.@romeovdean 和我写了一篇博客文章，以便让我们自己了解 AI 的建设情况。我们对学到的一些事情感到惊讶： 1. 存在巨大的半导体资本支出（CapEx）滞后 - 在 2025 年，Nvidia 可以用一年的收益覆盖 TSMC 过去三年的全部 CapEx。在 2025 年，NVIDIA 将把 60 亿美元的折旧 TSMC CapEx 价值转化为 2000 亿美元的收入。 在供应链的上游，NVIDIA 一年的收入几乎与过去 25 年五大半导体设备公司（包括 ASML、应用材料和东京电子）的总研发和资本支出相匹配。 如果 AI 需求持续增长，更不用说扩大，那么就有足够的资金来建设更多的半导体厂。 2. 我们预测了到 2040 年的两种不同情景：爆炸性增长和 AI 冬天。在爆炸性增长的情景中（这将导致到 2030 年每年 2 万亿美元的 AI CapEx），@sama 的愿景在 2036 年实现，即领先公司每周 1 GW。但在那个世界中，全球 AI 电力消耗将是美国当前电力生产的两倍。 3. 在过去的二十年中，数据中心建设基本上占用了美国去工业化后剩余的电力基础设施。为了使 AI CapEx 继续沿着当前轨迹增长，供应链上游的每个人（从制造铜线到涡轮机、变压器和开关设备的人）都需要扩大生产能力。 关键问题是，这些公司对其工厂有 10-30 年的折旧周期（与芯片的 3 年相比）。考虑到它们通常的低利润率，它们需要数十年的稳定利润，而它们之前也曾因泡沫而受到损失。 如果不仅仅是半导体厂，还有其他数据中心组件存在财务滞后，超大规模公司是否可以简单地支付更高的利润率来加速产能扩张？尤其是考虑到芯片占数据中心成本的 60% 以上。 我们对燃气涡轮制造商做了一些粗略的计算，这似乎表明超大规模公司可以支付相对较小的总数据中心成本份额来扩展其产能。正如 @tylercowen 所说，不要低估供应的弹性。 4. 我们认为，中国在长期时间线的 AI 领域可能会领先（即没有 2028 年的软件奇点）。每三年，芯片贬值，竞争重新开始。一旦中国赶上领先的工艺节点，AI 就会在整个供应链中变成一场巨大的工业竞赛。这似乎也有助于中国的差异化优势。 5. 交货时间是决定你使用哪种能源来为数据中心供电的主要考虑因素，无论你是否将数据中心接入电网，以及你如何设计数据中心。这是因为每个月外壳未搭建好，就是一个月芯片（占你成本的绝大部分）未被使用。 所以你可以理解，为什么天然气比当前的核反应堆更受欢迎。核能的运营成本极低，但交货时间极长且资本支出高。天然气可能不是可再生的，但你可以在数据中心旁边设置几十台燃气涡轮机，尽快让你的芯片运转。 太阳能和风能的建设交货时间也很短，你可以用电池平滑它们的电力。但你必须雇佣成千上万的人来布置一个曼哈顿大小的太阳能农场，以可靠地为一个 1 GW 的数据中心供电。 完整博客文章中还有更多内容。链接如下。