27
0将AI竞争的核心从模型技术转向电力、管制、供应链和合规等非技术领域。文章通过Anthropic模型下架、数据中心用电紧张以及光互联和内存短缺等案例，揭示了全球AI服务面临的地缘政治、基础设施和供应瓶颈挑战，强调企业需提前规划服务的可用边界和风险应对策略。
地缘政治与AI模型管制
- Anthropic最先进模型因美国政府出口管制令下架，连在美工作的外国工程师也无法使用。
- 政策导致前沿AI模型按地区分区，全球开发者将面临“同一接口，能力不同”的问题，影响可用性和稳定性。
- 跨国企业采购AI服务时，需面对员工和客户分布多国导致的模型服务稳定性交付问题。
数据中心用电瓶颈
- 数据中心用电量已接近一座城市规模，迫使电网做选择，决定谁为新电网买单、谁能优先拿到电。
- 未来AI服务采购合同中，地区供电可靠性将可能像价格一样成为重要条款。
- 美国最大的电网（PJM）和联邦能源监管委员会（FERC）正在讨论新规则，可能导致AI服务在某些云区出现排队、限额或高级功能只在少数地区开放。
AI硬件供应链挑战
- GPU算力提升迅速，但光互联带宽和HBM（高带宽内存）没能跟上，成为新的技术瓶颈。
- Corning（康宁）和NTT（日本电信电话公司）正大力投资光互联技术，以应对激增的AI基础设施订单需求。
- Nvidia CEO黄仁勋警告AI内存短缺将持续数年，产能缺口达35%，即使SK Hynix与Nvidia合作研发HBM4+，良率和量产仍面临挑战。
AI竞争格局的根本性转变
- AI竞争已脱离单纯的模型跑分，进入电力、管制、合规、内容责任和资本结构等多重因素同时约束的阶段。
- 能赢得竞争的公司，将不仅模型技术强大，更要能清晰解释服务在哪里可用、谁来供电、谁来审计，以及出了错谁负责。
- 企业需提前思考，若AI服务因一纸政令突然断供，其备选方案是什么。
