NVIDIA GTC大会报道重点关注1万亿美元AI基础设施建设和竞争动态。

人工智能产业正在经历自云计算诞生以来规模最大的基础设施建设，但存在一个根本性的区别：AI时代正在演变成以争夺电力、预订半导体产能、锁定内存供应和部署为规模化生产智能而设计的大规模集群为中心的全球基础设施竞争。这一时代的特征是从纯粹的软件革命转变为资本密集型模式——一场价值数万亿美元的供应链争夺战，以建造未来十年制造智能的工厂。这个工厂不再局限于超大规模数据中心，而是开始向所谓的超融合边缘扩展，在那里人工智能更接近数据产生和决策制定的地方。领导这一转变的公司——包括英伟达、亚马逊公司、微软公司、谷歌公司和Meta平台公司——正在集体投资数千亿美元用于AI基础设施，有些估计表明这一周期的下一阶段可能接近1万亿美元的资本投资。

AI工厂在根本上不同于传统数据中心，它是一个纵向整合的系统，旨在将原始输入——电力、硅、内存和数据——转换为输出，如AI模型、推理服务、自动化和推理系统。这一周期特有的一个经济动态被称为GPU增值悖论：与传统硬件迅速贬值不同，被广泛部署的英伟达H100 GPU等芯片的生产力随着它们所服务的模型变得更强大而不断提高。随着前沿模型不断改进，为这些模型提供计算的价值也随之上升，这就是为什么一些AI实验室正在锁定多年期GPU合约，价格约为每小时2.40美元，远高于估计的建造成本。AI计算已成为数字经济中最稀缺的资源，将GPU变成更接近生产性资本资产而非传统信息技术硬件。

然而，GPU虽然成为媒体焦点，但AI工厂真正的瓶颈可能是内存。现代AI系统严重依赖长上下文推理能力，意味着模型可以处理大量的文本、代码和多模态数据序列，这种能力需要大量的高带宽内存（HBM）。行业数据表明，到2026年，超大规模运营商资本支出的多达30%可能用于内存，这一转变已在重塑整个产业的半导体分配，内存供应越来越优先用于AI基础设施。半导体制造产能本身呈现了关键制约，数据中心加速器目前消耗台积电制造产能越来越大的份额。制造过程有两个主要制约：上游晶圆制造阶段的前端产能（其中先进工艺节点生产硅），以及中端的后端产能（其中CoWoS等先进封装技术将芯片与高带宽内存和其他组件整合）。虽然后端封装阶段在去年是最大的瓶颈，但制约越来越多地转向前端晶圆制造产能。

半导体生态系统中的最终守门人是阿斯麦控股公司（ASML Holding NV），这家荷兰制造商生产生产最先进芯片所需的极紫外光刻机。每台机器耗资超过3.5亿美元，包含数十万个组件，并依赖于数千个专业供应商组成的供应链。更重要的是，产量有限，阿斯麦能够在整个2030年代制造大约70至100台极紫外工具。这一产量实际上限制了全球扩展先进半导体生产速度的上限，确立了AI基础设施扩展速度的根本物理制约，这一制约无法仅通过软件创新来突破。