欧美数据中心建设遇阻：算力扩张刹车，芯片采购或生变

AI的尽头是什么？是房地产。

这个说法两年前还有人质疑，如今数据中心建在哪儿、怎么建，已经成了头部AI企业最头疼的事。11月6日至7日，“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，反对AI数据中心建设；在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抗议。

图源：Unsplash License

美国这边，最近也有不少消息：多个关键州已表态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，要等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）正好落在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。

这么一来，算力卡再多也没用，只能堆在仓库里吃灰。

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”。

先不说以后够不够用，按现在的情形，在建和待建的数据中心估计都得停下来；考虑到下一代模型参数量的增长，算力不足已经从未来的焦虑变成了眼前的现实。

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？

这其实是典型的“中国思维”：在我们看来，发展本身是好事，原因在于它带来的负面影响远小于正面影响。单看电费就明白，2025年6月中国的算力规模是788EFLOPS，到2026年9月升到2592EFLOPS，涨幅约229%，可居民用电的成本几乎没动，日常生活也没受多大牵连。

美国的情况不同。当地供电的商业化程度更高，电力企业会跟着供需变化随时调整电价。数据中心扎堆的马里兰、弗吉尼亚和俄亥俄州，居民的生活成本支出都因为数据中心的运行而受到明显影响。

图源：Unsplash License

居民用电之外，一些区域的工业电价涨得更凶，幅度超过25%。路透社采访过的一位制造商说得很直接：过去一年自己的电费开支涨了90%，单月容量费从1600美元一路涨到12000美元。

工业用电变贵，当地工业品的价格跟着被推高，竞争力随之下滑，不少工厂只能关门，就业又受到牵连。可数据中心需要的高技术人才，跟这些产线工人对不上号。

电费之外，水也是笔账。俄勒冈州达尔斯市有一座谷歌的数据中心，耗掉了全市约三分之一的供水，当地居民同样上街抗议，不少人还担心水费以后会涨。

设想一下：建一座数据中心，你的生活成本要涨10%以上，工作还可能受波及，你会怎么看？这时候再谈“星辰与大海”就没什么意义了。在當地居民眼里，自己不反对，未来现在就没了。

图源：Unsplash License

欧洲也差不多。环保、用水、用电这些事，让当地居民站到了数据中心建设的对立面，态度就一句：你建哪儿我不管，别建在我家门口。另外，小雷在外网还读到一篇报道，说有的数据中心因为供电不够，干脆自己建发电系统，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效率很高的发电装置，过去没人用它，一是成本高，二是噪音大。可对AI大厂来说，算力最要紧，算力面前这些都能让步。只是苦了周边居民，得忍着发动机的噪音和污染。

所以说，不是美国人不肯拥抱AI，而是很少有国家能像中国这样，既有足够的电力资源接住庞大的算力扩容需求，又能保证当地居民的生活不受影响。

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？这也能波及到我们？没错，而且影响可能比想得更大。头一个自然是半导体行业：要是各地数据中心的建造计划真就此暂停或取消，AI巨头们肯定会暂缓甚至终止部分算力芯片的采购订单。

算力芯片核心零部件里，内存的供应也会跟着变。紧缺的局面会慢慢回到正常，终端感受到变化不会太快，但到2027年，价格正常的手机和PC有望重新回到货架上。

另一个影响落在AI模型的迭代节奏上。如今大家已经习惯模型隔一两个月就更新一版，可这些更新背后都要靠庞大的算力撑着。一旦未来算力预期不足，巨头们可能压低训练算力的占比，把有限的算力先拿去服务现有用户。

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，就有人猜下一代模型快来了。理由是谷歌把大量算力调去做模型训练和测试，这基本说明训练已经走到最后阶段。

模型迭代放慢，很可能波及AI巨头的估值和市值。打算IPO的Anthropic，近期就有传闻说可能暂缓上市，财报和前景预期都不乐观。连Anthropic都这样，其它AI企业的融资和IPO计划只会被审视得更严苛。

如果AI行业短期内上不了市，一批投资机构大概率会转向更保守的策略，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巨头的处境很不一样：算力部署成本更低，发展策略也更保守。

处境不同，欧美这场声势浩大的“反数据中心浪潮”，反倒意外成了中国AI产业和云服务厂商弯道超车的“神助攻”。

廉价算力成“版本答案”

Wood Mackenzie的报告显示，中国建AI数据中心的单吉瓦成本是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。想成功并网用电，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巨头宁可买航空衍生型燃气轮机来发电，也要先把数据中心跑起来。

硅谷巨头们缺电、缺水、缺地，算力扩张被迫踩下急刹车，中国AI大厂和云服务商手里的算力，就显得更香了。

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有碾压级的优势。

数据不会说谎。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4万亿大关，在该平台上超过美国厂商排到第一。这和多数人的观念是冲突的，毕竟美国有世界上最强的AI，按理说调用量也该最高。

可用户看的不只是性能，还有成本。大多数日常任务根本用不上GPT-6的推理强度，DeepSeek V4.1 Flash就够用了。肯定有人要说GPT-6 Luna的Token价格比DeepSeek还便宜，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成本因为算力不足而上涨，这种差别只会更明显，中国AI模型在全球市场的占比也会随之变大。

图源：

还有一点，前面也提到，AI模型的发展可能被算力卡住。过去两年，OpenAI、谷歌等巨头的模型升级计划其实很简单：不管架构够不够精简，先砸几百亿美元把十万卡、百万卡集群堆起来，靠规模硬生生砸出效果。

可算力不足即将成为现实，这套打法就难以为继了。OpenAI也好，Anthropic也好，都得被迫去找更高效的模型架构和训练模式，而这恰恰是DeepSeek、阿里千问为代表的中国厂商最擅长的。

国内团队从第一天起就在算力受限的环境里钻研MoE（混合专家）架构、量化压缩和软硬协同，为了在“每瓦特性能”和训练性价比上做到极致，DeepSeek真是“无所不用其极”。

此消彼长之下，中国AI模型可以说迎来了最好的竞争机会。

AI竞争，打的不只是性能

说到底，这场席卷欧美的反数据中心浪潮，算是彻底终结了此前AI行业“唯算力卡论”的争议。

以前有种普遍看法：AI 时代谁握有最多的高端算力卡，谁就说了算。可事实并不支持这个判断。高端卡当然有价值，但真要实现让 AI 像水电那样成为日常基础设施，评判的尺子就会转向成本、稳定和可持续这几项。

就像美国的AI巨头，数据中心建不起来，建起来也缺电缺水，再多的顶级算力卡也只能躺在仓库里吃灰。反观国内，稳定的电力供应、充沛的电力基建，加上被逼出来的极致架构和低廉的Token成本，反而最有可能撑起一个AI社会的基础。

不过话说回来，欧美机房这轮停工要是真把内存和硬件价格压下来，明年PC和手机市场恐怕又要热起来。算力受限之后，硅谷巨头还能不能守住AI领域的领先位置？欢迎到评论区说说。