全球人工智能数据中心争夺战：是否存在巨大的泡沫？人工智能巨头们严守的真实利用率究竟如何？

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

Available in 27 languages 📢

在 Google 上更倾向于选择 Xpert.Digital。ⓘ

发布日期：2026年9月1日 / 更新日期：2026年9月1日 – 作者： Konrad Wolfenstein

全球人工智能数据中心争夺战：是否存在巨大的泡沫？人工智能巨头们严守的真实利用率究竟如何？

全球人工智能数据中心争夺战：泡沫是否正在逼近？人工智能巨头们严守的真实利用率究竟如何？——Xpert.Digital 为您带来一幅创意十足的人工智能专题图片。

美国的超级工厂与中国的秘密芯片：人工智能权力的新地缘政治竞赛

租用而非自建：人工智能领域的秘密赢家 Anthropic 为什么不拥有自己的数据中心

到2026年，人工智能的决定性战场将发生翻天覆地的变化。竞争不再仅仅局限于哪种语言模型能够生成最智能的文本、设计最具创意的图像或编写出最无错的代码。真正激烈的竞争如今发生在现实世界：巨型数据中心、稀缺的电力资源以及数万亿美元的基础设施投资。微软、谷歌和Meta等科技巨头，以及新兴的中国企业，目前正投入巨资建设所谓的“人工智能超级工厂”。全球投资总额如今已超过部分国家的经济产出。然而，在这场前所未有的资源争夺战背后，严重的结构性问题正在浮现。像Anthropic这样的初创公司被迫依赖灵活的租赁模式，而全球范围内却出现了严重的瓶颈，其根源并非在于备受瞩目的人工智能芯片，而在于电力供应、飙升的冷却成本以及网络连接的匮乏等看似平凡的问题。在这场中美之间的巅峰对决中，由于严格的监管和资本短缺，欧洲面临着彻底落后的风险。然而，最紧迫的问题是：未来全球经济不可或缺的物质基础是否正在这里构建？还是说，我们眼前正在酝酿着十年来规模最大、成本最高的投资泡沫？

与此相关：

值得了解：人工智能数据中心还是传统数据中心——当数字基础设施变成高能耗的人工智能工厂

当计算能力比模型本身更重要时

任何关注2026年夏季人工智能相关新闻的人都会很快意识到，真正的竞争格局早已发生转变。市场力量不再仅仅取决于哪种语言模型能够给出最智能的答案，而是取决于计算能力、电力和冷却能力等物理资源的可用性。OpenAI、Anthropic、谷歌、xAI、Meta以及越来越多的中国供应商（如阿里巴巴、DeepSeek、Moonshot和Z.ai）发布的公告，如今读起来与其说是产品发布会，不如说是重工业的建设报告。千兆瓦级的功率、变压器的交付时间和并网应用，已成为衡量人工智能竞赛的真正标准，而模型本身，无论多么强大，都越来越像是建立在稀缺且昂贵的物理基础之上的可互换软件。这种转变具有重要的经济意义，因为它正在重塑整个科技行业的权力平衡，并以几年前难以想象的规模攫取资本。.

为什么容量不能再用单位来衡量了

任何对该领域进行严肃分析的人都会面临一个核心的方法论问题。任何试图确定每个供应商或模型“AI数据中心”数量的尝试都会很快遇到一个限制，即使是像Epoch AI或AI数据中心指数这样的专业市场观察机构也无法解决这个问题。原因在于基础设施本身的性质。单个数据中心园区通常同时服务于多种用途，例如，既承载一个模型的训练负载，又承载另一个模型的推理负载；它可能由超大规模数据中心运营商运营，但部分资源又租赁给竞争对手；并且其资源分配会随着新合同的签订而改变。例如，Anthropic几乎没有自己的训练园区，而是通过其专有的Trainium芯片从亚马逊租赁容量，通过千兆瓦级的TPU承诺从谷歌租赁容量，从微软租赁容量，从CoreWeave、Fluidstack和Nscale等专业新云提供商租赁容量，甚至从其直接竞争对手xAI租赁容量——xAI位于孟菲斯的Colossus集群同时为多个客户分配容量。由于Anthropic的商业模式基于租赁而非所有权，因此根本无法可靠地得知该公司运营着多少自有数据中心。这种信息不透明的情况几乎在整个行业普遍存在，这也表明，可靠的数据必须基于兆瓦和吉瓦级别的数字、具体位置以及合同约定，而不是所谓的精确数字。.

