欧美数据中心建设受阻：算力扩张遇成本难题，行业走向生变？

AI的尽头是什么？是房地产。

两年前或许还有人怀疑这个说法，放到今天看，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”联盟在欧洲发起抗议，多个国家大量民众上街反对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

美国这边，最近也有不少消息：多个关键州已放出风声，要暂停审批数据中心建设请求，在建项目也有不少被叫停，等进一步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，算力卡再多也派不上用场，只能堆在仓库里落灰。

电费上涨、供水吃紧，数据中心落地难

AI巨头们原先的“算力焦虑”，眼下直接变成了“算力清零”。

更别说以后够不够用的“烦恼”了——按现在的情形，在建和待建的数据中心估计都得停。考虑到下一代模型参数量还在增长，算力不足从焦虑的未来变成了眼下的现实。

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？

这其实就是典型的“中国思维”：大家之所以把发展看成好事，是因为发展带来的坏处远远小于好处。拿电费来说，从2025年6月到2026年9月，中国的算力规模由788EFLOPS涨到2592EFLOPS，增幅约229%，可居民用电的成本几乎没动，日子也没受多大影响。

美国的情况不一样。那边的供电更商业化，电力企业会跟着供需变化调电价，数据中心扎堆的马里兰、弗吉尼亚和俄亥俄州，居民的生活开销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，有些地方的工业电价涨得更凶，幅度超过25%。路透社采访过一位制造商，他直说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。

工业用电贵了，当地工业品的价格跟着往上走，竞争力就掉下来，不少工厂只能关门，就业又受牵连。可数据中心要的高技术人才，跟这些产线工人压根不是一回事。

水也一样。俄勒冈州达尔斯市有一座谷歌的数据中心，耗掉了全市大约三分之一的供水，当地居民同样上街抗议，不少人对未来水费上涨心里没底。

假如建一座数据中心，你的生活成本就得涨10%以上，工作还可能保不住，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，再不反对，自己的未来现在就没了。

图源：Unsplash License

欧洲也差不多。环保、用水、用电这些事，让当地居民站出来反对建数据中心，态度就一句：你建哪儿我不管，反正别建我旁边。另外，小雷在外网还看到一篇报道，说是有数据中心因为供电不够，干脆自己建发电系统，而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来就是高效的发电装置，过去没人折腾它，一是成本高，二是噪音大。可对AI大厂来讲，算力才是最要紧的，算力面前这些都能让路，只是当地居民倒了霉，得忍着发动机的噪音和污染。

所以问题不在美国人愿不愿意拥抱AI，而是很少有国家能像中国这样，电力资源足够承接庞大的算力扩容，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？这也能影响到我们？没错，而且影响可能比想得还大。首当其冲的是半导体行业：如果各地数据中心的建造计划真因此停下或取消，AI巨头们肯定会推迟甚至砍掉一部分算力芯片的采购订单。

算力芯片的供应也会跟着松动，内存这类核心零部件会从紧缺慢慢回到正常状态。终端产品感受到变化不会太快，不过至少2027年有望重新买到价格正常的手机和PC。

另一个影响是AI模型的迭代可能被踩刹车。现在大家已经习惯每隔一两个月就有一波模型更新，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够，AI巨头可能会压缩训练算力的比例，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

比如最近半年，谷歌的Gemini每次出现明显降智，就有不少人猜下一代模型快来了。理由也简单：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。

模型迭代放缓，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。

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。AI行业眼下高歌猛进的势头，怕是就要戛然而止。当然，上面说的主要是OpenAI和Anthropic。国内AI巨头的处境和它们差别很大：算力部署成本更低，发展策略也更保守。

正是这种差别，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的报告显示，在中国建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目前的发展速度，5年后才到位的算力，真能用“黄花菜都凉了”来形容。这也是AI巨头宁愿买航空衍生型燃气轮机来发电、也要先把数据中心跑起来的原因。

硅谷巨头因为缺电、缺水、缺地，被迫在算力扩张上急刹车。这时候，中国AI大厂和云服务商手里的算力就更香了。

对绝大多数非实时推理、视频生成、数据清洗以及后台Agent（智能体）任务来说，跨国光缆带来的几十毫秒延迟根本不影响体验。可Token的价格，却决定企业的生死。

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具备碾压级优势。

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。小雷估计这和多数人的观念是冲突的——美国有世界上最强的AI，按理说调用量也该最高。

可事实是，用户不只看模型性能，也看成本。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。我知道有人会说，GPT-6 Luna的Token价格比DeepSeek还便宜。对，但真用过Luna就知道，这玩意在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时，这种差别只会更明显，中国AI模型在全球AI市场的占比也会进一步扩大。

图源：

还有一点，就像前面说的，AI模型的发展可能受限于算力。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，靠规模硬堆出效果。

算力不足成为即将到来的现实后，这套打法就很难维持了。OpenAI也好，Anthropic也罢，都得去找更高效的模型架构和训练模式。而这恰好是DeepSeek、阿里千问为代表的中国AI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。为了把“每瓦特性能”和训练性价比做到极致，DeepSeek真是“无所不用其极”。

此消彼长，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，彻底终结了AI行业此前“唯算力卡论”的争议。

很多人以前认定，AI 时代的话语权归买到最多顶级算力卡的那一方。事实不是这样。顶级算力卡固然关键，但真要让人工智能像水电那样成为基础资源，评估时更该看重的其实是成本、稳定性和可持续性。

美国AI巨头就是例子：数据中心建不起来，建起来也缺电缺水，再多再强的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Token成本，反而成了最有可能搭起AI社会的基础。

不过，欧美机房这轮停工潮若真能把存储和硬件价格压下来，明年的PC和手机市场大概又能热闹一阵。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？欢迎在评论区聊聊。