AI重工业时代，万亿算力基建如何重构科技竞争格局

在2026年上半年的资本市场震荡中，电力、芯片和IDC液冷等"AI基建"板块逆势走强，成为资金追逐的绝对主线。极高的估值溢价背后，揭示了一个被市场共同指认的产业真相：AI竞争正在加速进入"重工业时代"。

科技巨头们正在用实际行动印证这一转变。OpenAI深度参与的数据中心项目"星际之门"（Stargate）已被推向5000亿美元、10GW级别的空前体量；Meta将Hyperion数据中心装进与Blue Owl的合资结构，把企业内部沉重的资本开支转化为金融市场可定价持有的基建资产；Google则将能源触角伸向先进核电，通过长期绑定清洁电力来保证算力产能的稳定性。

可以看到，巨头们不再只是买云、拼参数，而是在疯狂建机房、抢能源，"稳定、低成本、大规模地产出Token"成为新型产能指标，数据中心正在从后台IT成本中心变为能直接贡献利润的价值中心。

Dell'Oro预测2029年全球数据中心资本开支将达1.2万亿美元1]；哥伦比亚大学经济学家的测算更为惊人，仅美国在2026-2032年就可能需要高达8.2万亿美元的数据中心投资2]。面对这场万亿级别的产业重构与资本狂欢，本文试图穿透喧嚣，回答三个核心问题：科技巨头为何亲自下场搞基建？当AI蜕变为"数字重工业"，需要抢夺哪些重要"地盘"？在昂贵的基建账单背后，泡沫有多大，利润在哪里？

Token正在成为数字时代的新型"钢铁"。过去，行业习惯将Token比作水电煤，但这并不精确。水电煤属于初级能源，钢铁则是消耗了煤炭、矿石与水资源后，被重工业体系冶炼出的"核心中间品"。Token也是如此——它是消耗了极端的电力负荷、高昂的GPU折旧与海量冷却资源后，被AI数据中心"冶炼"出来的标准基础材料，并被持续锻造为各类AI应用的核心产能。

如此，Token不仅是模型输入输出的最小计量单位，也成为衡量AI服务经济性的核心指标。随着B端API价格的持续下探，单位Token的成本直接左右着AI业务的毛利率，你很难靠购买别人的"高价钢材"，去打赢一场残酷的重工业价格战。

于是，科技公司开始亲自下场打"地基"：一是把算力"建出来"，二是把算力"锁下来"。

把算力"建出来" AI公司的第一类基建动作，是从"租用云算力"走向"直接参与算力建设"。OpenAI的星际之门（Stargate）计划是最具标志性的案例。2025年1月，OpenAI联合甲骨文（ORCL.N）与软银集团（9984.T）在白宫共同宣布启动5000亿美元的AI基础设施项目3]。随后，OpenAI又与甲骨文达成新协议，开发额外4.5GW的Stargate数据中心容量4]。

这个项目的意义不仅在于规模巨大，更在于它把"模型公司需要更多算力"转化成了一个横跨云服务、芯片、能源、资本和国家竞争叙事的超级基础设施平台。不过，"星际之门"也暴露出AI基建扩张的核心矛盾：模型公司的收入增长很快，但算力需求的增长更快。尽管OpenAI的年化营收已达到百亿美元并继续上修预期，却接连甩出千亿级别的投资承诺，市场对此不无担忧。

Sam Altman却回应称，若要实现AI的潜能，目前这些建设规划并不宽裕。进入数字重工业的门票极其昂贵，刚在大模型上耗费巨额现金流的巨头们，想要开启算力基建，几乎都需要外部资金的支持。

把算力"锁下来" 科技巨头们正在通过多种方式锁定未来算力。OpenAI签订长期GPU云合同，总价值约224亿美元；Anthropic获得最高5GW Amazon Trainium算力容量；DeepSeek被报道融资建设数据中心。

计算体系决定算力效率，能源决定产能上限，资本决定扩张速度，三者共同构成了AI重工业竞赛的"铁三角"。算力基建想从"烧钱项目"变为"利润放大器"，需要跑通成本压缩、收入转化和护城河验证这三道关口。

万亿开支投向AI基建，竞争门槛被大大抬升，行业将加速结构性分化，可能形成基础设施建设者、能力提供者与应用创新者的三层分工。

AI基建也在进入宏观经济账本。未来，AI带来的生产率提升能否抵消这轮基建推高的通胀压力，将成为观察本轮科技周期的重要问题。

科技巨头进行AI基建融资方式对比显示，IPO、债券/贷款、长期算力合同和大额私募融资是主要的资金来源。OpenAI、Anthropic、MiniMax等公司通过IPO打开长期资本通道；Alphabet、Amazon、Nvidia等利用低成本债务支持重资本开支；CoreWeave、OpenAI等通过未来订单支撑融资信用；DeepSeek则依靠大额私募融资用于算力基建。

AI驱动下的数据中心选址与工程要素变迁表明，传统互联网机房时代以网络与市场导向为主，而AI超算集群时代则转向能源与容量导向。PUE为主导的能耗与冷却指标，双向互动的电网交互模式，以及极度重资产的资金与资产形态，都体现了AI数据中心作为"重型能源基建"的特点。

科技巨头正在把算力"锁下来"。通过长期订单锁定GPU云、芯片和云集群产能，多云、多芯片组合降低单一供应链风险，以及将算力需求转化为上市募资、外部融资、商业化底座等方式，科技公司在算力获取方面展现出前所未有的主动性和战略性。

AI产业分化呈现出三层价值与利润图谱：基础设施建设者（芯片销售、算力租赁、数据中心服务）、能力提供者（API、MaaS、模型订阅）和应用创新者（软件订阅、智能终端）。不同层次的企业在主要收入、利润抓手、关键风险和核心指标上存在显著差异，反映了AI产业链的深度专业化分工趋势。