真正的瓶頸早已不是芯片，而是電力。

Satya剛剛透露：整個AI行業的投資邏輯都錯了，市場根本沒有對相關公司進行重新定價。

微軟有機架成排的H100正在積灰，原因不是不想用，而是不能用——根本沒有相應的電力基礎設施來支持它們運行。

這意味著，所有那些根據芯片采購量和GPU數量為這些公司定價的分析師模型，從根本上就是錯的。你正在為錯誤的約束條件估值。 瓶頸早已轉移，而市場仍在像2023年那樣交易。

重寫資本支出方程

這完全改寫了資本支出的等式。

當微軟斥資500億美元購買英偉達GPU時，華爾街將其譽為AI投資，并推高了兩家公司的股價。但如果其中一半的芯片在貨架上閑置18個月，那么投資回報的時間線就崩潰了。

GPU在黑暗的機架中每多待一個季度，就意味著這個季度它不僅沒有產生任何收入，同時相對于英偉達下一代產品的性能還在貶值。你等于在用零回報抵消數據中心建設成本和芯片折舊費。

真正的贏家

在這場競賽中，真正能獲勝的，是那些在3-4年前就鎖定了電力采購協議的玩家，那時根本沒人考慮到AI推理集群需要上百兆瓦的電力。

那些及早與電力公司建立合作關系，或自建發電能力的超大規模云廠商，擁有了在任何合理時間范圍內都無法被復制的結構性優勢。

你可以在6個月內訂購10萬塊GPU并收到貨。但你無法在6個月內訂購500兆瓦的電力并讓它上線。這需要數年的審批、建設、并網和監管批準。

被忽視的第二重打擊：加速的折舊

Satya關于不想過度購買某一代GPU的觀點，是所有人忽視的第二個關鍵洞見。

英偉達的發布周期已經從兩年多壓縮到幾乎一年一次。這意味著今天購買的GPU，可能只有12到18個月的性能領先期，然后就會過時。

如果你不能立即部署它，你買到的就是一塊在產生任何收益之前，就已經在相對未來產品貶值的資產。在摩爾定律還比較慢的時代，采購和部署之間的時間差成本并沒有這么高昂。

刷新周期的壓縮還意味著，誰能最快部署，誰就能不成比例地捕獲巨大價值。

如果你能在6個月內為新容量通電，而對手需要24個月，你就多出了18個月的時間來享受推理服務的定價，直到競爭對手趕上。

部署速度現在直接成為芯片采購投資回報率的倍增器。這意味著擁有自有電力和地產的垂直整合玩家，能夠比任何依賴第三方數據中心或公共電網連接的對手行動得更快。

護城河已經改變

這徹底改變了競爭護城河的結構。舊的護城河是模型質量和算法改進。新的護城河是物理基礎設施和能源準入。

你可以在6個月內訓練出一個更好的模型，但你無法在6個月內建成一個通電的數據中心。這種約束會持續數年，并將在贏家和輸家之間創造出持久的差距。