文章核心观点 - AI行业发展的核心瓶颈正在从芯片制造转向“芯片启动”能力，即电力、变压器与冷却系统等基础设施的部署能力[2][3] - 芯片产能正呈指数级增长，而支撑其运行的能源基础设施却只能线性扩张，两条曲线交叉时将导致大量高性能AI芯片因缺乏配套设施而无法投入使用[3][10] - 对于投资者而言，AI算力竞赛的焦点正在从芯片采购转向能源基础设施建设能力[4] AI基础设施瓶颈的转变 - 马斯克预测，到2026年第三季度（约9-12个月后），核心瓶颈将从芯片制造转向“使芯片运行起来”的能力[10] - 马斯克认同台积电对芯片产能过剩的担忧，认为结论是对的[2][9] - 任何电力转换环节或冷却系统的缺失，都会导致芯片无法被真正启用，从而从根本上抑制实际需求与采购行为[10] 电力成为AI部署的“速率限制” - 部署AI芯片需要同步解决吉瓦级供电、高压电转换及高效散热系统三大核心问题[6] - 以xAI在孟菲斯的“巨像2号”项目为例，尽管选址紧邻多条300千伏高压线路，但完成接入仍需耗时约一年[7] - 为赶在2025年1月中旬前实现1吉瓦训练集群上线，团队不得不临时组合多台10至50兆瓦不等的燃气轮机作为过渡电源，并借助大量Megapack电池组进行电力调平[7] 冷却系统的转型与风险 - 整个数据中心行业正经历从风冷到液冷的关键转型，这一过程蕴含巨大风险[7] - 马斯克警告，一旦液冷管道发生破裂，就可能导致价值10亿美元的损失[7] 关于产能与需求的不同观点 - 戴维·布伦丁提出不同观点，认为即便台积电将GPU产量从2000万片提升至4000万片，市场仍将设法解决供电问题[10] - 马斯克坚持，芯片的制造速度可能远超其实际可被部署并通电运行的速度[10]