
所有人都在谈论AI需要多少算力。没有人谈论AI需要多少水。
这个认知盲区,正在成为这场AI革命中代价最高昂的低估之一。美国银行的最新研究,用几个具体的数字,将这场被低估的危机摆在了所有人面前。
到2030年,全球数据中心的年度用电量,将超过日本这个世界第三大经济体全国用电规模。
而这些数据中心的冷却系统,每年消耗的水资源,将相当于纽约市全年饮用水消耗的总量。
与此同时,铜、铝、镓、锗等关键金属正在面临结构性短缺,价格飙升的压力已经在供应链的多个环节开始显现。
这不是一个单一维度的资源压力,而是一场跨越电力、水资源和关键金属的全链条危机,同时在多个维度上向临界点逼近。
理解这场危机的规模,需要先理解AI数据中心与传统数据中心之间的本质差异。
传统的互联网数据中心,承载的主要是数据存储和网页服务,计算密度相对有限,能耗和冷却需求处于一个可以被现有基础设施框架所消化的范围内。但训练和推理大型AI模型的数据中心,是一种完全不同的物种。GPU集群的计算密度远超传统服务器,发热量是普通服务器的数倍乃至数十倍,冷却系统需要持续不断地带走这些热量,而带走热量最有效、也最常用的方式,就是水。
液冷系统在高密度AI数据中心中的普及,意味着每一个AI计算节点的背后,都有一个持续运转的水资源消耗系统。这不是一个可以被工程优化轻易解决的问题,因为热力学定律不会因为技术进步而改变,能量输入越多,需要带走的热量就越多,需要的冷却水量也就越大。当AI数据中心的计算密度继续向上突破,这个水资源消耗的曲线,将以一种与能耗曲线高度相关的方式同步攀升。
而水资源,是一种比电力更难被大规模新建供给的资源。
电力可以通过新建电厂、铺设输电线路来扩充供给,尽管这个过程需要时间。但水资源的可用量,在许多数据中心选址的地区,已经接近了自然条件所允许的上限。美国西南部的数据中心集中区,包括内华达、亚利桑那和加利福尼亚,本就是全球水资源压力最大的地区之一,科罗拉多河的水权争夺已经持续了数十年。在这些地区继续大规模新建需要消耗大量水资源的AI数据中心,将在一个已经高度紧张的水资源体系上叠加新的需求压力。
而在所有挑战中,金属供应链的危机,或许是市场目前定价最不充分的一个维度。
铜是数据中心电力基础设施的核心材料,从输电线路到变压器,从配电系统到服务器内部的电路板,铜无处不在。全球铜矿的开采周期漫长,从发现矿脉到建成投产的矿山,往往需要十年以上的时间。而AI数据中心扩张对铜的需求增长,正在以远超矿山新产能释放速度的节奏推进。这个时间尺度上的错配,将在未来数年内持续制造铜的结构性短缺,并以价格的形式传导到整个AI基础设施建设的成本结构中。
铝的情况与铜类似,但还叠加了一层地缘政治的复杂性。全球铝的生产高度集中,能源成本是铝冶炼的最大变量,而能源价格的波动,会以直接而迅速的方式传导到铝价。
镓和锗的问题,则更加结构性,也更加难以在短期内被解决。这两种金属是半导体生产的关键原料,也是AI芯片制造不可缺少的材料,而它们的全球供应高度集中在中国。在当前的大国博弈背景下,这种供应集中已经不只是一个经济上的脆弱性,而是一个随时可能被激活的地缘政治工具。中国已经对镓、锗等关键矿物实施了出口管制,这个先例一旦建立,未来进一步收紧的可能性就始终存在。
美银所说的真正瓶颈,在于"可交付性"与建设周期错配,这个判断,击中了当前AI基础设施投资叙事中最被系统性忽视的一个盲点。
资本不是问题。摩根大通估算,完整支撑本轮AI周期所需的资金规模不低于五万亿美元,这笔钱,无论是来自科技巨头的资本开支、私募股权的产业投资,还是政府的基础设施支出,在市场层面的意愿是充分的。
但意愿,无法加速物理世界的响应速度。
在这个错位被填平之前,AI的竞争优势,将越来越多地取决于谁能够在供给受限的基础设施资源中抢占更大的份额,而不只是谁拥有更好的模型。微软、谷歌、亚马逊和Meta在核电购电协议、长期电力合同和水资源使用权上的积极布局,已经清楚地说明了这些科技巨头对这场资源竞争的判断。他们在购买的,不只是能源,而是在一个稀缺资源环境下的竞争优势。
这意味着,AI竞争的边界,已经从算力和模型能力,延伸到了能源与资源基础设施的战略布局。在这个延伸了的竞争维度上,那些能够更早、更有效地锁定稀缺基础设施资源的公司,将拥有一种后来者难以追赶的结构性护城河。
五万亿美元,是美银对这场全链条基础设施升级机会规模的估算。但这个数字所对应的机会,与那些纯粹以算法和模型为核心的AI投资叙事有着根本的不同:它是关于水泥、铜线、水管和电缆的,是关于那些需要在地下挖掘、在地面铺设、在天空架设的物理基础设施的。
在一个所有人都在谈论大模型参数量和推理速度的时代,美银的这份报告提醒我们:支撑这一切运转的,是一套正在承受前所未有压力的物理世界的基础设施,而这套基础设施的瓶颈,无法用代码来解决。
这才是AI下一阶段竞争真正的战场。