当外界还在关注GPU价格和模型跑分时，AI行业真正的瓶颈正在悄然转移。英伟达CEO黄仁勋明确表示，AI扩张的瓶颈已从芯片转向电力与供电排期。英伟达已签下约200亿美元的数据中心租赁协议，并推出DSX Ready计划为AI工厂的供电与冷却方案商建立资质认证体系。AI基础设施的竞争，正在从"买得到芯片"变成"供得上电、散得出热"。

电力取代芯片，成为第一道瓶颈

过去一年，算力竞争的焦点还停留在"谁的单卡更强"。进入2026年，这个逻辑已经被改写。黄仁勋公开表示，AI扩张的瓶颈已从芯片转向电力与供电排期，英伟达正以模块化微型数据中心推进部署，并已签下约200亿美元的数据中心租赁协议，以保障供电与机柜空间。

这个转变很直观。一块GPU再强，如果没有足够的电力支撑和散热条件，就无法稳定运行。当全球范围内同时上马的数据中心项目数以百计，优质电力资源和机柜空间就成了稀缺品。供电排期甚至比芯片供货周期更长——芯片可以加急生产，电网容量和变电站建设则需要数年。

这也解释了为什么微软判断未来2到3年AI算力需求仍大于供给，并计划在台湾地区把数据中心由两座扩建至4座。算力供不应求的判断，本质上是对电力和基础设施供给的判断。

数据中心建设的现实阻力

电力瓶颈已经在美国引发实际问题。研究显示，2026年二季度约680亿美元的数据中心项目延期或受阻，一季度这个数字达到1300亿美元，反对意见已经覆盖半数项目。

阻力主要来自几个方面。一是电网承载能力的限制，大量数据中心集中接入会给区域电网带来巨大压力。二是水资源问题，传统数据中心冷却需要大量用水，在干旱地区引发了环保争议。三是社区反对，数据中心建设带来的噪音、交通和景观影响，让不少项目在地方层面受阻。四是审批流程冗长，电网扩容和变电站建设涉及多个层级的审批，周期往往以年计。

这些因素叠加，意味着算力扩张的上限越来越由基础设施决定，而不是由芯片产能决定。

散热：另一个被低估的瓶颈

电力问题之外，散热是同样关键的约束。AI服务器的高功耗密度，让传统风冷方案接近极限。液冷从"可选项"变成了"必选项"。

英伟达推出DSX Ready计划，为AI工厂的供电与冷却环节建立资质认证体系，首批入围名单覆盖储能侧的Hitachi Energy、LG Energy Solution、Tesla，以及冷却侧的LG Electronics等厂商。这个动作的战略意图很明显：英伟达不止卖GPU，还要把AI工厂的供电散热标准握在自己手里，复制当年CUDA的生态打法。

当供电和散热有了认证体系，意味着这两个环节正在从工程问题变成标准化产品。对储能、液冷和数据中心配套厂商来说，入围名单意味着准入红利，也意味着行业标准开始由头部厂商主导。

基础设施投资正在拉动一条长产业链

AI基础设施的瓶颈，正在催生一条完整的产业链机会。

电力设备方面，变电站、配电系统、备用电源的需求快速增长。储能方面，数据中心需要大量储能设备来平抑负荷波动、提供备用电力。液冷方面，冷板式、浸没式等方案的渗透率正在快速提升。数据中心租赁方面，具备优质电力资源和机柜空间的数据中心开发商成为稀缺资产——Crusoe完成30亿美元融资、估值达300亿美元，其客户包括Meta、微软、OpenAI。

资本市场已经对这个趋势给出了定价。夏普与富士康合作进军AI服务器，计划2027年上市，最高支持8块NVIDIA RTX PRO 6000 Blackwell Server Edition GPU；AMD盘中市值突破1万亿美元，年内股价涨约70%，半导体板块整体走强。资金正在全面重估算力链。

东南亚与新兴市场的机会

有意思的是，东南亚正在跳过缺基建阶段，直接上马万卡级AI工厂。新加坡云商Aolani宣布与英伟达合作，拟于2027年初在马来西亚、菲律宾两座AI工厂部署22000块Blackwell Ultra GPU，总算力容量突破100兆瓦、GPU总数超过48000块。双方采用收入分成加信用支持的轻资产模式，是AI算力下沉新兴市场的样本。

这种模式对国内算力出海厂商有参考价值。新紫光集团与阿里云签署AI全栈合作协议，在千问办公基础上围绕智能办公、行业应用和业务出海深化合作，双方将共推AI云端计算芯片需求定义，探索3D DRAM与近存计算。国产AI芯片与云平台绑定出海，正在成为一条可走的路径。

结语

AI基础设施的竞争，已经从芯片性能延伸到电力、散热、土地、审批、运维一整套系统工程。当英伟达掌门人亲口说电力比芯片更关键，等于给全行业划了重点：下一阶段AI竞争的胜负手是能源与基础设施，而非GPU本身。这个转变对电力设备、储能、液冷和数据中心租赁赛道是直接利好，也倒逼云厂商把供电排期纳入算力规划。对行业而言，AI基建的长周期属性，意味着这一轮景气度的持续性可能比市场预期的更长