2026年7月，一份法院裁定里的细节被翻了出来：一家美国AI公司为了训练模型，买下约200万册实体书，拆掉书脊、逐页扫描，然后把纸打成纸浆。
它偏爱旧书、绝版书和稀有书。内部给这件事起了个代号，叫"巴拿马计划"。理由写在法庭文件里：AI出现之前的人类文字，更干净。
这件事之所以值得说，是因为它标出了AI的第五道坎。
过去七十年，卡住AI的东西一直在换。先是算得动算不动，后来是有没有卡，再后来是有没有电，然后是能不能把十万张卡连成一台机器，现在轮到了"还有没有新书可读"。
一、第一道坎：会算1956年夏天，美国汉诺威镇的达特茅斯学院，十来个年轻人在一份提案上写下"人工智能"这个词，并相信一个夏天就能把问题解决。
他们错得离谱，但错得有价值：那个夏天确立了一件事——智能可以被计算。
此后半个世纪，瓶颈非常朴素：机器算得太慢。
Epoch AI的统计是：1950年到2010年，著名AI系统的训练算力大约每21个月翻一倍。慢，但在稳步爬。
1997年，深蓝战胜卡斯帕罗夫，靠的是专用硬件加暴力搜索，每秒评估两亿个棋局。它赢在"算得起"，不是赢在"想得明白"。
这一阶段的稀缺物是"每秒多少次运算"。谁能堆出更多计算因子，谁就领先。
二、第二道坎：算得动

2012年，转折出现。多伦多大学的三个人用两块消费级显卡训练了一个叫AlexNet的模型，6000万个参数，在ImageNet比赛上把错误率砍下一大截。
从这一年起，曲线换了斜率。同样是Epoch AI的统计：2010年之后，训练算力大约每6个月翻一倍，折算下来一年四倍。
2018年GPT-1是1.17亿参数，2019年GPT-2是15亿参数。到2020年GPT-3，1750亿参数，训练一次要烧掉约3.14×10²³次浮点运算。
这一阶段的稀缺物从"运算速度"变成了"卡"。谁有更多GPU，谁能训更大的模型。
也正是在这十年，模型、数据、算力三样东西第一次同时变得便宜——便宜到"大"本身成了方法。
三、第三道坎：电2020年之后，算力的增速又快了一档。Epoch AI的统计：前沿语言模型的训练算力自2020年起每年增长约5倍，翻倍周期缩短到5.2个月。


卡买到一定数量，账本上多出一行原来没有的科目：电。
IEA 2025年4月的报告给出了两个数：2024年全球数据中心用电约415太瓦时，占全球用电的1.5%；到2030年预计翻倍到945太瓦时。美国占其中45%。
报告里还有一句更关键的话：约20%的规划项目，可能因为电网排队而延期。
得州阿比林是最直观的样本。2025年1月21日，"星际之门"宣布四年5000亿美元、首期1000亿美元。到2026年4月，Epoch AI追踪到：七个站点规划超过9吉瓦，真正投运的只有约0.3吉瓦。
不是钱不够。是电排队。
四、第四道坎：把十万张卡连成一台机器拿到电，还要回答一个问题：卡怎么连。


2024年7月，xAI在孟菲斯把一座旧工厂改成数据中心，10万张H100上线，用了122天，起步功耗约70兆瓦。到2025年2月，这个数字翻到20万张。
卡越多，越容易坏。
Meta在Llama 3 405B的训练报告里写得很直白：16,384张H100，训练54天，一共中断466次，其中419次是非计划中断——平均每三个多小时一次。
其中78%是硬件问题，GPU本身加显存（HBM3、SRAM）占了大多数。有6次是"静默数据损坏"：卡没报错，但算出来的是错的。
Meta靠自动化把有效训练时间维持在90%以上，419次里只有3次需要人工介入。
这份报告其实是个分水岭：它说明AI竞争的单位，已经从"一张卡"变成了"一个机房"。
于是出现超节点——把几百上千张卡做成一个更大的计算单元，用专用互联替代普通网络。2025年9月18日，华为发布Atlas 950 SuperPoD，单节点8,192张昇腾卡；Atlas 960 SuperPoD是15,488张。基于此的集群，规模标到50万卡和百万卡。
这一阶段的稀缺物，是会建集群的工程能力：布线、散热、供电、故障定位、Checkpoint策略。
单卡性能不再是护城河，能把这十万张卡当成一台机器用，才是。
五、第五道坎：没有新书可读卡连上了，电供上了，最后卡在了语料。
Epoch AI 2024年的测算：经过质量和重复度调整后，公开可用的高质量人类文本大约300万亿个token。如果按当时的趋势走，这些存量会在2026年到2032年之间被用尽；如果继续"过度训练"，最早2025年就会碰到天花板。
这也解释了"巴拿马计划"：买旧书、拆开、扫描、销毁原件。旧书里有AI没见过的句子。
代价也来了。Anthropic因为另外下载了700万册盗版书，在Bartz案中和解15亿美元，2026年7月20日获法院最终批准，约合每部作品3000美元——史上金额最大的版权和解之一。
中文这一侧更具体。Common Crawl官方统计，2026年10月的抓取批次里，中文页面占4.37%；清洗去重之后，有研究测算可用占比只剩1.16%。
所以中国的动作不在"多爬一点"，而在"把数据变成制度"。
2026年10月20日，国家数据集团揭牌。此前，63个可信数据空间试点已经铺开；截至2026年4月30日，A股有136家上市公司披露数据资源入表，金额37.86亿元。
电力、交通、医疗、气象、金融——这些国民经济命脉的数据，大多不在互联网上，而在央企和公共部门的机房里。
它们不会出现在Common Crawl里，只能靠授权、靠制度、靠一家一家去谈。
六、约束迁移的规律

把五道坎排在一起，会发现三条规律。
第一条：旧瓶颈是被工程化解掉的，不是被绕过的。算力靠芯片，电力靠电网和自建电站，集群靠互联和自动化运维。每一道坎的解决，都会把下一道坎推到台前。
第二条：新瓶颈在上一阶段根本不是问题。2015年没人担心电，2020年没人担心书，因为那时候它们都不稀缺。
第三条：每换一次瓶颈，领先者就换一批。2012年占优的是会写CUDA的人，2020年是有卡有云的厂商，2024年是会建集群的团队，2026年，是能合法拿到电、拿到数据、拿到场景的公司。
所以单点优势是脆的。你在这一道坎上的领先，可能在下一次换胎时归零。
七、下一道坎可能是许可如果这五道坎的规律还成立，第六道坎大概率不是技术问题。
电要审批，数据要授权，场景要合规。三者都指向同一件事：许可。
一家公司可以买卡、可以建机房、可以写训练代码，但只要拿不到电的接入许可、拿不到数据的授权、拿不到场景的准入，它就走不到下一轮。
什么会推翻这个判断？如果2027年之前出现一次"数据效率革命"——合成数据或新训练范式让小数据也能持续提升——那么第五道坎会提前结束，第六道坎会被推迟，甚至不会到来。
结语AI的七十年，不是一条平滑上升的线，是五次换胎。
每次换胎，都会有人以为比赛结束了，也都会有人在下一圈超过去。
现在这辆车停在了图书馆门口。书是别人的，电是别人的，数据也是别人的。
真正的门槛，从来不是你会不会算，而是别人允不允许你算。