计算能力（compute）正成为继石油和钢铁之后的新型战略资源。其核心价值在于它的稀缺性、高度集中和可控性，这些特性使其具备了巨大的经济和军事影响力。目前，美国掌握着全球绝大部分的 AI 计算能力，并通过出口管制等手段强化其主导地位。尽管算法效率不断提升，但对算力的总体需求仍在飞速增长，这使得计算能力依然是推动人工智能发展的关键瓶颈，其战略地位在未来只会愈发重要。
新时代的石油与钢铁
计算能力（或称“算力”）不应被看作是众多投入中的普通一项，而应被视为一种战略资源。就像过去的石油和钢铁一样，它具备几个关键特征：
- 极高的价值： 算力是当今最重要新兴技术（AI）的核心瓶颈。AI 公司在算力上的花费远超员工薪酬，因为更强的算力直接关联着更优的模型性能。
- 高度集中： 顶尖的算力资源集中在少数国家和企业手中。
- 可以被控制： 通过技术和供应链的节点，可以对算力进行有效管制。
- 本质稀缺： 尽管技术在进步，但尖端算力的需求远远超过供应。
对于 AI 模型来说，训练所用的算力规模与其在推理、数学等任务上的表现有明确的正相关关系。这种趋势已经持续了十多年，跨越了多个数量级的算力增长。
算力的集中化格局
算力的集中体现在两个层面：地理分布和供应链。
首先，在地理分布上，全球的 AI 超级计算能力极不均衡：
- 美国： 约占全球 75% 的份额。
- 中国： 位居第二，约占 15%。
- 欧盟： 约占 5%。
造成这种局面的主要原因是建立尖端数据中心所需的天价资本投入，以及美国对中国等国实施的出口管制。
其次，AI 芯片的供应链也高度集中于少数几家公司：
- 芯片设计： NVIDIA 占据了 AI 芯片市场约 80-95% 的份额。
- 芯片制造： 台湾的台积电（TSMC）承担了全球约 90% 的尖端逻辑芯片制造。
- 制造设备： 台积电又依赖于荷兰公司阿斯麦（ASML）独家生产的极紫外光（EUV）光刻机。
这种产业结构使得整个供应链的咽喉被少数几个参与者牢牢扼住。
稀缺性与效率提升的悖论
有人认为，算法效率的提升会降低对算力的依赖。例如，DeepSeek-V3 模型用远低于 GPT-4 的成本达到了相似的性能。但这并未削弱算力的重要性。
现实情况是，当算法变得更高效时，研究人员和公司并不会满足于用更少的算力训练相同的模型。相反，他们会利用效率的提升，投入更多的算力去训练更大、能力更强的模型，从而进一步推动技术前沿。当硬件变得更具性价比时，公司会购买更多，而不是更少。
一种观点认为：“稀缺性会促进创新。美国的芯片管制正迫使中国公司开发更高效的 AI 训练方法。”
然而，这种说法并未抓住重点。如果算力不足真的有利，各国就应该对 AI 芯片征收进口关税，公司也应该抛售算力库存。但事实恰恰相反：各国正积极寻求进口 AI 芯片，公司正以前所未有的规模投资建设数据中心。
未来的生产资料
算力的可控性已经被证明是真实存在的。美国对半导体制造工具和 AI 芯片的出口管制，就像二战时期盟军对日本的石油禁运一样，是一种有效的战略手段。
展望未来，随着 AI 逐步能够胜任更多认知类工作，算力甚至可能直接转化为脑力劳动。如果未来朝这个方向发展，算力的重要性将有增无减。
正如一位研究者所言：“算力是未来的主要生产资料，拥有更多总是好的。”