基础设施投资的万亿美元规模

传统的企业财务分类已难以涵盖流入该领域的投资规模。市场观察人士预计，到2026年，主要超大规模数据中心运营商的累计投资额将达到6300亿美元至8300亿美元。尽管具体数字因计算方法而异，但所有预测都传达了一个共同的信息：与上一年相比，这一数字增长了约60%。高盛预测，2026年至2031年期间的累计支出将达到约7.6万亿美元，而麦肯锡此前曾预测，到2030年，仅人工智能数据中心一项的投资需求就将达到约5.2万亿美元。这些金额超过了中等工业化国家的经济产出，并引发了一个根本性的问题：人工智能服务的预期回报是否足以支撑如此巨大的资本投入？亚马逊计划今年投资约2200亿美元用于资本支出，Alphabet的投资额在1800亿至2000亿美元之间，微软约为1750亿至1900亿美元，Meta的投资额在1250亿至1450亿美元之间。加上投资额约为500亿至560亿美元的甲骨文，这五家公司实际上正在为人工智能革命的全球基础设施建设提供资金，而像OpenAI和Anthropic这样的小型供应商则仍然依赖于自身的基础设施或专业服务商。.

美国的超级工厂：一种地缘政治宣言

这波投资浪潮的实际影响在美国最为显著。OpenAI、Oracle 和软银联合发起的 Stargate 项目正在构建一个数据中心网络。该项目最初宣布的 10 吉瓦容量和 5000 亿美元的投资规模，在实际操作中远比这复杂得多。位于德克萨斯州阿比林的数据中心现已投入运营，而密歇根州、威斯康星州、俄亥俄州和新墨西哥州的其他数据中心正在建设或规划中。据追踪机构估计，目前美国实际规划的数据中心容量约为个位数吉瓦，远低于最初的预期。与此同时，微软于 2026 年 6 月在其位于威斯康星州费尔沃特的园区推出了基于 GB200 架构的单一超级计算机集群，这凸显了微软独立于与 OpenAI 等特定客户关系之外的战略。xAI 则在孟菲斯和绍斯黑文建造了 Colossus 数据中心，总容量约为 1 吉瓦，并为此建造了多栋建筑。该公司并非仅将该设施用于自身的 Grok 训练运行，而是将其计算能力租赁给 Anthropic 和 Google 等竞争对手——这一事实揭示了即使在看似竞争对手的实验室之间，也存在着密切的经济相互依存关系。2026 年 7 月，Meta 将其位于路易斯安那州的 Hyperion 项目的计划产能提高至 5 吉瓦，投资额超过 500 亿美元，尽管第一阶段的扩建预计最早也要到 2028 年才能真正投入使用。这种时间滞后在整个行业都很常见，相关公告通常会在实际投产前数年发布，投资者实际上是在依赖未来产能的承诺。.

