AI 基礎設施軍備競賽：Google 1,850 億美元資本支出與百萬 TPU 計劃

2026 年初，Google 母公司 Alphabet 在財報電話會議上公布了一個令市場震驚的數字：公司計劃在 2026 年投入 1,850 億美元的資本支出，其中絕大部分將用於 AI 基礎設施建設。這個數字是 2025 年 910 億美元資本支出的兩倍多，甚至超過了全球許多國家的年度 GDP。然而，Google 並非唯一一家在 AI 基礎設施上進行「豪賭」的公司——OpenAI、xAI、Anthropic 以及一眾基礎設施服務商也在以驚人的速度擴張產能。

這場軍備競賽的背後邏輯很簡單：在 AI 的 scaling law 仍然有效的階段，擁有更多算力就意味着能夠訓練更大、更強的模型。而一旦在模型能力上落後，可能需要數年才能追趕。因此，即使面對巨大的財務風險，各家公司也不敢在算力投入上手軟。

Google：1,850 億美元與百萬 TPU 的宏大藍圖

Google 的 1,850 億美元資本支出計劃是 AI 基礎設施投資史上最大的單一年度承諾。要理解這個數字的規模，可以做幾個比較：它超過了香港 2025 年全年 GDP 的 40%；它相當於每天投入超過 5 億美元；它甚至超過了許多國家的年度國防預算。

這筆投資的核心去向是數據中心和自研 AI 晶片。Google 正在全球多個地區同時建設超大規模數據中心，每個數據中心的電力容量都達到數百兆瓦甚至吉瓦級別。與此同時，Google 的自研 TPU（Tensor Processing Unit）晶片正在加速迭代，最新一代 TPU v6（代號 Trillium）在能效和計算密度上都實現了顯著提升。

Anthropic 的百萬 TPU 超級集群

Google 這筆巨額投資中，一個特別引人注目的組成部分是與 Anthropic 的合作。據報導，Anthropic 正在 Google Cloud 上擴展至多達 100 萬個 TPU 的超級計算集群。這項交易的金額達數百億美元，所需的電力容量超過 1 吉瓦——相當於一座大型核電站的輸出功率。

百萬 TPU 集群的構建面臨着巨大的工程挑戰。首先是互聯問題——100 萬個 TPU 需要超高速、超低延遲的網絡連接才能協同工作。Google 正在開發基於光學互聯的新一代數據中心網絡來解決這個問題。其次是散熱問題——如此密集的計算設備產生的熱量需要先進的液冷系統來處理。最後是可靠性問題——在如此大規模的系統中，硬件故障是常態而非例外，系統需要能夠在部分節點失效的情況下繼續穩定運行。

「我們正在進入一個算力決定一切的時代。在 AI 模型的 scaling law 仍然有效的階段，擁有最多算力的公司將擁有最強的模型，最強的模型將吸引最多的用戶和收入，而這些收入又可以投入更多的算力。這是一個正反饋循環。」——Alphabet CFO Ruth Porat

OpenAI：逾萬億美元的多方押注

如果說 Google 的策略是「自建王國」，那麼 OpenAI 的策略則更像「廣結盟友」。OpenAI 已經與 NVIDIA、Oracle 和 Broadcom 達成了累計超過 1 萬億美元的基礎設施合作承諾。這些合作涵蓋了從 GPU 供應到數據中心建設到網絡基礎設施的全方位需求。

其中最引人注目的是與 Cerebras 的 100 億美元交易。Cerebras 是一家開發超大規模晶圓級晶片的公司，其 WSE-3（Wafer Scale Engine 3）晶片的面積是 NVIDIA H100 的 50 倍以上，專為 AI 訓練而設計。OpenAI 選擇 Cerebras 作為供應商，顯示了該公司在算力來源多元化方面的決心——在 NVIDIA GPU 供不應求的情況下，擁有替代供應商至關重要。

OpenAI 基礎設施聯盟的構成

OpenAI 的基礎設施策略可以分為三個層面。第一層是與 Microsoft Azure 的深度綁定，Microsoft 仍然是 OpenAI 最大的算力提供商，為其提供了大部分的訓練和推理基礎設施。第二層是與 NVIDIA 的直接合作，確保在下一代 GPU（Blackwell Ultra 和 Rubin 架構）的供應上佔據優先地位。第三層是替代供應商的佈局，包括 Cerebras、Oracle Cloud 和 Broadcom 的自定義晶片方案。

這種多層次的策略反映了一個現實：AI 基礎設施的供應鏈正在成為比技術研發更大的瓶頸。即使擁有最先進的算法，沒有足夠的算力也無法將其轉化為產品。

xAI Colossus 2：全球最大的 AI 超級集群

Elon Musk 的 xAI 在基礎設施建設上同樣毫不吝嗇。其 Colossus 2 超級計算集群預計將成為全球最大的單一 AI 訓練設施。Colossus 2 位於美國田納西州孟菲斯，預計將配備超過 20 萬個 NVIDIA GPU，電力容量達到數百兆瓦。

