国算力设施上架率约 71.4%，芯片供给短缺仍然是关键瓶颈。
这就形成了两条不同的 " 扛不住 " 路径。美国的瓶颈更多落在电力和电网的物理承载能力上，芯片短缺在缓解，但通电和并网的速度跟不上；中国的瓶颈则更集中地体现在芯片能效和供给结构上，电力总量和电网扩容的腾挪空间相对更大，政策层面也在主动推动 " 算随电走 "，引导算力向绿电富集区域集聚。
同一个 " 算力不够用 " 的表象，底下的约束条件并不相同，应对策略的优先级也因此分化：海外巨头在向上游走，自建电厂、签长期核电协议、甚至把电力资产纳入战略布局。
国内厂商则在国产芯片适配、算力调度效率和租赁模式的精细化上寻找空间。
如果只从商业竞争的角度看这场数据中心军备竞赛，会漏掉一个正在快速成形的维度：国家和区域集团正在把算力基础设施当作战略资产来配置。
IDC 的统计显示，目前已有超过 40 个国家启动并资助国家级 AI 基础设施项目，中东地区最为活跃，西欧和亚太则更多由数据主权和安全需求驱动。
沙特主权基金旗下的 AI 企业 HUMAIN 与法国 Mistral 达成合作，计划到 2030 年部署多达 60 万颗 AI 芯片和 1 吉瓦的算力，目标是让数据、智能和算力 " 掌握在客户自己手中 "。
欧盟则将主权 AI 基础设施几乎当作一种 doctrine 来对待，通过 InvestAI 等项目为欧洲本土的数据中心和芯片能力提供融资。
而这些动作也代表着数据中心的选址和归属，正在从 " 哪里电便宜、哪里离用户近 " 的商业决策，部分地转变为 " 算力留在谁的领土上 " 的政治经济决策。
当算力被纳入主权框架，供给的弹性会进一步收窄。
因为不是所有可以建数据中心的地方，都被允许建；也不是所有愿意出钱的人，都能买到同等的芯片和并网权限。
