缺算力！大摩、亚马逊CEO警告：AI供应瓶颈或持续数年！

随着企业人工智能应用不断深化，越来越多公司已经开始从AI投资中获得可量化回报，但摩根士丹利(下称大摩)认为，算力供应不足正在成为限制AI产业进一步扩张的关键瓶颈，而电力、劳动力等方面的约束可能使这一问题在未来数年持续存在。

大摩美国主题研究策略师Michelle Weaver表示，企业对AI应用正日益产生实质成效，但算力供应受限仍是限制成长的瓶颈。「我们的供应非常不足。我们看到算力在成为一种受限资源。电力瓶颈、政治瓶颈、劳动瓶颈－这些因素将在未来几年制约供应。」

Weaver指出，算力瓶颈主要有两个原因：一是缺少建设数据中心所需的劳动力，二是为数据中心供电的电力不足。人工智能数据中心耗电量巨大，而新建发电设施、输电网络及相关基础设施需要数年时间。即使考虑到将比特币挖矿设施改造利用、燃料电池等创新供电方案，Weaver估计仍存在10%至20%的电力缺口，这意味着未来数年算力仍将是受限且高价值的资源。即便企业拥有足够资金购买AI芯片并建设数据中心，但电力或劳动力不足也可能阻碍实际算力上线。

目前，AI数据中心(AIDC)对于高可靠性备用电源需求显著提升，高功率、高压化、智能并机等产品升级趋势明确，数据中心已成为柴油引擎及发电机组产业最重要的增量方向。

需求方面，云厂商的投入也并未有放缓的计划。摩根士丹利最新发布的全球云资本支出追踪报告显示，全球最大超大规模云厂商的资本开支并未放缓，预计2027年同比增幅将达29%。

摩根士丹利指出，市场对2027年云资本开支的一致预期为1.2万亿美元，但该预测可能偏保守，实际支出规模或攀升至1.4万亿美元。过去一年，投资者对AI数据中心大规模建设所伴随的资本开支飙升持续担忧，给市场带来一定波动。然而，算力需求始终超出供给，AI商业化变现能力也在持续改善。

在此背景下，全球四大超大规模云厂商中有三家已在2026财年上调资本开支指引：亚马逊从2000亿美元上调至2200亿美元；谷歌将指引区间从1800亿-1900亿美元收窄至1950亿-2050亿美元；Meta从1250亿-1450亿美元区间收窄至1300亿-1450亿美元。微软则维持1900亿美元不变。

亚马逊执行长贾西(Andy Jassy)近期释出的讯号更显示，AI算力供不应求的局面可能延续至2027年，甚至目前已经可以看见2028年的强劲需求。

财报电话会议上，贾西透露，亚马逊已将2026年资本支出预估从原先约2,000亿美元上调至2,200亿美元，主要反映AI基础建设、数据中心、服务器、网络设备及芯片等成本增加，其中内存价格上涨也是推高支出的因素之一。

更重要的是，贾西表示，即使公司把全年资本支出提高至2,200亿美元，仍不足以满足亚马逊目前在2026年的全部客户需求，而且这种供给不足的情况可能延续至2027年。

这番说法的意义，在于亚马逊并非单纯依靠市场预测AI未来需求，而是从AWS客户订单、容量规划以及数据中心建置周期中观察未来几年的算力需求。贾西此前也曾表示，亚马逊并非因为一时看好AI就盲目投入约2,000亿美元资本支出，公司已掌握大量客户承诺，其中部分AWS资本支出将在2027年至2028年转化为营收。

过去两年，市场谈论AI算力需求时，焦点大多集中在OpenAI、Anthropic等前沿AI实验室。这些企业需要大量GPU进行基础模型训练、强化学习及模型推理，因此成为数据中心和AI芯片需求的重要来源。

但贾西认为，AI真正更大的需求潜力可能来自传统企业。

目前大量企业仍处于AI导入初期，财务审核、供应链管理、客服、营销、文件处理、程序开发、企业知识库及生产流程等工作，仍有大量依靠人工处理的环节。随着企业开始把AI从展示性工具转变为日常营运系统，算力需求可能从一次性的模型训练，逐渐转向每天持续产生的大规模推理需求。

这意味着AI算力市场可能出现类似「杠铃」的需求结构。一端是少数前沿AI实验室，持续消耗大量训练及推理算力；另一端则是已经证明AI可以带来实际回报的大型企业；中间则是数以百万计、尚未完成AI转型的企业。

如果这些企业在未来两至三年开始大规模部署AI代理、企业自动化及生成式AI服务，算力需求的增量可能远高于目前市场对大型模型训练需求的估算。

这也解释了为何贾西认为AI需求不会只由少数模型公司决定。AWS近期公布的数据显示，客户对AI推理的需求持续增加，而且AI与传统云端业务正在互相带动。亚马逊表示，客户希望将AI推理部署在靠近既有应用程序及数据的位置，而AWS在数据储存、数据库及企业基础设施方面的优势，使AI业务成长同时带动传统云端服务需求。

贾西同时指出，未来市场不太可能只剩下一个「万能模型」。多个第一梯队模型、专业模型以及开源模型并存，可能成为AI市场的长期结构。这种多模型竞争虽然可能压低单一模型的价格，但从整体算力市场来看，反而可能扩大模型使用量及推理需求。

不过，市场仍不能把贾西对2028年需求的看法直接等同于「AI算力永远供不应求」。

首先，亚马逊看到的是自身客户的需求与容量规划，客户承诺不代表所有需求最终都会完全转化为实际采购。若企业AI项目的投资回报不如预期，部分资本支出仍可能延后。

其次，AI算力供给也在快速增加。英伟达、AMD等AI芯片供货商持续推出新一代产品，Google母公司Alphabet、微软及亚马逊等大型云端业者也积极发展自研芯片。随着数据中心、服务器、网络设备及电力供应能力扩张，2027年至2028年的全球算力供给势必较目前大幅增加。

更重要的是，AI需求本身也会发生结构性变化。

前一阶段的AI竞赛主要集中在模型训练，下一阶段则可能逐步转向推理。这将提高对低成本、高吞吐量、低延迟以及能源效率的要求，AI芯片的竞争也将从单纯追求最高运算能力，转向每美元算力、每瓦性能及整体系统效率。

2028年真正值得关注的可能并不是AI会不会突然出现一次「需求爆发」，而是企业AI是否会从目前的试验阶段进入全面生产阶段。

如果AI只停留在聊天机器人、Demo及少数企业的试点项目，算力需求即使持续成长，也可能难以支撑目前如此庞大的数据中心投资。

但如果AI代理、企业自动化、程序开发、智能客服、金融风控、供应链管理及工业AI等应用真正进入大规模商用，需求结构就可能发生根本改变。

届时，算力消耗将不再主要由几十家大型AI公司决定，而是由全球数以百万计的企业共同推动。