中国通过国产芯片走平行道路

尽管美国的发展严重依赖英伟达的硬件，但中国却采取了截然不同的道路。最初，这是迫于美国的出口限制，但后来逐渐演变为一项独立的产业政策战略。据彭博社报道，智普科技（Z.ai，前身为智普科技）于2026年7月部分启动了一个1吉瓦的数据中心园区，该园区完全使用国产芯片，但具体位置尚未公开。该公司声称，该园区内训练的GLM-5.3-Flash模型将在超过10万颗国产芯片上运行进行推理，但这一数字尚未得到独立验证。DeepSeek于2026年7月宣布计划在内蒙古乌兰察布建设自己的1吉瓦数据中心，预计将于2027年底或2028年初部分投入运营，这凸显了其在数据中心建设方面落后于美国项目。 Kimi模型背后的公司Moonshot AI采取了更为务实的做法，于2026年夏季与阿里云签署了一份租赁协议，租用约2万颗英伟达图形处理器。这表明，即使是中国供应商，即便面临政治紧张局势，只要能找到合法或物流方面的变通办法，也能继续获取西方硬件。有调查报道称，Moonshot通过东南亚第三国（尤其是泰国）获得了最新一代英伟达Blackwell芯片，但这些说法尚未得到证实，缺乏可靠的供应链证据或相关公司的官方声明支持。阿里巴巴目前在全球32个地区运营着105个可用区，并已承诺投入530亿美元用于扩展其云基础设施。乌兰察布超级计算中心是阿里巴巴旗下五个超级数据中心之一，既用于支持其自身的Qwen模型，也用于支持像Moonshot这样的外部客户。这种规模的一个更具体的例子是位于乌兰察布的凌君振武M890超级节点，该节点于2026年8月正式商用。其底层HPN 8.0架构将每个节点的互连GPU数量从16个提升至64个，带宽高达800GB/s，理论上可支持多达13万个异构GPU的集群，并有可能扩展到包含数百万张地图的网状网络。这使得该设施能够训练和推理参数高达十万亿的模型。另一方面，中国竞争对手Z.ai在其千兆级园区内完全依赖华为、寒武纪和Moore Threads等国产加速器，该园区自2026年7月起部分投入运营。这是因为该公司自2025年初以来一直被列入美国出口管制名单，因此完全无法获得英伟达的硬件。据报道，该设施的每个集群都包含超过1万个芯片。然而，DeepSeek 在其计划建设的乌兰察布数据中心的芯片组合方面仍未做出决定，且这一决定在政治上引发争议。此前，一位美国政府代表在2026年2月声称，该公司在其位于内蒙古的设施中非法使用了英伟达的Blackwell芯片——DeepSeek否认了这一指控，且该指控也无法得到独立证实。英伟达首席执行官黄仁勋曾粗略估计，一座配备最先进加速技术的千兆级数据中心的成本约为500亿美元，但这只是一个大致的估算，并未基于DeepSeek自身确认的具体投资金额。从各模型的API价格可以间接看出中国基础设施的相对成本效益：Z.ai的GLM 4.7 Flash（每百万输入代币约0.06美元）和DeepSeek V4 Flash（约0.09美元）是市场上最便宜的产品之一，而Moonshot的Kimi K2.7代码（约0.74美元）则贵得多。这部分原因在于Moonshot依赖租赁的Nvidia GPU，因为Moonshot本身并没有已知的任何大规模自建设施，而是根据其自身声明，从阿里云租赁了约2万块GPU。.

欧洲试图保持独立立场

欧盟在全球人工智能竞赛中处于结构性劣势，这既源于其国内科技公司资本实力较弱，也源于其监管方面的明显不情愿。法国公司Mistral AI目前在巴黎附近运营着一个数据中心，其在瑞典的第二个数据中心正在建设中，目标是到2027年达到200兆瓦的产能，到2030年达到1吉瓦。值得注意的是，2026年7月，微软签署了一份多年租赁协议，租用了Mistral在欧洲的部分产能。虽然具体金额尚未披露，但路透社报道称金额高达数百亿欧元。这笔交易揭示了欧洲在人工智能领域主权主张上的局限性，因为这家本应属于欧洲的人工智能基础设施的关键租户竟然是美国科技巨头微软，而微软的图形处理器目前仍主要在美国生产。为了应对这种结构性依赖，欧盟委员会于2026年7月启动了一项计划，旨在建立七个所谓的“人工智能超级工厂”，并为此拨出约300亿欧元的公共和私人资金。然而，该项目目前仍处于组建联盟阶段，尚未建成任何运营设施。与此同时，欧洲新建数据中心的监管环境日益严格，西班牙就是一个例证。该国于2026年8月提出了一项法律草案，要求容量超过1兆瓦的新建设施必须证明其每小时至少能额外产生80%的可再生电力。这些要求显著提高了欧盟内部的选址成本，并可能导致全球人工智能训练能力的永久性地转移到欧洲大陆以外。.

