欧美数据中心建设遇阻：算力扩张踩刹车，中国AI机会来了？

AI的尽头是什么？是房地产。

两年前有人质疑这个说法，两年后的今天，问题已经变成数据中心建在哪里、怎么建，头部AI企业为此头疼不已。11月6日至7日，由“停止肮脏数据中心”联盟发起的抗议席卷欧洲，多个国家大量民众走上街头抗议AI数据中心建设。谷歌欧洲总部所在地都柏林，数千人游行至爱尔兰议会大厦进行抗议。

图源：Unsplash License

美国这边，多个关键州最近放出消息，将暂停审批数据中心的建设请求，在建项目也有不少被叫停，等待进一步的评估报告和意见征集。

研究机构Cleanview的报告显示，全美约41%的规划数据中心产能（达159吉瓦）正好位于现任或新当选州长支持“暂停建设”的州内。Ballotpedia统计的10个州41项相关投票提案，也几乎一面倒地支持限制或禁建数据中心。

这下算力卡再多也没用，都等着在仓库里吃灰吧。

电费上涨、供水吃紧，数据中心落地难

AI巨头们此前一直以来的“算力焦虑”，现在直接变成了“算力清零”。

在建和待建的数据中心按现在的情形看估计都得停下来，以后够不够用的“烦恼”都排不上号了。考虑到下一代模型在参数量上的增长，算力不足已经从焦虑的未来变成了现实。

估计不少读者看到这里都有个疑惑：为什么要反对建造数据中心？这玩意不是可以增加当地就业，带来更多的资金和机会吗？

说到底，这是一种典型的“中国思维”。我们之所以认为发展是好事，是因为它带来的负面效果远小于正面收益。以电费为例：中国的算力规模从2025年6月的788EFLOPS增至2026年9月的2592EFLOPS，涨幅约229%，可居民用电成本几乎没动，日常生活受到的冲击相当有限。

美国的情况就不同了。当地供电商业化程度更高，电力公司会随供需变化实时调整电价。数据中心扎堆的马里兰、弗吉尼亚和俄亥俄州，居民生活开支都因数据中心运转而明显承压。

图源：Unsplash License

居民用电之外，一些地区的工业电价涨幅甚至超过25%。路透社采访的一位制造商坦言，过去一年他的电费开支涨了90%，单月容量费从1600美元升至12000美元。

工业用电涨价抬高了当地工业品价格，竞争力随之下滑，不少工厂只能关门，就业又跟着受牵连。可数据中心需要的高技术人才，跟这些产线工人压根不搭边。

而且不只是电费。数据中心对水资源的消耗也不少。俄勒冈州的达尔斯市就建有一座谷歌的数据中心，这座建筑消耗了全市约三分之一的供水，同样引起了当地居民的抗议，不少人还对水费上涨的未来感到担忧。

建一座数据中心，你的生活成本要涨10%以上，工作还要受影响，你会怎么看？这时候再谈什么“星辰与大海”就没意思了。在当地居民看来，自己不反对，未来现在就已经没了。

图源：Unsplash License

欧洲也差不多。环保、用水、用电等争议让当地居民抵触数据中心建设，态度就一句：建哪儿我不管，反正别建在我家门口。另外，小雷在外网还读到一篇报道，说有的数据中心因供电不足而自建发电系统，这套系统的发电核心是一台航空衍生型燃气轮机。

航空衍生型燃气轮机其实是高效的发电装置，这点估计很多人不知道。过去没人愿意折腾，一是成本偏高，二是噪音太大。但对AI大厂而言，算力最要紧，在算力面前这些都可以让步，只是苦了当地居民，得忍受发动机的噪音和污染。

所以，并非美国人不愿拥抱AI，而是很少有国家能像中国这样，拥有足够的电力资源承接庞大的算力扩容需求，同时还能保证当地居民生活不受影响。

大模型踩刹车，手机和PC有望降价？

随着欧美地区的反数据中心浪潮愈演愈烈，就需要考虑下一个问题：对我们来说有什么影响？

啥玩意？这也能影响到我们？没错，而且影响可能比预想的更大。首当其冲的是半导体行业。如果各地数据中心建设计划真的因此暂停或取消，AI巨头们必然会暂缓甚至终止部分算力芯片的采购订单。

接着往下看，内存这类算力芯片的核心零部件，供应会从紧张慢慢回到正常状态。终端产品感受到这一变化不会太快，但2027年有望重新看到价格正常的手机和PC。

另一头的影响，是AI模型发展可能减速。如今大家已习惯模型每隔一两个月就更新一版，可每次更新背后都要烧掉大量算力。一旦未来算力预期吃紧，AI巨头或许会压低训练算力的比例，把有限的算力优先留给现有用户。

