torygreen

2026 不是封閉實驗室計畫要落幕的年份，而那個封閉前沿模型能收費的空間，在 @Kimi_Moonshot 的 K3 之後，如今寬度大約只有三個百分點
K3 剛剛以能力表現乾淨俐落地超越 Opus 4.8，且每個任務的價格只有一半，權重將在數天內公開。只有 Fable 5 和 GPT-5.6 Sol 目前仍位居其上。那條線以下的一切現在都是開放地帶：任何人都能以硬體成本提供模型服務，沒有研發利潤可用來回收。
這就是每一次封閉發布的全新算法。落在開放前沿之上，你就能為落差定價。落在或低於前沿，就等於在收取市場其實以成本價就能取得的東西的加價。第二名過去是 AI 的一門生意，但現在它只是免費下載。
而那條帶狀區域持續變窄。去年，開放模型落後約六到八個月。K3 將差距縮到大約一個世代之內，且 Qwen、GLM、DeepSeek 和 MiniMax 都排在它之後。
封閉實驗室不再只是彼此競逐最高點。他們正在以極快的速度競逐從下方迅速升起的底線。

.@nvidia 正在把 170,000 台 GPU 放到印尼的一座島上。該園區在 2 週前宣布，預計於 2027 年第 1 季上線，這個時間表在美國眼下幾乎不可能。
GPU 不是卡關點，Nvidia 正以營收分潤的方式提供其中的 170,000 台。真正稀缺的是：要在一個重要的時間軸內，把這些設備插到能運轉的地方。
美國的互連排隊在許多地區可長達 5 年以上。裝在用戶端（behind-the-meter）的燃氣渦輪機需要 18 個月。這個落差如今就是整個選址遊戲。
而在美國端，還有更多摩擦不斷被加入。僅在 Q1 就大約有 $130B 的產能被卡住或延後。弗吉尼亞州是地球上最大的資料中心市場，最近才又新增了每度電 0.011 美元的電力稅，粗略算就是 $100M /年，適用於 1 GW 的園區。
選址過去是房地產決策。現在則是電力採購決策，而且最快的答案正在外移到海外。

$130B 在資料中心專案中遭阻擋或延誤，發生在第一季。這與今年這一個季度就涵蓋了 2025 全年的情況相符。
75 個專案。反對團體在三個月內從 396 翻倍至 833，覆蓋 49 個州。年初前六週內提出 300+ 項法案，14 個州提出暫停（moratorium）提案，而紐約州議會剛通過一項一年期的暫停措施，針對任何超過 20MW 的事項。Gallup 顯示有 71% 的美國人反對在家附近設置資料中心；相較於大約半年前，這一比例上升。
與此同時，超大型雲端供應商（hyperscalers）計畫僅今年在資本支出（capex）上就花 $690B ，彷彿這些事都沒有發生。
以下是為什麼這是結構性的、而非循環性的：反對行動現在會在專案甚至尚未提出申請之前就動員起來。只要有資料中心的謠言，就足以引發有組織的抵抗。產業整體的供應預測假設許可只是例行公事，但它很快就變成了巨大的瓶頸。
電力原本應該是限制因素。結果發現，限制因素是分區（zoning）會議。

目前人工智慧領域最有價值的房地產，是肯塔基州一座已關閉的鋁冶煉廠。
@AnthropicAI 與 TeraWulf 的霍斯維爾園區簽訂了一份 190 億美元、為期 20 年的租約，取得 401 兆瓦電力；該園區前身為冶煉廠，擁有約 480 兆瓦的既有電網接線容量。TeraWulf 去年的營收約為 $1B ，而這份單一合約的價值幾乎相當於其二十年營收。
真正的資產是電力接入點。晶片可以大量製造，但兆瓦電力無法在一夜之間創造出來。
每個坐擁閒置電力的比特幣礦工，都在轉型成為 AI 房東：
> Hut 8 與 Anthropic 簽訂了 70 億美元、為期 15 年的協議
> IREN 正在追逐一個數十億美元的園區
> Core Scientific、Cipher 和 Riot 都在進行同樣的轉型
Anthropic 現在正在整合多吉瓦的電力承諾，並在要到 2028 年才能全面運作的場址上，簽訂 15 至 20 年的義務合約。
它們從未獲利，卻先鎖定電網，並押注商業模式會迎頭趕上。