借助“托管人工智能”（人工智能）实现数字化转型的新维度——平台及B2B解决方案 | Xpert咨询

“托管式人工智能”开启数字化转型新篇章——平台及B2B解决方案 | Xpert Consulting - 图片来源：Xpert.Digital

在这里，您将了解到您的公司如何快速、安全地实施定制化的人工智能解决方案，且无需承担过高的准入门槛。.

托管式人工智能平台是您实现人工智能的全方位、无忧解决方案。您无需处理复杂的技术、昂贵的基础设施和漫长的开发流程，即可从专业合作伙伴处获得根据您的需求量身定制的现成解决方案——通常只需几天时间。.

主要优势一览：

⚡ 快速实施：从构思到可立即使用的应用，只需几天而非几个月。我们提供切实可行的解决方案，创造即时附加值。.

🔒 最高数据安全保障：您的敏感数据始终由您掌控。我们保证安全合规地处理您的数据，绝不与任何第三方共享。.

💸 无财务风险：您只需为结果付费。完全无需前期投入大量资金用于硬件、软件或人员。.

🎯 专注于您的核心业务：集中精力做好您最擅长的事情。我们将负责您人工智能解决方案的全部技术实施、运营和维护。.

📈面向未来且可扩展：您的AI将与您一同成长。我们确保持续优化和可扩展性，并灵活调整模型以适应新的需求。.

更多信息请点击这里：

托管式人工智能解决方案——工业人工智能服务：服务业、工业和机械工程领域保持竞争力的关键

数十亿美元的投资与产能过剩：人工智能基础设施的新现实

电力才是这十年真正的瓶颈。

那些将围绕人工智能基础设施的公共辩论仅仅局限于图形处理器（GPU）的人，误解了该行业的真实动态。众多专家和分析人士指出，决定性的制约因素并非芯片的供应，而是电力供应及相关电网基础设施。2026年6月，美国联邦能源监管委员会（FERC）发布指令，旨在加快所谓“大负荷”并网——这直接承认了现有的并网审批流程已无法满足数据中心运营商的扩张计划。与此同时，2026年7月，白宫扩大了“用户保护承诺”（Ratepayer Protection Pledge）的适用范围。该承诺是数据中心运营商的一项政治承诺，即不将设施产生的额外电网成本转嫁给居民用电用户。这项政策措施的出台，直接回应了公众对数据中心密集地区电价上涨日益增长的抵制，也表明人工智能基础设施的扩张早已成为一个政治敏感议题。 xAI的例子说明了在计算能力竞赛中，时间压力已经变得多么巨大。该公司曾暂时依靠位于孟菲斯的移动式燃气轮机来保障其设施的电力供应，而无需等待常规电网连接。彭博新能源财经（BloombergNEF）的分析师估计，目前全球在建数据中心的容量已超过23吉瓦，而仅最大的运营商在2026年的投资额就将接近7500亿美元。这些数据清楚地表明，未来几年真正的瓶颈不在于半导体行业，而在于能源行业及其相关的审批流程，包括变压器和其他关键电网组件的交付时间，这些交付时间现在可能长达数年。.

与此相关：

当数字需求导致电力短缺：数据中心如何将弗吉尼亚州的能源供应推向崩溃边缘

迟了16年：人工智能带来的令人担忧的铜问题

围绕该容量实际用途的谜团依然存在

这场辩论中一个常被忽视的层面是实际利用率与标称连接负荷之间的关系。公开报告中流传的千兆瓦数据通常描述的是站点的最大装机容量，但很少提及其中有多少容量实际用于高效的训练或推理运行，又有多少容量因备用或技术瓶颈而闲置。这种区别具有重要的经济意义，因为它直接影响这些数十亿美元项目的实际投资回报。一个数据中心如果名义上拥有1吉瓦的连接负荷，但由于冷却问题、软件优化或需求不足等原因，实际利用率仅为60%或70%，那么其投资回报自然会远低于投资者报告中所宣称的水平。由于运营商出于竞争原因不会披露此类信息，因此，关于单个站点实际利用率的可靠且经过独立验证的数据几乎不存在。这种缺乏透明度不仅使外部难以评估投资决策，而且还加剧了一些市场观察人士日益增长的怀疑态度，他们认为当前的资本流动存在投机性过度反应的迹象，类似于 2000 年代初电信行业基础设施投资过度的早期阶段。.