Colossus 系列集群的建設速度令業界印象深刻。第一代 Colossus 從動工到運行僅用了四個月，這在數據中心建設領域幾乎是前所未聞的。xAI 通過採用模組化建設方案和大量使用預製組件，大幅壓縮了建設週期。Colossus 2 則在此基礎上進一步擴展，據報建設速度更快，部分歸功於第一代積累的工程經驗。

Firmus Technologies 與 Blackstone：金融巨頭入場

AI 基礎設施的投資熱潮不僅限於科技公司。Firmus Technologies——一家專注於 AI 數據中心的基礎設施公司——從全球最大的另類資產管理公司 Blackstone 獲得了 100 億美元的貸款。這筆交易的意義在於：它標誌着傳統金融巨頭正在以前所未有的規模進入 AI 基礎設施領域。

Blackstone 的投資邏輯很清晰：AI 數據中心是一個具有長期穩定收益的基礎設施資產類別。與傳統數據中心相比，AI 數據中心的電力密度更高（每機架數十千瓦甚至超過百千瓦，傳統數據中心通常僅為 5-10 千瓦），因此需要全新的冷卻和電力基礎設施。這意味着大量的資本投入機會。

電力：AI 軍備競賽的隱形瓶頸

在這場算力競賽中，電力供應正在成為最大的瓶頸。僅 Google 一家公司在 2026 年的 AI 相關電力需求就預計超過 10 吉瓦——相當於一個中等規模城市的全部用電量。全球主要 AI 公司的電力需求總和更是達到了令人咋舌的水平。

為了解決電力問題，各公司正在採取多種策略。Google 和 Microsoft 都在積極投資核電站——包括小型模組化核反應堆（SMR），這種反應堆可以部署在數據中心附近，提供穩定、低碳的電力。Amazon 則購買了多座現有核電站的電力輸出權。xAI 的 Colossus 集群最初使用大量柴油發電機作為臨時電源，引發了環保爭議，後來逐步轉向天然氣和可再生能源。

能源效率的技術競賽

除了增加電力供應外，提升能源效率也是緩解瓶頸的重要途徑。NVIDIA 最新的 Blackwell Ultra GPU 相比上一代在能效上提升了約 40%。Google 的 TPU v6 也在能效方面有顯著改進。此外，液冷技術正在快速普及——直接液冷（Direct Liquid Cooling）和浸沒式冷卻（Immersion Cooling）可以將冷卻能耗降低 30-50%，同時支援更高的計算密度。

「電力正在取代晶片成為 AI 發展的最大約束條件。我們不是缺晶片，我們是缺電。在某些地區，獲得足夠電力的等待時間已經超過了三年。」——某大型數據中心運營商高管

誰將贏得算力競賽？

預測這場競賽的最終贏家為時尚早，但幾個趨勢已經清晰可見。第一，垂直整合將成為關鍵優勢。Google 同時擁有自研晶片（TPU）、雲平台（Google Cloud）和 AI 模型（Gemini），這種端到端的控制使其能夠在每個層面進行優化。第二，供應鏈多元化至關重要。過度依賴單一供應商（尤其是 NVIDIA）是一個風險，OpenAI 與 Cerebras 的合作和 Google 的自研晶片策略都反映了這一點。第三，電力和地理位置將成為新的競爭維度。擁有充足、低成本、低碳電力的地區將吸引大量數據中心投資。

對香港的啟示

AI 基礎設施的軍備競賽對香港既是挑戰也是機遇。從挑戰方面看，香港的土地和電力成本在全球範圍內屬於最高水平之一，這使得在本地建設大規模 AI 數據中心在經濟上面臨巨大困難。香港的總發電容量約為 13 吉瓦，而一個大型 AI 集群就需要超過 1 吉瓦的電力，這對本地電網構成了顯著壓力。

然而，機遇同樣明顯。作為亞洲的金融中心，香港可以在 AI 基礎設施的融資方面發揮獨特作用。Blackstone 對 Firmus Technologies 的 100 億美元投資表明，AI 數據中心正在成為一個重要的另類投資資產類別，而香港的金融機構在這個領域具有天然的優勢。

此外，香港可以探索與大灣區其他城市的合作。例如，在電力更充足、土地成本更低的地區建設數據中心，同時利用香港的國際連接性和金融服務優勢。河套深港科技創新合作區就是這種跨境合作模式的一個例子。

對於香港的企業和研究機構而言，最實際的策略可能是充分利用雲服務商提供的 AI 算力，而非自建基礎設施。隨着 Google Cloud、AWS 和 Azure 持續擴張 AI 基礎設施，雲端 AI 算力的可用性和成本效率都在改善。香港企業應該關注的不是「誰擁有最多的 GPU」，而是「如何最有效地利用可用的算力」。