本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记，提出 AI 繁荣背后有三张物理账单：电、芯片、推理。 Session 1 指出美国输电网难以建设，行业转向表后发电，从签约到出 token 需 16-17 个月，电力成为算力交付的真正瓶颈；讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体，揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限，AI 进晶圆厂第一站是良率检测，价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下，通过推理优化软件从现有 GPU 榨取更多性能。核心结论：三张账单的解法都是效率。
a16z 宣布筹集 11 亿美元设立「机器时代基金」，聚焦 AI 物理基础设施的全面重构。文章指出 AI 从聊天到推理再到编码的演进使算力需求呈指数级增长，机架算力密度提升 28 倍，功率从 5-10 kW 升至 250 kW 并将在三年内达 1MW，数据中心迈向 GW 级别。该基金将投资芯片、内存、网络、存储、数据中心、机器人等全栈基础设施。a16z 强调硬件是其团队基因，已投资 Skydio、SpaceX、Anduril、Waymo 等公司，如今正式将硬件投资作为核心战略方向。
本文深入分析了AI推理时代HBM（高带宽内存）成为新主角的原因，指出推理过程中数据搬运的耗时往往超过计算。文章详细解释了HBM的3D堆叠技术优势、HBM4采用先进逻辑工艺带来的产业链变化，以及SK海力士、三星、美光三大厂商的市场份额与技术路线竞争，并探讨了内存厂商在AI基础设施中获取超高利润的商业逻辑。
文章整理了黑石集团总裁兼COO Jon Gray面向100多位全球顶级投资者闭门演讲的10个核心观点。Gray认为当前AI浪潮更接近1870年工业革命的开端而非2000年互联网泡沫：Anthropic和OpenAI等模型公司收入一年增长100倍达1050亿美元；黑石投资的14家AI公司收入增长21倍至5.25亿美元；超大规模数据中心资本开支达8200亿美元，占美国GDP的2.5%。他指出真正的瓶颈在芯片、电力和数据中心等物理世界，黑石押注技术栈最底层的计算、电力与土地，追求确定性回报。
文章从算力角度分析机器人产业的投资逻辑：前沿机器人模型（VLA、WAM）参数量大，边缘芯片无法承载，将认知层卸载到数据中心成为必然趋势。通过对比卸载方案与端侧方案的资本开支和TCO，指出卸载方案在规模化后成本更低。受网络与安全回退条件限制，云端方案适用于工厂、仓库、家庭等场景。作者认为算力是机器人的大脑前提，XAI等算力投入会优先于具身智能量产，看好机器人未来等同于看好算力投资，本质上是同一个问题。
作者指出 GPU 行业最大的瓶颈并非芯片、CoWoS 或电力，而是信用与残值市场的缺失。银行将 GPU 折旧后残值建模为零，导致资产难以证券化、缺乏对冲工具，小玩家融资成本高达 SOFR+900bps，需巨额首付。文章分析了 NVIDIA 对 OpenAI 数据中心的残值担保、Lambda 和 CoreWeave 的贷款结构，指出这些交易实际依赖客户信用而非硬件清算价值；并对比二手车（Manheim 指数）等行业，介绍 Kalshi H100 合约、Silicon Data 租赁基准及 CME 计划上市的 H100/B200 租赁期货，探讨 GPU 残值定价与算力融资市场的未来。
文章分析AI基础设施供应链中的牛鞭效应：从2023年GPU短缺开始，压力依次传导至内存、服务器CPU，再到2026年的大容量存储短缺。HBM生产挤占传统DRAM产能导致SSD价格暴涨，Agent工作流推动CPU需求上升。同时数据中心建设成本高达每吉瓦200亿美元，变压器和涡轮机交付周期长达数年。作者警告，若终端软件收入无法匹配巨额资本支出，2027-2028年新增产能交付时或将面临产能过剩危机。
作者介绍了10家值得关注的美股公司，串起AI行情的完整产业链：从芯片(NVDA、AVGO)、制造(TSM)、内存与存储(MU、SNDK)、AI云(NBIS、CRWV)、电力散热(VRT)，到AI软件(PLTR)和应用生态(GOOGL)。文章逐一分析各公司的商业模式、核心看点、护城河与风险，强调投资是理解商业和趋势的训练，并提醒高增长股票波动大，不构成投资建议。
NVIDIA与SB Energy合作，在俄亥俄州PORTS-Pike技术园区为OpenAI部署AI工厂，初期容量达4.25吉瓦。此次合作标志着NVIDIA将保障土地、电力和外壳（LPS）资源作为战略重点，通过CUDA生态确保计算资源的通用性和可复用性，支持前沿AI实验室的发展。
NVIDIA宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR等机构合作，建立独立融资平台，旨在动员超过5000亿美元的第三方资本，用于支持AI基础设施的建设。这标志着AI从研究转向生产，AI工厂成为可融资的生产性基础设施。NVIDIA的AI工厂平台具备灵活性、可互换性和软件升级能力，其经济价值随时间增长，如A100芯片在发布六年后仍在使用。这些特性使AI工厂成为可投资的基础设施资产。NVIDIA将提供平台，金融机构独立评估项目并融资，NVIDIA可能提供最高25%的残值支持。此举旨在解决AI基础设施融资不均的问题，开启AI基础设施的公开资本市场。
本文为 Chris Lee（李书沸）关于《AI 超级周期》的深度访谈。他提出 AI 投资应基于能源、芯片、存储、光互连和云端“五层产业链加 Crypto”的框架。核心观点认为 AI 真正的瓶颈在电力而非算力，因此极度看好能源与 AI 硬件。同时，由于寡头垄断和长期合约锁定，HBM 存储正脱离传统周期股逻辑。在芯片格局上，英伟达凭借 CUDA 生态稳固训练市场，而 ASIC 将在超大客户推理端分羹，两者共存做大蛋糕。强调掌握产业链稀缺节点和资产配置远比单纯选股更重要。
文章复盘了AI算力产业链瓶颈的演变路径，指出限制已从单一GPU供应扩散到电力、存储、光互连等多维集体紧张。详细解析了从计算（GPU）、存储（HBM）、光互连到电力/液冷的四阶段传导逻辑，强调了供应链互补约束下的价值重分配。
文章整理了一份2026年科技圈的高频缩写表，涵盖AI算力、服务器硬件、网络互联、存储及模型架构等核心技术领域。通过通俗解读GPU、ASIC、CPO、LPO、MoE等关键术语，揭示了AI产业链的底层逻辑与未来技术演进方向。
