微软囤GPU，电力卡脖子，谁在暗中赢麻了 现在很多人关注英伟达的H100芯片，认为哪家公司购买得多哪家就更有实力，实际上情况不是这样，微软的机房里摆着一排排H100芯片，但大部分没有投入使用，原因不是没人需要这些芯片，而是电力供应跟不上，这个问题不只出现在微软，整个行业都面临同样的困境，大家还在比较谁拥有的芯片数量多，可真正的瓶颈早就转移到了电力问题上。 现在电力比芯片还紧缺，买一万块GPU只需半年就能到手，但要拉来五百兆瓦稳定电力，得等上好几年，因为审批流程、电网改造和环评手续一样都不能少，像微软、亚马逊、谷歌这些公司早在三年前就签好了长期用电合同，这些公司不是靠技术取胜，而是提前占住了资源位置，后来者想追赶也赶不上了。 更麻烦的是，GPU更新速度太快，以前两年换一代，现在一年半就要更换，芯片放在仓库里不是节省使用，而是亏本生意，每多存放三个月，性能就会落后一些，折旧费用还在持续上涨，如果机房在两年后才通电运行，这些芯片可能已经比竞争对手的产品差了一代，资金投入进去，回报却看不到踪影。 真正的护城河已经改变，过去人们比较的是模型精度高、数据规模大、开源项目活跃，现在却要看谁拥有电力资源、土地资源以及与电网保持良好关系，谷歌在内华达州自主建设变电站，亚马逊在爱尔兰直接使用风电供应，微软与爱荷华州电力公司合作铺设专用线路，这些事情发生在人工智能热潮兴起之前，当时没有人意识到它们的重要性，如今看来，这些布局都成为关键步骤。 小公司和新入局者面临更严峻的局面，即使成功订购最新型号的芯片，也需要排队等待电力供应，美国多州已暂停新增电力配额审批，欧洲电网升级速度跟不上需求增长，政策滞后与基建不足导致算力资源分化，能够承担芯片采购费用的企业未必能获得相应的电力支持。 中国正在尝试把算力和能源放在一起规划，但目前全国还没有统一调度，电力逐渐从公共品转变成战略资源，掌握用电权的人能够决定AI模型的上线时间、定价策略以及市场份额的归属，芯片只是工具，真正关键的是电力，未来创办AI公司的门槛可能不再是懂算法，而是懂得如何获取电力。