图源：美国NERSC高性能计算中心

拿最近半年来说，谷歌的Gemini每次出现明显降智，总有人猜下一代模型快来了。理由是谷歌把大量算力调去跑模型训练和测试，这基本说明训练已经进入最后阶段。

模型发展一旦减速，很可能拖累AI巨头的估值和市值。正筹备IPO的Anthropic，近期就有传闻说可能推迟上市，原因是财报和前景预期都不好看。连Anthropic都这样，其他AI企业的融资和IPO计划只会被审视得更严。

如果AI行业短期内上不了市，一批投资机构多半会转向更保守的策略，AI行业眼下高歌猛进的势头恐怕就要停住。当然，上面说的主要是OpenAI和Anthropic，国内AI巨头的处境差别很大：一边是算力部署成本更低，一边是发展策略更保守。

处境如此不同，欧美这场声势浩大的“反数据中心浪潮”，反倒意外帮了中国AI产业和云服务厂商一把，成了弯道超车的“神助攻”。

廉价算力成“版本答案”

Wood Mackenzie的报告显示，中国建AI数据中心单吉瓦成本为55到65亿美元，美国则是80到120亿美元；100MW级项目的交付周期，中国12个月，美国36个月以上。

这还只是数据中心本身的建设周期。想真正并网用电，还得再等几年。高盛的报告指出，美国发电及储能项目从申请并网到商业运营，等待时间中位数是5年。以AI如今的发展速度，5年后才到手的算力，说“黄花菜都凉了”并不夸张。也正因如此，AI巨头才不惜买航空衍生型燃气轮机发电，先把数据中心跑起来。

硅谷巨头被缺电、缺水、缺地卡住，算力扩张被迫急刹车，中国AI大厂和云服务商手里的算力就显得更抢手了。

对绝大多数非实时推理、视频生成、数据清洗和后台Agent（智能体）任务来说，跨国光缆带来的几十毫秒延迟并不影响体验，真正决定企业生死的，是Token价格。

中国西部每度电只要0.35元（约0.05美元，不到欧美热点地区的三分之一），加上阿里云、华为云折旧成本极低的超算集群，国产大模型的推理成本优势明显。

数据摆在那里。全球最大AI模型API聚合平台OpenRouter的统计显示，今年中国大模型的周Token调用量早已突破4万亿，在该平台上超过美国厂商排在首位。这和多数人的印象恐怕相反——美国握着世界上最强的AI，调用量按理说该是最高的。

可用户看的不只是模型性能，还有成本。大多数日常任务，根本用不上GPT-6那样的推理强度。DeepSeekV4.1 Flash就足够了。当然，有人会说GPT-6 Luna的Token价格比DeepSeek还低。没错，但真用过Luna就知道，它在Agent方面的能力实在差。

美国企业的Token成本因算力不足而上涨时，这种差距只会更明显，中国AI模型在全球市场的占比也会随之扩大。

图源：

另外，如前面所说，AI模型的发展可能被算力卡住。过去两年，OpenAI、谷歌等巨头的升级路子很简单：先不管模型架构够不够精简，砸几百亿美元把十万卡、百万卡集群堆起来，靠规模硬堆出效果。

可算力不足眼看就要成真，这套打法很难再撑下去。OpenAI也好，Anthropic也罢，都得去找更高效的模型架构和训练方式。而这恰好是DeepSeek、阿里千问而这恰恰是以其为代表的中国AI厂商最拿手的。

国内团队从一开始就只能在算力受限的条件下琢磨MoE（混合专家）架构、量化压缩和软硬协同，图的就是把“每瓦特性能”和训练性价比做到极致，DeepSeek在这条路上确实把能用的招数都用上了。

一边在收缩，一边在死磕，中国AI模型眼下可以说迎来了最好的竞争窗口。

AI竞争，拼的不只是性能

说到底，这轮席卷欧美的反数据中心浪潮，把AI行业过去“唯算力卡论”的争论彻底画上了句号。

以前普遍的想法是，谁抢到最多顶级算力卡，谁就能拿下AI时代。现实并非如此。顶级算力卡当然重要，可当最终目标是让AI变成像水电一样的基础资源时，成本、稳定性和可持续性反而成了更关键的评估因素。

美国的AI巨头就是例子：数据中心建不起来，建起来又缺电缺水，算力卡再多再强，也只能躺在仓库里落灰。国内则不同，电力供应稳定、电力基建充足，加上被逼出来的极致架构和低廉的Token成本，反倒成了最有可能撑起AI社会的基础。

话说回来，欧美机房这波停工潮要是真能把内存和硬件价格压下来，明年的PC和手机市场估计又能热闹一阵。算力受限之后的硅谷巨头，还能不能保住自己在AI领域的领先位置？欢迎在评论区聊聊。