【从GPU到电力液冷，AI算力赛道迎来重资产大竞赛】

快速阅读：AI算力需求正以突破预测的方式爆发，导致产业链瓶颈从单一的GPU供应，演变为存储、光互连、电力及液冷的系统性约束。这种“Leontief式”的互补需求，正驱动行业从轻资产模式转向极度重资产的基础设施竞赛。

算力需求现在的增速，大概已经让所有的预测模型失效了。

这不只是买几张显卡的问题，而是一场极其硬核的物理接力。瓶颈的转移非常有规律：先是大家都在抢 GPU 计算能力；接着，随着模型参数爆炸，数据搬运速度跟不上，HBM 存储成了新的卡脖子环节；当单机柜规模扩大，铜缆的物理极限让光互连成了必选项；最后，当所有组件都到位了，大家发现竟然没电可用，也没法散热。

这种演变就像是在修一条高速公路，路修好了，车不够，于是开始造车；车多了，路不够宽，于是扩建；路宽了，油不够，于是建加油站；最后发现，电网根本扛不住。

有网友提到，这种不顾一切的投入可能是一条走不下去的死胡同，因为投入产出比目前并不成比例。确实，大科技公司正从“轻资产、高增长”转向“重资产、高增长”。如果资本开支（Capex）直接吃掉经营性现金流，这种模式的持续性值得怀疑。有观点认为，这可能会导致永久性的财务压力，类似于历史上电信或铁路行业的杠杆率抬升。

现在的逻辑很清晰：每解决一个环节的瓶颈，下一个物理限制就会立即暴露。

目前的重心正在从 NVIDIA 和 TSMC，向 HBM 供应商、光学厂商，以及液冷和电力基础设施转移。即便前面的环节都解决了，如果没有电和冷，机柜也只是堆在一起的废铁。

这种扩张究竟是通往通用人工智能的必经之路，还是一个高能耗的财务黑洞？

x.com/qinbafrank/status/2043653387271712962