人工智能的繁荣正在迫使硅谷放弃其传统的轻资产数字模式，转向一种资本密集、依赖物理资源的重工业模式。这种转变的核心是建设和运营数据中心，这些设施需要巨大的电力、建筑材料和专业劳动力。最终，科技行业的成功不再仅仅关乎软件，而是越来越依赖于其管理复杂物理基础设施的能力，从根本上改变了其经济和运营现实。
从代码到混凝土
尽管人们关注模型能力的提升，但人工智能最重要的投入并非数字比特，而是原子和电子。为了训练和运行模型，人工智能行业必须进行大规模建设。卡特彼勒公司（Caterpillar）股价的飙升就是一个例证，其成功并非来自建筑车辆，而是来自其为全国数据中心提供动力的巨型燃气发动机。
- 数据中心是复杂的技术和工业运营。
- 科技公司需要建设发电厂、废水处理设施和先进的冷却设备。
- 这需要大量的混凝土、钢铁、硅、玻璃、铜和液化天然气。
运营一个数据中心在很多方面更像是经营一座钢铁厂，而不是一个智能手机应用。
惊人的资本投入
硅谷长期以来的优势在于其产品制造成本低，但收入巨大。如今，这一优势正在消失。主要科技公司在数据中心上的支出即将超过其运营收入，这意味着它们可能需要通过借贷来支持其人工智能的雄心。
- 从 ChatGPT 发布到去年底，主要科技公司的资本支出（主要用于数据中心）已超过五千亿美元。
- 这些公司计划仅在 2026 年就花费相似的金额。
- 根据摩根大通的报告，到明年，它们在人工智能领域的投资可能超过 1.1 万亿美元。
最大的瓶颈：电力与物理世界
数据中心消耗惊人的电力。五年前，一个标准数据中心可能需要 50 兆瓦的电力，而现在，一些项目需要数千兆瓦的电力，相当于几个大城市的用电量。
- 电力供应是核心挑战。由于电网无法满足需求，最快的方法是自建发电厂。
- 冷却系统至关重要。人工智能芯片运行时温度高达 200 华氏度（约 93 摄氏度），需要复杂的冷却方案。
- 供应链涉及镜子、激光器和稀土矿物等复杂全球网络。
OpenAI 的首席执行官萨姆·奥尔特曼（Sam Altman）表示，公司最大的限制是“电子”，也就是电力。英伟达首席执行官黄仁勋（Jensen Huang）则指出，熟练的“水管工和电工”的短缺将是人工智能热潮最难克服的瓶颈。
演变为重工业
随着行业将前所未有的资金投入数据中心，高管们的言论也开始听起来像是身处建筑业。他们谈论的不再是代码和算法，而是电力、土地和劳动力。这种转变也带来了新的挑战，包括公众对数据中心建设的反对。
人工智能正变得越来越像钻探油井。所有用于建设和运行数据中心的铜、硅、电力和劳动力，都是为了处理和输出被称为“tokens”（本质上是词语）的人工智能基本单位。金融市场已经开始将这些计算资源视为现代文明的原材料，就像石油、钢铁或玉米一样可以交易。
“如果说 20 世纪依赖石油和钢铁，那么 21 世纪就依赖计算能力和为其提供动力的矿物。”
通过主导数字世界，硅谷已经间接控制了物理世界。而如今的数据中心建设则是一个全新的、更直接的控制形式。从最具体的冷却、电力和土地，到最抽象的金融工具，人工智能已经演变为一个重工业。