Anthropic 是轻资产模式的一个典型例子

要理解该行业的经济逻辑，Anthropic 的案例尤为具有启发意义。该公司的商业模式刻意依赖于最小的物理所有权和最大的合同灵活性。2026 年 8 月，Anthropic 与英国新云服务提供商 Nscale 签署了一份位于西弗吉尼亚州的 460 兆瓦容量合同。据彭博社报道，该合同总价值预计将在六年内达到约 450 亿美元。与此同时，Anthropic 还与亚马逊、谷歌（其自主研发的 Trainium 芯片正日益成为英伟达硬件的替代方案）、Fluidstack 等其他专业提供商，甚至与其竞争对手 xAI（其 Colossus 数据中心可同时向多个客户出租容量）等公司保持着并行的容量协议。这种策略使Anthropic无需像Meta或OpenAI那样投入巨额前期资金即可实现增长，但同时也将重大风险转移给了租赁方，并使公司在结构上依赖于第三方的谈判能力和产能决策。从经济角度来看，这种做法相当于押注长期租赁计算能力的成本增长速度不会超过公司自身收入的增长速度——考虑到目前高性能芯片和电力产能的短缺，这一假设远非理所当然。.

最重要的AI数据中心规模概览

尽管如上所述，目前尚无法确定每个模型提供商的AI数据中心的确切数量，但对于规模最大的集群，其性能、投资额和芯片库存量等方面的可靠估算值已经存在。这些估算值由Epoch AI和AI数据中心指数等专业追踪机构以及公司数据和监管文件记录。以下概述总结了最重要的数据中心规模，并始终区分当前运营容量和预计最终容量。.

