在最新一期科技播客节目中，微软CEO纳德拉坦言公司正面临一个前所未有的困境：库存里堆积如山的GPU芯片，由于电力短缺和数据中心空间不足，只能闲置在仓库里。
但最关键的瓶颈并非算力过剩——
真正制约AI发展的不是芯片供应，而是电力基础设施，以及能否快速建成毗邻能源枢纽的数据中心。如果无法实现这一目标，即便采购再多芯片也只能积压在仓库。
微软缺电导致大量GPU闲置
微软内部大量NVIDIA芯片被迫"休眠"。
不是因为现有算力已经饱和，而是当前的电网系统和冷却设施不足以支撑这些芯片全速运转。
首先是电力供应严重不足。
其次是缺乏能够立即投入使用的数据中心——也就是纳德拉所说的"温备机壳"，即已完成基建、具备充足供电与冷却能力的机房设施。
这已不是他首次对外透露公司的能源焦虑。
去年被问及微软是否会持续受制于NVIDIA芯片供应时，纳德拉就曾明确表示：
我们遇到的是电力瓶颈，而不是芯片供应问题。
时至今日，这似乎已成为所有科技巨头共同面临的挑战。
奥特曼在同场讨论中指出，行业面临的总体挑战不单纯是算力问题，更多还涉及能源供给与基础设施的匹配。
他对能源问题的敏锐洞察，比多数科技企业都要超前。
过去两年间，他先后投资了核裂变能源公司Oklo、聚变能源公司Helion，以及太阳能创新企业Exowatt。
只不过，这些新型能源技术距离大规模商用还很遥远。短期内，数据中心仍得依赖燃气发电与可再生能源的混合供电。
缺电之外：囤积芯片也不再安全
过去五年间，美国整体电力需求曲线突然陡增。
随着AI和云计算推动的数据中心建设进入高峰，用电需求开始以超出预期的速度增长，远远超过公用事业公司原本的新增发电规划。
供给端的反应明显滞后。
传统电厂从立项到并网通常需要数年周期，而AI产业扩张的节奏是以季度计算。于是，为了追上算力扩张的步伐，越来越多的数据中心开发商不得不自己发电。
因此，越来越多数据中心选择采用所谓的"电表后端"供电方式——直接将电力接入数据中心，绕过公共电网，以弥补能源缺口。
即便如此，数据中心、电力与冷却系统的建设节奏还是远远跟不上现实需求。
光伏太阳能被视为目前建设周期最短、部署最灵活的能源形式，但在时间维度上，它与数据中心建设几乎难以同步——从选址、施工到并网动辄数月甚至一年。
AI需求的变化往往只需要一次模型更新或产品发布。
举个具体例子：当算力曲线每季度刷新纪录时，能源系统还在审批表格上打转（无奈摊手.webp）。
部分业内人士担心，如果未来AI需求增速放缓，当前为支撑AI算力而大规模投资的电厂和储能项目可能会面临闲置风险。
但奥特曼并不这么认为。
他坚信AI的用电需求不可能回落，只会持续增长。
也就是说，更高效、更便宜的算力，只会激发出更多应用场景。
从这个角度看，奥特曼似乎是杰文斯悖论的忠实信徒。
该悖论认为，资源的更高效利用将导致更大规模的使用，从而增加整体需求。
如果算力成本明天下降100倍，使用量的增长将远超100倍。越便宜的计算能力，只会带来更大的总需求。
为此，奥特曼呼吁美国政府每年增加100吉瓦发电能力，并将其视为"AI战略资产"。
与此同时，算力端的企业也在重新调整策略。
纳德拉明确表态，微软不会再囤积单一架构的GPU。
理由很现实——
一块昂贵的NVIDIA芯片，如果暂时无法供电，两三年后又被新架构取代，那等于在折旧周期内就提前贬值。
而根据微软经验，数据中心设备的折旧周期通常是六年，盲目囤货不仅占用资金，还会造成资源浪费。
网友建议：不如开发点能耗更低的芯片？
自20世纪90年代末以来，美国电力产能始终徘徊在约4万亿千瓦时/年。
但这个世界变化太快了：
人口增长了20%，部分物理电网老化，新的城市生活和科技进步都对电力供给提出了持续增长的需求。
如上所述，GPU生产可以按季度迭代，但电力系统、数据中心冷却与输配电网络的建设，却是以年为单位的工程。
AI产业算力增长能否延续，关键已不在芯片产量，而在能源与基础设施能否同步扩张。
这也让行业目光重新转向上游芯片厂商。
过去，NVIDIA等公司拼的是峰值性能：算力越强、速度越快越好。
但当瓶颈从"算力短缺"变成"电力短缺"后，评判标准是否有可能开始反转？
在reddit相关讨论帖中，有网友表达了自己的建议：
如果你受电力限制而非芯片限制，你会想要更节能的芯片，对吧？如果你已经遭遇能耗瓶颈，而NVIDIA推出一款速度提升1.2倍但能耗降低25%的芯片，那将极具吸引力。
还有一点
本周一，微软正式宣布已获得批准，将向阿联酋运送NVIDIA芯片，用于建设训练AI模型所需的数据中心。
微软还表示，未来四年将在海湾国家投资80亿美元用于数据中心、云计算和其他人工智能项目。
中东地区资金雄厚，能源丰富，外媒分析称，这笔交易也标志着AI基础设施正在从硅谷迁往能源充足的新兴市场。
或许到了那里，微软买下的NVIDIA GPU可以不再吃灰了吧……
