四川
你有没有发现，现在用 AI 越来越费劲？比如用 Kimi 处理任务，系统总提示忙不过来，就算想升级会员，VIP 通道也排起了长队，不是网络出了问题，而是一个反常识的真相正在上演：AI 越聪明，算力反而越不够用了。
为啥 AI 越聪明反而越缺算力？这事的根源，是算力的尽头其实是需求和供给两端在疯狂拉扯，需求端就像一个永远吃不饱的黑洞，正以指数级速度膨胀；而供给端则像一艘转不过弯的巨轮，还在缓慢爬行。
很多人不知道，AI 的算力需求根本不是跟着用户数线性上涨，而是像坐了火箭一样暴涨，英伟达 CEO 黄仁勋曾提出两条指数曲线：第一条是用户数量的指数级增长，第二条是每次使用所需的计算量同样在暴涨。
国家数据局 3 月初公布的数据显示，中国日均算力请求已经突破 140 万亿次，和 2024 年初的 1000 亿次相比，两年时间涨了 1000 多倍，而且增长还没放缓，仅近 3 个多月就又涨了 40% 以上。
以前用 AI，是人问一句、AI 答一句，现在的智能体却要自己跟自己反复对话几十上百次，甚至直接帮你完成代码操作，从一次问答变成了一整条工作流，你看起来只得到一句话回复，背后的算力账单却翻了数倍。
效率提升让用煤变得更划算，工厂越开越多，最后全社会烧的煤反而比以前更多，把这套逻辑平移到 AI 身上也一样：优质模型变得更便宜，开发者和企业就会部署更多应用、处理更多请求，最终算力消耗反而越变越大。
微软 CEO 纳德拉也说过，随着 AI 普及提效，使用量会飙升，最终成为日常生活离不开的一部分，技术省下来的算力，最后都会变成更庞大的调用次数，这就是 AI 越算越缺的真相。
供给端为啥追不上需求？既然需求猛增，那多建数据中心不就能解决问题？但现实远比这复杂，现在不光芯片、存储等原材料成了紧俏货，有的产能甚至排到了两年以后，就算攒齐了所有硬件，也未必能马上用上 —— 核心问题是缺电。
高盛集团统计显示，美国数据中心的用电需求从 2025 年的 31 吉瓦涨到 2026 年的 41 吉瓦，2027 年甚至会冲到 95 吉瓦，两年时间翻了番，而建一个大型变电站、排队并网，动辄需要 3 到 5 年，但 AI 模型几个月就能迭代一代，按这个速度，基建根本追不上科技狂飙的脚步。
就算突破了物理限制，还有一个残酷的商业规律逼得大厂不敢盲目扩张，Anthropic CEO 曾算过一笔账：这个行业砸钱搞算力，赌的根本不是方向，而是需求爆发的时间点。
如果对收入增长的预测偏差一年，或者实际赚钱速度只有预期的一半，那些几十亿建起来的还没折旧完的数据中心，就会从印钞机变成吸血鬼，压错时间的代价可能不可估量。
大厂们都想抢占先机，但没人敢闭着眼把全部筹码押上，只能一边试探一边小心翼翼扩产能，这场复杂的商业博弈，让算力缺口迟迟得不到填补。
行业正在怎么破局？面对算力荒，大家没在干等挨饿，聪明的工程师们已经在模型内部动起了脑筋，摸索出不少给 AI “瘦身” 的绝招：比如混合专家模型，说白了就是分科室看病，模型内部养一批专家，每次任务只调用一小部分，既能保住大模型的聪明劲，又能压低单次算力消耗。
还有知识蒸馏，就是让庞大的大模型手把手教一个小模型，学成之后，这个小模型能直接塞进普通人的手机里，运行起来极其流畅，另外还有量化技术，把原本需要精细小数的计算方式改成粗粒度整数，能把模型体积压到原来的 1/4 左右。
基建方面也没闲着，眼下热门的新方向是算电协同：把数据中心建在风电、光伏资源丰富的地方，通过跨省调度解决电力缺口，阿里云、华为云已经验证过这种模式，微软、谷歌等巨头也在满世界找电，买发电机，和核电站签长期购电协议，甚至讨论把数据中心搬到能直接晒到太阳的太空里。
说到底，算力短缺现在是整个行业都在经历的常态，翻开历史就能发现，几乎每一项颠覆社会的基础设施，在早期都经历过一模一样的剧本：电力刚普及的时候，电网建设跟不上用电暴涨，停电限电是家常便饭；互联网兴起时，宽带不够用，页面加载卡顿是共同记忆。
但这些窘迫都没能拦住水电和网络，最终变成人人离不开的必需品，一项技术要真正走进千家万户，中间必然会有一段难熬的追赶期，如今的 AI 也不例外，现在的算力荒只是过渡期的阵痛，随着行业各方发力，这个问题早晚会得到解决。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
