AI的尽头是什么？是房地产。

如果说两年前还有人质疑这个说法，那么两年后的今天，数据中心建在哪里？怎么建？已经成为头部AI企业们最头疼的问题。11月6日至7日，由“停止肮脏数据中心”联盟发起的抗议席卷欧洲，欧洲多个国家都有大量民众走上街头抗议AI数据中心的建设，谷歌欧洲总部所在地都柏林，数千人走上街头，游行至爱尔兰议会大厦进行抗议。

图源：Unsplash License

至于美国，大家最近估计也看到不少新闻，多个关键州已经放出消息称将暂停审批数据中心的建设请求，在建的也有不少被叫停，等待进一步的评估报告和意见征集。

据研究机构Cleanview的报告显示，全美约41%的规划数据中心产能（达159吉瓦）正好位于现任或新当选州长支持“暂停建设”的州内，Ballotpedia统计的10个州41项相关投票提案，也几乎一面倒地支持限制或禁建数据中心。

这下有再多的算力卡也没用了，都等着在仓库里吃灰吧。

电费上涨、供水吃紧，数据中心落地难

AI巨头们此前一直以来的“算力焦虑”，现在直接变成了“算力清零”。

别说以后够不够用的“烦恼”了，在建和待建的数据中心按现在的情形来看，估计都得停下来，考虑到下一代模型在参数量上的增长，算力不足直接从焦虑的未来变成了现实。

估计不少读者看到这里都有个疑惑：为什么要反对建造数据中心？这玩意不是可以增加当地就业，带来更多的资金和机会吗？

这就是典型的“中国思维”了，因为我们觉得发展是好事，是因为发展带来的负面影响远小于正面影响。就拿电费来说，中国的算力规模从2025年6月的788EFLOPS，到2026年9月的2592EFLOPS，增长约229%，但居民用电的成本基本没变，你的生活并没有因此受到多少影响。

但美国人就不一样了，因为他们的供电商业化程度更高，所以电力企业会根据供需变化动态调整电费，在数据中心集中的马里兰、弗吉尼亚和俄亥俄州，当地居民的生活成本支出都因为数据中心的运行而受到明显影响。

图源：Unsplash License

除了居民用电受影响，部分区域的工业用电价格涨幅更是超过25%，有一个制造商在路透社的采访中直言自己在过去一年里电费开支上涨90%，单月容量费从1600美元涨到了12000美元。

工业用电成本上涨推高了当地工业品的价格，导致竞争力下降，不少工厂被迫关停，转而又影响到当地就业，而数据中心所需要的高技术人才又与这些产线工人没有关系。

而且不只是电费，数据中心对水资源的消耗也不少，俄勒冈州的达尔斯市就建有一座谷歌的数据中心，这座建筑消耗了全市约三分之一的供水，同样引起了当地居民的抗议，并且不少人都对水费上涨的未来感到担忧。

如果说，建一座数据中心，你的生活成本要因此上涨10%以上，同时你的工作还会受到影响，那么你的看法会是什么？这时候就别说什么为了“星辰与大海”了，在当地居民眼里，自己如果不反对，那么自己的未来现在就没了。

图源：Unsplash License

欧洲那边也是类似的情况，环保、用水、用电等问题，让当地居民反对数据中心建设，看法反正就一个：你建哪里不关我事，反正不能建在我身边。另外，小雷在外网还看到一篇报道，说的是数据中心因为没有足够的供电，所以自建发电系统，而这套系统的发电核心是一台航空衍生型燃气轮机。

估计很多人不知道，航空衍生型燃气轮机本身也是高效的发电装置，以前没人折腾一是因为成本较高，二是噪音太大。但对于AI大厂来说，算力才是最紧要的，在算力面前这些都能让步，只不过苦了当地居民，得忍受发动机的噪音和污染。

所以，不是美国人不愿意拥抱AI，而是很少有国家像中国这样，有足够的电力资源去承接庞大的算力扩容需求，同时还可以确保当地的居民生活不会受到影响。

大模型踩刹车，手机和PC有望降价？

随着欧美地区的反数据中心浪潮愈演愈烈，就需要考虑下一个问题：对我们来说有什么影响？

啥玩意？这玩意还能影响到我们？没错，而且影响可能比预想的更大。首先自然是半导体行业，如果接下来各地的数据中心建造计划真的因此暂停或取消，那么AI巨头们肯定会暂缓甚至终止部分算力芯片的采购订单。

那么随之而来的就是内存等算力芯片核心零部件的供应，会从紧缺逐渐回归到正常状态，虽然反馈到终端的时间不会很快，但至少让我们有望在2027年看到价格正常的手机和PC产品重新回到视线中。

而另一个影响，可能就是AI模型的发展刹车，我们现在已经习惯了AI模型每隔一两个月就会有一波更新，但这些模型更新的背后都需要庞大的算力资源来支持，一旦未来的算力预期不足，那么AI巨头们可能会降低训练算力的占比，让有限的算力更好地服务现有用户。

