施密特：AI競賽最大限制其實係資本，而唔再只係電力

呢個規模有幾誇張？

92GW大約等同要再建數十座核電廠級別嘅發電能力，而且主要用嚟支持AI運算。

但近來Schmidt開始用另一個角度去解釋問題：

即使電力問題理論上可以解決，前提都係有人願意出錢建整套基建。所以真正限制AI嘅，可能係資金而唔係能源。

佢甚至直接講過一句：

AI真正嘅限制「唔係能源……其實係現金（cash）。」

建AI基建究竟要幾多錢？

Schmidt提出過一個非常震撼嘅估算：

每1吉瓦AI數據中心算力，大約需要500億美元投資。

如果按呢個比例推算：

• 10GW AI基建：大約 5000億美元
• 100GW AI基建：接近 5萬億美元

而呢筆錢唔只係發電。

建立最前沿AI系統，通常需要整個「硬體生態系」：

• 超大型（hyperscale）數據中心
• 高端AI晶片與高速網絡
• 冷卻系統
• 發電設施與電網連接
• 土地與建築工程

換句話講，AI規模愈大，愈似國家級基建工程，而唔再係單純軟件產業。

點解施密特認為美國同中國最有優勢

如果AI真係要動員數萬億美元投資，Schmidt認為全球真正有能力競爭嘅參與者其實唔多。

佢特別提到兩個：美國同中國。

美國模式：市場與科技巨頭

美國優勢來自幾個因素：

• 擁有大型雲端公司（如 hyperscalers）
• 領先嘅AI研究實驗室
• 深厚嘅風投與資本市場
• 大規模數據中心營運商

呢種生態系統可以同時動員私人資本＋政府政策支持，較容易籌集巨額投資。

中國模式：國家主導投資

中國嘅模式就唔同。

政府可以透過產業政策去集中調動資金、基建同部署AI，令大型項目更容易以國家級規模推進。

結果就形成兩種不同模式：

• 美國：市場與企業主導
• 中國：政府協調與產業政策

但兩者都有能力動員巨大資本。

為何歐洲被視為可能落後

相比之下，Schmidt對歐洲嘅前景比較悲觀。

佢曾公開表示：歐洲其實冇一個清晰嘅AI戰略。

如果歐洲唔願意大規模投資自己嘅模型與算力，最終可能會依賴中國AI模型。

在他看來，問題不只係人才或監管，而係結構性因素，例如：

• 資本市場較分散
• 缺乏大型雲端科技巨頭
• 部分地區能源成本較高
• 基建建設速度較慢

當AI變成「萬億級產業」，呢啲差距就會放大。

「電力」與「資本」其實係同一個問題

Schmidt最新嘅「資本瓶頸」理論，其實並冇否定電力問題。

AI確實需要非常龐大嘅電力供應。

但要解決電力限制，就必須建：

• 新電廠
• 大型數據中心園區
• 電網基建

而真正困難嘅可能係誰能出到錢去建呢一切。

換句話講，AI競賽未來可能唔只係比：

• 演算法
• 模型能力
• 晶片性能

而係比邊個可以最快動員資金、能源同基建。

AI競賽正變成一場基建戰

如果呢啲預測成真，AI發展模式可能會愈來愈似歷史上嘅大型產業競賽，例如：

• 鐵路建設
• 電信網絡
• 太空計劃

成功關鍵將唔只係科技突破，而係能否協調整個產業鏈：

• 資本市場
• 能源系統
• 半導體供應
• 工程與建設

從施密特嘅角度睇，未來AI領導地位可能會由一個問題決定：

邊個可以最快、最大規模地建立起AI所需要嘅實體基建。