施密特：AI真正的瓶颈或许不是电力，而是资金

这个规模非常惊人。90多吉瓦电力大致相当于建设几十座大型核电站，或者一整套新的能源体系，主要用于数据中心运行。

但在最近的讨论中，他给出了新的解释：

AI真正的限制可能不是能源，而是资金。

施密特的意思并不是电力问题消失了，而是解决电力问题本身需要巨额投资。因此，最终决定AI扩张速度的，是谁能为这些基础设施买单。

建设AI基础设施究竟有多贵

施密特引用过一个引人注目的估算：

每1吉瓦AI数据中心算力容量，大约需要500亿美元投资。

按这个数字推算：

• 10吉瓦AI算力基础设施：约5000亿美元
• 100吉瓦规模：接近5万亿美元总投资

这些费用不仅是电厂建设，还包括整套AI基础设施：

• 超大规模数据中心
• 高端AI芯片与高速网络
• 冷却系统
• 发电设施与电网连接
• 土地、建筑与运营设施

也就是说，扩展前沿AI模型的成本，越来越像建设铁路、电网或航天工程这样的国家级工业项目，而不是传统的软件创业。

为什么美国和中国更有优势

如果AI基础设施真的需要数万亿美元投资，那么能够参与竞争的主体将非常有限。

施密特认为，美国和中国是最有可能承担这一规模建设的两大阵营。

美国的优势在于：

• 大型云计算公司（如微软、亚马逊、谷歌等）
• 世界领先的AI研究机构和企业
• 深厚的风险投资和资本市场
• 成熟的数据中心运营体系

这些因素让美国既能依靠私人资本，也能在必要时获得政府支持，从而快速动员巨额投资。

中国则拥有另一种模式：国家主导的产业政策。政府可以协调融资、能源建设、基础设施开发和AI部署，以国家规模推进技术发展。

虽然路径不同，但两种体系都具备一个关键能力：在短时间内集中巨额资本投入AI基础设施。

为什么欧洲可能面临压力

相比之下，施密特对欧洲的前景更为担忧。

他曾直言，欧洲目前缺乏统一的AI战略。如果不投入巨额资金建设自己的模型和算力基础设施，未来可能会被迫依赖外国技术。

他甚至警告：如果欧洲不愿为自己的AI模型投入大量资金，最终可能会使用中国的模型体系。

在施密特看来，问题不仅是监管或人才，而是结构性因素：

• 资本市场分散
• 本土超大规模云厂商较少
• 部分地区能源成本较高
• 基础设施建设速度较慢

这些因素都可能限制欧洲筹集数万亿美元级AI投资的能力。

电力问题并没有消失

施密特的新说法并不否认能源问题。

AI系统规模越大，对电力需求就越高。未来的数据中心可能需要数十吉瓦甚至更高的电力供应。

但他的核心观点是：

电力问题本身可以通过建设新的能源基础设施解决，而真正的挑战是为这些项目筹集资金。

换句话说，电力是物理限制，而资本是解决这一限制的前提。

一场新的“工业级AI竞赛”

如果这些预测成立，未来的AI竞争可能更像历史上的大型基础设施竞赛，例如铁路建设、通信网络或太空计划。

成功将取决于能否协调多个系统：

• 资本市场
• 能源生产
• 半导体供应链
• 数据中心建设
• 政策审批与土地资源

在这个框架下，AI竞赛不仅是算法或模型的竞争，更是谁能最快动员工业能力和资金规模的较量。

施密特的结论很直接：未来AI领先者，可能是那些能够承担并建设这条“数万亿美元算力基础设施”的国家或企业。