AI投資正以46%的速度超越AI收入。在2001年的電信泡沫期間，這個差距是32%。我們已經超過了電信泡沫時期的水準，並且仍在加速邁向2027年每年$1T 的資本支出。
代幣價格則呈現另一面。矽數據LLM代幣支出指數在5月達到每百萬代幣2.06美元的峰值。現在是1.62美元。六週內下跌20%。自2023年以來下跌超過90%。
代幣總支出大致每年翻倍。更便宜的代幣正在擴大市場，而不是摧毀它。問題在於，當價格下跌時，資本支出帳單不會縮水。無論你收取每百萬代幣2美元還是0.50美元，基礎設施成本都相同。
訓練曾是具有有限時間表的資本支出。推論則是經常性的。當代幣價格壓縮90%時，提供模型的利潤率也隨之壓縮。客戶群在增長，但單位經濟效益正在稀釋。
超大型雲端運算的定價是建立在GPU容量稀缺且買家別無選擇的世界中。容量仍然稀缺。但為其支付溢價利潤率的意願正在減弱。

.@nvidia 不再只是參與晶片製造的遊戲。它正將自己定位為AI基礎設施經濟的直接參與者。
從最近的公告來看，他們正在為資料中心提供資金，並從中獲取所產生的雲端收入份額。
兩個最近的合作夥伴關係完美地說明了這一轉變：
21萬顆GPU，對應六年內250億至300億美元的承諾採購量
> Sharon AI $SHAZ 在澳洲部署40,000顆GB300
> Firmus在巴淡島將170,000個加速器擴展至360MW
與此同時，Nvidia與合作夥伴推出了XFRA，這是一套液冷GPU系統，適用於分散式部署，甚至可在小規模環境中運作。目前正在進行100個單元的試驗，聲稱相較於超大規模資料中心，成本降低5倍，建置速度提升6倍。
這一轉變具有戰略意義。Nvidia正從銷售硬體轉向獲取這些GPU在生產中創造的收益份額。現在它涵蓋了晶片、系統設計、軟體，以及越來越多的融資業務，使得協調變得更加容易管理。
真正的限制在於別處：將你並未製造的GPU、由你無法控制的營運商管理的GPU，聚合到能像單一機器一樣運作的叢集中。
這正是此方法旨在解決的難題。

70%的公司表示他們有在使用AI。但實際在生產環境中運行的代理程式，不到十分之一。
這個落差出現在史丹佛AI指數中——這是目前最常被引用、偏誤最少的AI資料集，而且並非由與結果有利害關係的實驗室所發布。
光是Google去年就在AI基礎設施上花費了超過1500億美元。前沿實驗室的營收正以歷史性的速度攀升，而計算支出也隨之同步增長，並未像一般基礎設施在規模化後那樣，隨著營收佔比下降。
採用從來就不是瓶頸。真正的瓶頸在於運行一個永不中斷的工作負載——檢查工具、執行操作、保持狀態——同時不讓成本結構在收益複利之前就吞噬掉營收。這是基礎設施問題，不是智慧問題，而這也是為什麼70%的採用率只產生了個位數的部署率。
這兩個數字之間的落差，就是那個尚未有基礎設施來支撐的市場。

2026年的人工智慧限制不在於模型品質，而在於電網容量。
PJM剛公佈維吉尼亞州的容量價格飆升833%。該州目前約有40%的電力送往數據中心，且進口電力超過加州。都柏林消耗了愛爾蘭全國電網近80%的電力。法蘭克福則佔區域供電量的42%。
國際能源署認為，到2030年數據中心需求將再翻一倍，而美國正在開發的項目中，有一半集中在已經電網吃緊的地區。
我們在每token用電量上越來越精簡，人工智慧在單一任務層面也持續提升效率。但我們執行這些運算的地理位置並未改變。而這個地理位置是任何人都無法優化掉的限制。

花時間研究推理數據時，有個統計數字不斷浮現。
2026年70%的AI推理將在邊緣運行。不在超大型資料中心。不在AWS上。而是在工業系統、自動化設備及連網裝置上——對這些裝置而言，往返雲端伺服器不只是延遲問題，而是故障模式。
這1060億美元的推理市場之所以成長，並非因為人們對AI發送更多「聊天」查詢。而是因為AI被嵌入持續運作的實體基礎設施中，這些設施運作於沒有穩定網路的環境，且無法負擔等待時間。
超大型資料中心的建設確實存在。7250億美元的資本支出承諾也是真的。只是這些資源瞄準的是那30%。

顯然，接近實體技術與實際採用它幾乎沒有太大關聯。
加州是所有前沿AI實驗室的所在地。紐約的財富500強企業比任何其他州都多。但兩者都被科羅拉多州超越，該州的企業AI採用率達到了23.2%，而紐約僅為13.8%。
科羅拉多州和亞利桑那州所擁有的，並非更好的基礎設施或人才。而是一種在行業尚未表明安全之前就願意行動的態度。最接近技術的州，往往部署技術的速度最慢，因為它們在現有運作方式上投入最多。
到了2026年，仍有四分之三的美國企業沒有以任何有意義的方式使用AI，而每一個關於AI重塑經濟的頭條新聞，描述的都是一個77%企業尚未進入的世界。
儘管模型每個月都在變得更好、更便宜。但問題歸根結底還是分發問題，而解決分發的層級從來都不是打造產品的層級。