欧美数据中心建设遇阻：算力扩张刹车，中国机会来了？

AI的尽头是什么？答案是房地产。

两年前这么说可能还有人怀疑，放到今天，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，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反对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抗议。

图源：Unsplash License

美国那边，最近也有不少消息：多个关键州已经表态，将暂停审批数据中心的建设请求，不少在建项目也被叫停，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。

这下算力卡再多也没用，只能等着在仓库里吃灰。

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”。

以后够不够用这种“烦恼”都算小事了，按现在的情形，在建和待建的数据中心估计都得停下来。下一代模型参数量还在增长，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？

说白了，这就是一种“中国式思路”。在我们这儿，发展被认为划算，是因为它带来的麻烦远比好处小。光看电费就明白：2025年6月中国算力规模是788EFLOPS，到2026年9月涨到2592EFLOPS，增幅约229%，可居民用电的花销几乎没动，普通人的生活也没受多大牵连。

美国的情况就反过来了。那边供电更偏商业化，电价会跟着供需随时上下浮动。数据中心扎堆的马里兰、弗吉尼亚和俄亥俄州，居民生活开支都因为数据中心运转而明显被推高。

图源：Unsplash License

居民用电之外，有些地方工业电价的涨幅甚至超过25%。路透社采访过一位制造商，他直说过去一年自己电费开支涨了90%，单月容量费从1600美元一路涨到12000美元。

工业用电涨价把当地工业品价格也抬了上去，竞争力跟着往下掉，不少工厂只能关门，就业又受牵连。可数据中心要的是高技术人才，跟这些产线工人根本不搭边。

水也一样，数据中心耗水量不小。俄勒冈州达尔斯市有一座谷歌的数据中心，它用掉了全市大约三分之一的供水，当地居民同样提出抗议，还有不少人对未来水费上涨心里发慌。

假设建一座数据中心，你的生活成本要涨10%以上，工作还跟着受影响，你会怎么想？这时候再谈什么“星辰与大海”就没什么意思了。在当地居民看来，自己要是再不反对，未来的日子现在就已经没了。

图源：Unsplash License

欧洲也差不多，环保、用水、用电这些议题让居民站出来反对数据中心，态度很统一：建哪儿我不管，就是别建在我家门口。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，这套系统的发电核心是一台航空衍生型燃气轮机。

估计不少人不知道，航空衍生型燃气轮机本身就是效率很高的发电设备，过去没人愿意用，一是贵，二是吵。可对AI大厂来说，算力最要紧，跟算力比这些都能将就，代价是当地居民得忍着发动机的噪音和污染。

所以问题不在美国人不想拥抱AI，而在于很少有国家能像中国这样，电力资源足够接住庞大的算力扩容需求，同时还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？还真能，而且影响可能比想得更大。先说半导体行业，如果接下来各地数据中心的建设计划真因此停下或取消，那AI巨头们势必会推迟甚至砍掉一部分算力芯片的采购订单。

算力芯片采购订单一旦被推迟或砍掉，内存等核心零部件的供应也会跟着变。紧缺的局面会慢慢回到正常，终端产品感受到变化需要时间，但2027年我们有望重新看到价格正常的手机和PC。

另一个连锁反应，是AI模型的发展可能被踩下刹车。眼下大家已经习惯模型每隔一两个月就更新一版，可这些更新背后烧的都是算力。未来算力预期不足，巨头们或许会压低训练算力的占比，把有限的资源先拿去服务现有用户。

图源：美国NERSC高性能计算中心

这种迹象其实已经出现过。最近半年，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参与模型训练和测试，这基本意味着训练已经进入最终阶段。

模型发展减速，大概率会波及AI巨头的估值和市值。打算IPO的Anthropic近期就有传闻称可能暂缓上市，原因是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计划只会被更严苛地审视。

一旦AI行业短期内上不了市，一批投资机构很可能转向更保守的策略，如今高歌猛进的势头怕是就要戛然而止。当然，以上主要还是说的

正是这种截然不同的处境，让欧美这场声势浩大的“反数据中心浪潮”，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的报告给出了对比：在中国建造AI数据中心，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，美国要36个月以上。

而且这只是数据中心本身的建设周期，想成功并网用电，还要再等个几年。按

硅谷巨头们因为缺电、缺水、缺地，被迫在算力扩张上踩下急刹车，中国AI大厂和云服务商手里的算力，那可就更香了。

图源：千问

除了对延时敏感的实时推理，视频生成、数据清洗和后台Agent（智能体）这类任务，几十毫秒的跨国光缆延迟基本感知不到；真正卡住企业命门的，是Token要花多少钱。

中国西部每度电仅0.35元（约0.05美元，不到欧美热点地区三分之一），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具备碾压级的优势。

OpenRouter是全球最大的AI模型API聚合平台，它的数据摆在那里：中国大模型的周Token调用量今年早已越过4万亿，在该平台上已经排到美国厂商前面。这个结果和不少人的直觉相反——美国握着全球最强的AI，照理说调用量也该领先，小雷是这么看的。

但事实是，用户不只看AI模型的性能，还看成本。大多数日常任务根本用不上GPT-6的推理强度，DeepSeek V4.1 Flash就完全够用。我知道，肯定有人要说GPT-6 Luna的Token价格比DeepSeek还便宜，对，但真要用过Luna的话，你就会知道这玩意在Agent方面的能力实在是差。

美国企业的Token成本因为算力不足而上涨时，这样的差别只会更加明显，中国AI模型在全球AI市场的占比也会跟着变大。

图源：Unsplash

算力还可能拖住模型进化的脚步，前面已经提到过。拿过去两年来说，OpenAI、谷歌这些AI巨头升级模型的思路并不复杂：模型架构精不精简先放一边，先掏几百亿美元把十万卡、百万卡集群搭起来，用规模硬生生把效果堆出来。

问题是，算力短缺眼看就要成真，这条路越来越难走通。OpenAI也好，Anthropic也好，都得转去找效率更高的模型架构和训练方式——而这正是DeepSeek、阿里千问这些中国厂商的强项。

国内团队从一开始就只能在算力吃紧的条件下琢磨MoE（混合专家）架构、量化压缩和软硬协同。DeepSeek在“每瓦特性能”和训练性价比上追到极致，各种办法几乎都用上了。

此消彼长之下，中国AI模型可以说有了最好的竞争机会。

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。

以前流行的看法是，谁抢到最多的顶级算力卡，谁就能拿下AI时代。现实没这么简单：顶级卡当然要紧，可一旦目标变成让AI像水电那样成为基础资源，成本、稳定性和可持续性反而成了更关键的衡量标准。

算力卡再多再强，数据中心建不起来、建起来又缺电缺水，最后也只能堆在仓库里落灰，美国的AI巨头眼下就卡在这一步。国内的情况正相反：电力供应稳、电力基建足，再加上被逼出来的极致架构和低廉的Token成本，反倒成了最有可能搭起AI社会的那块地基。

换个角度看，欧美这波机房停工潮要是真把内存和硬件价格压下来，明年的PC和手机市场说不定又能热起来。算力受限之后，硅谷巨头还能不能守住自己在AI领域的领先位置？评论区见。