操作员/型号	中央工厂	当前表现	计划最终产能	芯片数量（大约）	投资额
Google / Gemini，Gemma	在26个国家/地区追踪了44个地点	总跟踪容量约 9.0 吉瓦，其中约 75% 已投入运营。	它仍在持续增长；目前尚未给出明确的结束日期。	其中以TPU为主，仅Anthropic的交易就涉及约100万个Ironwood TPU。	每个地点的单独投资额通常在 120 亿至 170 亿美元之间，例如，谷歌新奥尔巴尼的投资额约为 172 亿美元。
xAI / Grok	巨像 1-3，孟菲斯和南黑文	IT 容量约为 1.0 至 1.4 GW，具体数字因来源而异。	目标装机容量约为 2 吉瓦	根据统计日期不同，GPU数量在55.5万到102万之间，主要为Nvidia GB200/GB300。	仅硬件一项就需要大约 180 亿至 380 亿美元；据 Epoch 称，总资本成本目前为 358 亿美元，预计将达到 580 亿美元。
OpenAI/GPT 系列（星际之门）	阿比林（德克萨斯州）和美国其他七八个地点，以及阿联酋	旗舰电站阿比林目前运营装机容量约为 1.2 吉瓦，另有约 7 吉瓦的装机容量正在规划或建设中。	原计划的标称目标是10吉瓦，但到2020年代末，实际装机容量可能更接近7吉瓦。	没有公开的芯片总数；各个地点拥有数十万个 H100 芯片。	四年内名义承诺投入 5000 亿美元，加上 3000 亿美元的 Oracle 云合同，名义承诺总额超过 1.4 万亿美元。
元/羊驼	Hyperion（路易斯安那州），Prometheus（俄亥俄州）	Hyperion 目前仍在建设中，尚未完全投入运营，Prometheus 计划于 2026 年上线。	Hyperion火箭预计到2030/2032年装机容量为5吉瓦，中期阶段预计到2027年底装机容量为1.5吉瓦。	预计到 2028 年 Hyperion 将拥有约 425 万个 H100 等效组件，目标映像中将包含超过 130 万个 GPU。	Hyperion 项目的成本从最初的 100 亿美元上升到超过 500 亿美元，其他一些估算甚至高达 2000 亿美元，其中包括能源基础设施。
人本主义/克劳德	没有自己的校园，在谷歌（TPU）、亚马逊、Nscale、xAI 等公司都有资源。.	2026 年已承诺新增约 1 吉瓦 TPU 发电容量，从 2027 年开始将扩建至 3.5 至 5 吉瓦。	根据谷歌的协议，从2026年4月起，TPU产能最高可达5GW。	最多可达 100 万个 TPU（谷歌协议）	谷歌对 Anthropic 的投资高达 400 亿美元，此外，Nscale 还与谷歌签订了一份为期六年、价值约 450 亿美元的合同，用于建设 460 兆瓦的电力系统。
微软/Phi（Azure骨干网）	威斯康星州费尔沃特、亚特兰大费尔沃特及其他 Azure 地点	根据 Epoch 的数据，Fairwater Wisconsin 自 2026 年 6 月开始运营，产能约为 446,000 H100 当量。	随着 Azure 整体扩张而持续增长	每个地点数十万个GPU	仅2026年一年，集团整体资本支出就将达到约1750亿至1900亿美元。
Z.ai（GLM家族）	一个装机容量达千兆瓦的园区，具体位置未公开。	总装机容量约1吉瓦，部分项目自2026年7月起投入运营，包含多个集群，每个集群拥有超过1万个芯片。	未公布扩展阶段	全部采用中国产加速器（华为 Ascend、Cambricon、Moore Threads），不使用英伟达硬件，因为 Z.ai 自 2025 年初以来就被列入了美国实体清单。	没有官方的投资金额；间接有利的 API 价格（GLM 4.7 Flash 每百万个输入代币约 0.06 美元）可作为效率指标。
深潜	计划在内蒙古乌兰察布建立校园	仍在建设中，预计要到2027年底或2028年初才能部分投入运营。	目标容量为1吉瓦	芯片组合尚未确定，美国方面指控DeepSeek非法使用英伟达Blackwell芯片，DeepSeek对此予以否认。	虽然没有确切数字，但据英伟达首席执行官称，业内普遍认为，顶级硬件每吉瓦的成本约为 500 亿美元。
阿里巴巴/Qwen（包括Kimi作为共同用户）	超级DC乌兰察布与灵君真武M890超级节点	将于2026年8月起正式商用，是阿里巴巴在全国范围内建设的五个超级数据中心之一。	HPN 8.0 架构理论上可扩展至每个集群最多 130,000 个异构 GPU，网格扩展已宣布达到百万卡级别。	每个节点可支持 16 至 64 个 GPU 的互连扩展，带宽高达 800 GB/s，适用于参数量高达 10 万亿的模型。	这是公司为云基础设施投入 530 亿美元计划的一部分；没有公布具体园区的具体数字。
Moonshot AI / Kimi	公司目前没有已知的自有大型工厂；可通过阿里云租赁产能。	大约2万块租赁的英伟达GPU	没有公布的扩张计划	Kimi K3 自主运行建议：每个推理集群至少需要 64 个加速器和大约 1.6 TB 的聚合 GPU 内存。	目前尚不清楚投资金额；API 价格明显高于竞争对手（Kimi K2.7 代码每百万个输入代币的成本约为 0.74 美元）。

在解读这些数据时务必谨慎，因为几乎所有关于性能或容量的规格参数，不同来源的量化方式都不尽相同。Colossus 就是一个生动的例子，其报告显示，根据时间和统计方法的不同，图形处理器数量从 30 万个到超过 100 万个不等，功耗从 500 兆瓦到 1.4 吉瓦不等。Epoch AI 是方法论上最透明的追踪机构之一，其基于全球 86 个人工智能数据中心（分布在 18 个不同的所有者名下）的数据集得出，总 IT 容量约为 13.3 吉瓦，相当于约 1460 万个 H100 算力。作为资本密集度的一个粗略经验法则，Epoch AI 计算得出，每吉瓦服务器容量的典型投资约为 300 亿至 440 亿美元，其中大部分用于硬件本身，其余部分用于建筑、冷却和网络连接。该图说明了为什么一个千兆瓦的站点所获得的投资额已经超过了中型工业集团的资产负债表总额，以及为什么计算能力的竞争越来越集中在少数几家财力雄厚、拥有必要资本的企业身上。.

