人工智能的竞赛不再是软件：现在靠电力和混凝土取胜
多年来，人工智能的叙述被称为模型战：谁训练得更好，谁更早推出，谁拥有更好的才华。但这一阶段正在显得不够了。预计到2026年的数字以其重工业的原始粗糙性重新绘制了竞争地图：Meta、微软、Alphabet、亚马逊和Oracle预计将在人工智能基础设施上投入660,000亿到690,000亿美元的资本支出，几乎是2025年的两倍。与此同时，黄仁勋预计到十年末，总投资在人工智能基础设施上的支出将达到3至4万亿美元。
让许多执行团队感到不安的是，这一跨越并不是由某种模糊的“未来赌注”推动的，而是当前的摩擦所驱动：数据中心的能力、GPU的可用性，尤其是能源。例如，微软拥有一个数据，作为市场的晴雨表：由于电力限制，Azure的待处理订单高达800亿美元。瓶颈不再出现在产品路线图上，而是在电网和建设能力上。
人工智能的新资产负债表：巨额资本支出和无法满足的需求
第一个结构性变化是会计和战略上的转变。现在的融资不仅仅是“计算”，而是工业能力：土地、变电站、能源合同、冷却设备以及专为人工智能负载设计的数据中心。TechCrunch描述了大型玩家如何用过去与公共基础设施周期相关的数字在推进。
2026年的投资指南描绘了转变的规模：亚马逊预计2,000亿美元（从2025年的1,310亿美元上升），Alphabet在1,750亿到1,850亿美元之间（从910亿美元上升），Meta预计1,150亿到1,350亿美元（从710亿美元上升），微软拟投入1,200亿美元或更多，而Oracle打算提供500亿美元，较2025年增长136%。这些数字的合计范围为660,000亿到690,000亿美元。
合计背后传达了一个操作性信息：超大规模企业（hyperscalers）正在接受，在一段时间内，人工智能将作为一项行业来管理，赢家是那些能够将流动性转换为可用的物理能力的企业。在这种情况下，“市场推出时间”是以启用的兆瓦来衡量的，而不是以短期冲刺来决定的。
这种转变产生了不可避免的财务影响。资本支出变成了定位的杠杆，但也是压力的来源：如果人工智能的货币化跟不上，资产会停留在那儿，贬值并与其他用途争夺能源。目前，市场似乎正在验证稀缺的理论：微软关于电力待处理订单的信号证明了需求超过可用供应。
数据中心作为产品：客户购买的是确定性，而不是“模型”
我希望从消费者行为的视角来审视这场竞赛，因为这项基础设施的“客户”并不仅仅是聊天机器人的最终用户。相关的客户是支付者：需要将人工智能融入运营、客户服务、编程、营销和分析的公司；而他们今天“雇佣”的是一个特定的结果：计算的确定性。
在2024或2025年，许多关于人工智能的商业谈判通过演示和生产力承诺来解决。而到了2026年，差异正在转移到更平凡的东西：保证可用性。当一个供应商积累订单却无法满足这些订单（如Azure的待处理订单）时，企业客户学习到一个务实的教训：风险不再仅仅是“模型是否有效”，而是是否有能力在我需要时运行它。
在这个过程中出现了一种不那么光鲜但更为决定性的创新：将基础设施转变为明确的价值主张。Meta的Hyperion项目——在路易斯安那州占地2,250英亩，投资约为100亿美元，并计划将规模扩大到5GW，根据报道有与核电厂相关的计划——并非工程的奢侈，而是将最稀缺的资源包装为“产品”：能源和计算。
而Stargate案例将这一逻辑推向极端。这一由OpenAI、软银、Oracle和MGX共同成立的企业，宣布在特朗普政府的支持下，计划到2029年投资5000亿美元，初期投资达1000亿美元，并计划在德克萨斯州、新墨西哥州和俄亥俄州的五个地点规划7GW（截至2025年9月），此外在前三年内承诺超过4000亿美元。这已经不再只是云的增量扩展，而更像是在建造新的工业层。
在企业消费者的角度，模式非常明显：人们正在为操作连续性付费。当人工智能成为关键流程的组成部分时，由于缺乏性能引起的中断变得不可接受。购买的焦点正在从“智能软件”转向“可靠的工业服务”。
