a16z核心合伙人认为，随着巨头明年CapEx预估迈向1万亿美元，GPU和存储等核心硬件订单已排至2028年。由于现有计算架构逼近物理极限，机架功率激增数十倍，数据中心的芯片、电力（转向800V直流电）和液冷系统正面临“推倒重来”的全面重构。顶尖创业者涌入硬件的比例已从不足5%跃升至20%至30%以上
我认为，这场AI基础设施浪潮最值得关注的，不是某一种芯片短缺，而是需求增长的速度已经超过了整条物理供应链的响应速度。
a16z在推出“机器时代基金”时给出的判断是：AI的瓶颈正在从模型转向“模型以下”的部分。芯片、内存、网络、电力、冷却、变压器，甚至铜和混凝土，都被卷进了同一个约束系统。
需求与供给之间出现了时间差
这轮扩张与互联网泡沫时期的“暗光纤”有一个重要区别。当年不少基础设施先建出来，再寻找需求；今天的GPU和关键组件，往往在生产前就已经被预订。
访谈中提到，超大规模云厂商今年的资本开支约为7000亿美元，明年可能突破1万亿美元；部分关键组件已经排期到2028年，头部内存厂商仅交付现有订单就需要三年产能。
电力也成为硬约束。到2028年，新数据中心预计需要新增约44吉瓦电力，而电网预计只能增加约25吉瓦。芯片可以加速迭代，但电厂、输电、变压器和数据中心建设都有三到五年的周期，这个时间差无法靠软件行业熟悉的加班方式消除。
不过，a16z正在为这一领域募集基金，它对长期需求的判断天然带有投资立场。真正有价值的不是“需求无限”这句口号，而是已经出现的订单、价格、交付周期和电力缺口。这些物理信号比情绪更值得相信。
AI把工程问题变成了资源问题
过去做复杂软件，增加工程师并不会线性增加产出，《人月神话》所描述的协调成本始终存在。现在，一部分AI能力却呈现出不同的经济关系：投入更多算力、数据和资金，往往可以直接换来更多训练和推理产出。
从聊天机器人到推理模型，再到Agent和多Agent系统，单个任务消耗的token不断增加；与此同时，使用者又从开发者扩展到知识工作者和普通用户。单次消耗与用户规模同时增长，才是算力需求快速上升的根本原因。
Agent还意味着新的组织形态。它不只是产品里的一个搜索框，更像拥有电脑和浏览器的新型员工，可以执行跨应用任务。但它也会浪费token、遗忘、编造并带来安全问题。企业真正要解决的不是“是否使用Agent”，而是怎样让这种新型员工与人协同，又不让成本和风险失控。
现有数据中心不是简单扩容就够了
AI基础设施面对的问题不只是数量不足，而是原来的计算体系并非为这种工作负载设计。
推理需要在计算与内存之间持续搬运数据并生成token，因此芯片、内存层级、芯片内外互联、功耗和散热必须一起优化。任何一个环节单独提速，都可能把瓶颈推到另一个环节。
访谈提供了一个很直观的经济模型：训练一个前沿模型可能需要30亿到50亿美元，推理端为了回收成本需要形成更大规模的收入。如果专用芯片能把推理效率提高20%，节省的资金就可能足以支持一块ASIC的研发。过去，为单个数字产品定制芯片很难成立；当模型本身成为数十亿美元的固定资产后，专用架构开始具备经济合理性。
物理层的变化更加直接。机架功率正从过去的5到10千瓦上升到100至150千瓦，计算密度提高约70倍，风冷必须转向液冷，供电开始走向800伏直流电。随之而来的还有地板承重、噪音、墙体、用水和施工安全问题。
美国具备直流电相关认证的电工比例据称只有约2%。这说明AI基础设施的制约因素已经不只是高端芯片人才，还包括电工、施工人员、设备供应商和监管许可。下一代数据中心，本质上是一套新的工业系统。
硬件重新成为创业主战场
a16z观察到，过去顶尖创业项目中硬件方向只占约3%到5%，现在已经超过20%，甚至达到30%。这个变化说明，创业者已经开始把基础设施短缺视为结构性机会。
硬件创业与软件创业的要求很不一样。创始人不能只懂算法或芯片设计，还要理解系统架构、制造、供应链和生态协同。产品做出来之前就可能需要投入数亿美元，因此经验、融资能力和产业组织能力都更加重要。
环境也在发生变化。前沿AI实验室因为资源紧缺，愿意在硬件尚未交付时就与初创公司签订协议；资本市场也愿意支持规模更大的首轮融资。这降低了硬件公司的早期商业化风险，但并没有降低技术和量产风险。
巨头也不会拿走全部机会。市场高速扩张时，需求会不断分化，大公司优先争夺最大的“金砖”，边缘市场里的“银砖”仍可能成长为巨大的独立公司。尤其当每美元、每瓦、每机架能够产生多少token成为核心指标时，任何数量级的效率提升都有商业价值。
软件吞噬世界之后，机器成为边界
“机器时代”这个名字揭示了一个反转：软件曾经被认为可以吞噬一切，但当AI规模扩大后，真正限制软件的又变成了底层机器。
语言和代码只是最早被算力改造的领域。电脑操作、科学、材料、生物和创意工作还在后面。这个长期判断能否全部兑现，现在无法证明；但眼前可以确认的是，AI竞争已经从模型能力扩展到芯片、系统、电力和工业建设能力。
所以我更愿意把这轮变化理解为一次计算体系的重建，而不是一轮普通的服务器采购周期。未来的竞争单位不再只是一块GPU或一个模型，而是从能源输入到token产出的完整系统。谁能系统性地降低每个token背后的资金、功耗和物理成本，谁才真正掌握了机器时代的基础设施。