监管作为竞争的第二战场

除了基础设施之外，监管正日益成为一项独立的竞争因素，对供应商的战略决策产生重大影响。在美国，OpenAI在与美国政府协商后，于2026年6月发布了其GPT-5.6模型的Sol、Terra和Luna三个变体，但仅作为严格限制的预发布版本。这一史无前例的举措表明，美国领先的人工智能实验室与政治领导人之间的关系日益密切。政府介入商业人工智能产品的审批决策，标志着与以往相对开放的模型发布模式的明显决裂，这可以被解读为对日益强大的系统所带来的安全隐患的回应。在欧盟，所谓的“人工智能综合方案”（AI Omnibus Package）于2026年7月生效。该方案虽然推迟了高风险人工智能系统遵守更严格法规的最后期限，但并未改变人工智能法律的基本监管架构。业界普遍欢迎这一延期，因为它提供了更多适应时间，但消费者保护组织对此表示批评，认为这进一步推迟了重要安全法规的实际执行。此外，2026 年 8 月，美国政府发布了一项关于外国电网设备的行政命令，其实际后果可能是，变压器和其他关键电网组件本已漫长的交付时间将进一步延长，这反过来可能会减缓美国新数据中心容量的扩张。.

公开信息的局限性

尽管报道详尽，但必须指出的是，公开流传的人工智能数据中心数据中，很大一部分最终依赖于匿名消息来源、公司公告或方法各异的追踪器，这些来源的数据构成难以直接比较。例如，xAI 的 Colossus 数据中心究竟有多少栋楼、有多少图形处理器，以及该设施是否真的达到了 2 吉瓦甚至更高，这些数字都因消息来源而异，且无法进行独立核实。同样的情况也发生在中国 Z.ai 的千兆级园区上，尽管多家媒体报道了其存在，但其地理位置尚未得到公开确认。同样，像上海 MiniMax 这样规模较小但具有商业价值的供应商，其训练基础设施也难以进行可靠的公开评估。MiniMax 的财务数据显示其收入增长强劲，但同时也存在高额亏损和研发支出，由于该公司不披露其数据中心资源，因此无法对其进行可靠的公开评估。这种系统性的缺乏透明度并非偶然，而是符合该行业的竞争逻辑，在这个行业中，实体基础设施本身已成为战略机密，类似于其他高科技行业中工业生产能力的保密程度。.

这一发展对未来几年意味着什么

对现有信息的全面审查表明，我们可以做出一个既细致入微又合情合理的评估。当前人工智能数据中心的建设热潮无疑是近代经济史上规模最大的工业投资浪潮之一，其绝对规模已超过以往技术周期中的投资，例如上世纪90年代末的光纤网络扩张或20世纪初的整个地区的电气化。与此同时，更深入的分析表明，公开披露的容量数据中很大一部分更像是宣传而非可靠的实际情况，已建成设施的实际利用率仍然未知，而真正的限制因素正日益从半导体的供应转向电力供应和电网连接容量。对于欧洲而言，这一发展构成了结构性挑战，因为欧洲大陆既缺乏美国超大规模数据中心运营商的资本实力，也缺乏中国运营商那样的国家主导投资能力，同时还因更严格的环境和能源法规而面临额外的竞争劣势。未来几年巨额投资能否通过人工智能应用带来的相应经济回报来证明其合理性，目前仍是一个悬而未决的问题。这个问题的答案将很大程度上取决于已建成的基础设施是否真正得到了有效利用，或者其中一部分是否被证明是过剩产能，而这些产能的经济贬值可能会在未来几年给相关公司带来沉重负担。.