图源：美国NERSC高性能计算中心

比如最近半年，每当谷歌的Gemini出现明显降智行为，就会有不少人猜测下一代模型快出来了，理由是谷歌将大量算力调去参与模型训练和测试，这基本上意味着模型训练已经进入最终阶段。

而AI模型的发展刹车，有大概率会影响到AI巨头们的估值以及市值，像打算进行IPO的Anthropic，近期就有传闻称可能暂缓上市，因为财报和前景预期都不乐观。但如果连Anthropic都受到如此影响，那么其它AI企业的融资和IPO计划只会被更严苛的审视。

一旦AI行业进入短期内无法上市的预期，那么很可能会导致一批投资机构采取更保守的投资策略，那么AI行业如今高歌猛进的势头怕是就要戛然而止了。当然，以上主要还是说的OpenAI和Anthropic，国内的AI巨头的处境与他们有很大不同，一方面是算力部署成本更低，另一方面是发展策略更加保守。

正是这种截然不同的处境，让欧美这场声势浩大的“反数据中心浪潮”，意外成了中国AI产业和云服务厂商弯道超车的“神助攻”。

廉价算力成“版本答案”

按照Wood Mackenzie的报告，在中国建造AI数据中心的单吉瓦成本是55到65亿美元，而在美国则是80到120亿美元，而100MW级项目的交付周期，则是12个月（中国）vs36个月以上（美国）。

而且这还是数据中心本身的建设周期，如果想成功并网用电，还要等个几年。按高盛的报告，美国发电及储能项目从申请并网到商业运营的等待时间中位数是5年。说真的，就以AI目前的发展速度来看，5年后才来的算力，真的能用“黄花菜都凉了”来形容。这也是为什么AI巨头不惜买航空衍生型燃气轮机来发电，也要先把数据中心运行起来。

当硅谷巨头们因为缺电、缺水、缺地，被迫在算力扩张上踩下急刹车时，中国AI大厂和云服务商手里的算力，那可就更香了。

对于绝大多数非实时推理、视频生成、数据清洗以及后台Agent（智能体）任务来说，跨国光缆带来的几十毫秒延迟根本不影响体验，但Token的价格却决定了企业的生死。

而依托中国西部每度仅0.35元（约0.05美元，不到欧美热点地区三分之一）的廉价绿电，以及阿里云、华为云极低折旧成本的超算集群，国产大模型的推理成本具备碾压级的优势。

数据是不会说谎，根据全球最大AI模型API聚合平台OpenRouter的统计显示，今年中国大模型的周Token调用量早已突破4万亿大关，在该平台上超越美国厂商成为第一。小雷估计这与多数人的观念是冲突的，毕竟美国拥有世界上最强的AI，按理来说调用应该也是最高的。

但事实是，用户不仅看AI模型的性能，还看成本，对于大多数的日常任务来说，完全用不上GPT-6的推理强度， DeepSeek V4.1 Flash就完全够用。我知道，肯定有人要说GPT-6 Luna的Token价格比 DeepSeek 还便宜，对，但真要用过Luna的话，你就会知道这玩意在Agent方面的能力实在是差。

当美国企业的Token成本因为算力不足而涨价时，这样的差别只会变得更加明显，进而让中国AI模型在全球AI市场的占比变得更大。

图源：

此外，就像前面说的，AI模型的发展可能会受限于算力，在过去两年，OpenAI、谷歌等AI巨头的模型升级计划其实很简单：不管模型架构够不够精简，先砸几百亿美元把十万卡、百万卡集群堆起来，靠算力规模强行大力出奇迹。

但是，当算力不足成为即将到来的现实时，这套方案就很难继续维持了，不管是OpenAI还是Anthropic，都会被迫寻找更高效的模型架构和训练模式，而这恰好是 DeepSeek 、阿里 千问 为代表的中国AI厂商们最擅长的。

因为从第一天起，国内团队就被迫在算力受限的环境下钻研MoE（混合专家）架构、量化压缩和软硬协同，为了在“每瓦特性能”和训练性价比上做到极致， DeepSeek 真的是“无所不用其极”。

此消彼长之下，中国AI模型可以说有了最好的竞争机会。

AI竞争，打的不只是性能

说到底，这场席卷欧美的反数据中心浪潮，算是彻底终结了此前AI行业“唯算力卡论”的争议。

过去大家总觉得，谁能买到最多的顶级算力卡，谁就能统治AI时代。但现实却不是这样的，顶级算力卡固然重要，但是当你的最终目标是让AI成为像水电一样的基础资源时，成本、稳定性和可持续性却会成为更重要的评估因素。

就像美国的AI巨头一样，当你的数据中心建不起来，建起来也缺电缺水时，再多、再强的算力卡，也只能老老实实躺在仓库里吃灰。反观国内，稳定的电力供应、充沛的电力基建，加上被逼出来的极致架构与低廉Token成本，反而成了最有可能构建出AI社会的基础。

话说回来，要是欧美机房这波停工潮真能把内存和硬件价格打下来，明年的PC和手机市场估计又能热闹起来了。大家觉得，算力受限后的硅谷巨头，还能保住自己在AI领域的领先地位吗？欢迎在评论区聊聊。