供应链之争：Nvidia、GPU协议以及建立依赖的联盟
权力的另一个维度并不是数据中心本身，而是使其变得有用的供应链。TechCrunch汇总的协议，因其规模，似乎更接近大宗商品合约而非科技联盟。
例如，OpenAI与Nvidia之间签署了一项1,000亿美元的GPU协议，此外还有与AMD的股票交换GPU计划。Nvidia也可能与xAI达成类似的协议。同时，值得注意的是，微软自2019年以来投资了近140亿美元于OpenAI，最初的协议金额为10亿美元，包括Azure的独占（之后稍微放开，转向多云的“优先否决权”）。而亚马逊也曾在Anthropic上投资了80亿美元，并将硬件调整为其需求。
从财务角度来看，这被解读为在三个前线降低波动性尝试：
1) 确保供应：未固定GPU的公司，面临排队和价格波动的风险。
2) 确保需求：对相关实验室提供融资或最终整合，可以确保填充资本开支的工作负荷。
3) 将基础设施转变为锁定效应：并不是通过独占条款，而是通过运营切换成本。
重要的细微差别在于，谈判权力正在转变。当面临稀缺时，供给商（GPU、电力、建设能力）捕获的价值更多。云服务既相互竞争，又相互依赖。因此，黄仁勋关于电力瓶颈的评论显得格外重要：最严峻的限制不是算法，而是电力接入。
这种重新排序也解释了Oracle在历史上异常增长的原因：其目标是500亿美元的资本支出，而其523,000亿美元的剩余业绩义务暗示出重新定位以捕获规模基础设施的需求，受到其在Stargate中角色的推动。
无声的风险：过度建设的基础设施和用户体验降级
当一个行业进入“先建后赚”的模式时，风险往往不在于技术失败。更常见的是与客户实际工作脱节的风险。
在这里有一个我认为很关键的张力：660,000亿到690,000亿美元的整体支出与一个事实共存，即纯人工智能公司显示出快速的收入增长，但仍旧只占基础设施总支出的一个小部分。这种失衡并不意味着投资不理性；而是捕获价值的模式依然处于巩固阶段。
在这个过程中，出现了两个操作性危险：
- 过度建设“优质”能力：如果基础设施被设计用于最极端的情况（大规模训练、最小延迟、最大冗余），则单位成本可能推动价格上升。这为那些只需基本推理或有限流的细分市场留出了更简单和便宜的替代品空间。
- 因拥堵导致服务下降：Azure的电力待处理订单是企业用户体验不佳的版本。在企业世界中，挫败感不会表达为评论；而是通过部分迁移、混合架构和为减少依赖而进行的多次购买来表达。
市场信号表明，巨头们正在下注“人工智能将消耗所有可用的能力”，正如Futurum Group的分析所总结的，这从2025年的~380,000亿跃升至660,000–690,000亿。如果这一假设成立，资本支出将得到合理化。如果部分成立，赢家将是那些以更大的灵活性进行合同和能源建设的人。
因此，即将举行的公共讨论——2026年3月在白宫与亚马逊、谷歌、Meta、微软、xAI、Oracle和OpenAI的会议，根据简报内容——具有经济意义：启用电力、许可和建设将与最佳模型一样，定义未来的市场份额。
战略方向已经确定：人工智能将作为保障的能力销售
2026年的故事表明，决定性的“产品”发生了转变。人工智能将继续在模型质量上竞争，但经济权力正在集中在控制物理瓶颈的企业：数据中心、GPU和电力。
对于CEO或CFO来说，实际的影响在于，人工智能的讨论不再仅仅是软件讨论，而是转变为成本结构、供应商依赖性和操作风险的讨论。在短期内，规模有利于那些能够吸纳大量资本支出的公司。中期内，竞争空间将会为那些能以较低成本以及较少基础设施需求提供足够人工智能的提案开辟，特别是在客户不需要最高性能的地方。
这场竞赛揭示的企业消费者行为模式是很清晰的：企业并不是在以概念的形式“雇佣人工智能”；而是在以预期的连续性和确定性来转变流程，以确保在关键时刻不会因基础设施故障而产生问题。
