稀缺性正在推动硅谷以外的人工智能创新

多年来，人工智能基础设施的假设是，大型计算设施将建在超级云、开发者密度和资本集中的地方：硅谷、西雅图、伦敦等少数科技中心。这种地理集中有实际原因：大规模训练和部署AI需要数据中心、计算能力、网络容量、能源和先进基础设施。这种依赖逐渐固化为市场集中——亚马逊、微软和谷歌合计占全球企业云基础设施支出的近三分之二。

然而，这一旧逻辑已不再成立。计算变得越来越昂贵、能耗更高，且在少数主导提供商之外难以获取。建设者们开始面临这样的问题：电力从何而来？芯片能否运送到此司法管辖区？数据一旦移动，适用哪国法律？这些问题的答案正越来越多地在硅谷之外找到。

稀缺性教会我们什么 在成熟的云市场中，应对不断增长的AI需求的默认答案是增加更多容量：更大的云合同、更密集的数据中心建设、更深的中央化堆栈依赖。2024年，数据中心消耗了全球约1.5%的电力，这足以使能源成为AI基础设施的痛点之一。预计到2030年，这一比例将升至接近3%，使计算更难被视为AI产品背后的隐藏层。

在发展中世界，这种压力是起点。建设者很少有机会将计算接入、电力和分配视为他人的问题；他们必须为此设计。结果，严重的AI基础设施正在那些将稀缺性视为设计问题而非事后补救的地方建设。

这一模式在四处最为明显：在印度，Yotta Data Services运营的Shakti Cloud拥有超过16,000块Nvidia H100 GPU，并计划增加更多。印度AI使命（政府构建本土基础模型的计划）超过一半的计算能力位于Yotta的硬件上。今年早些时候，多语言平台Bhashini从外国超级云迁移到Shakti Cloud。Bhashini运行11种印度语言的实时翻译，他们做出决定：无法治理的基础设施是不可接受的。

在非洲，由津巴布韦企业家Strive Masiyiwa创立的Cassava Technologies正在南非、埃及、肯尼亚、摩洛哥和尼日利亚的数据中心部署12,000块Nvidia GPU。Cassava是非洲大陆首家Nvidia云合作伙伴；在此之前，Nvidia估计整个非洲大陆仅安装了约80块其GPU。限制不仅是定价，更是先进芯片的缺失。Cassava的应对之策是建设一个基于自有光纤骨干网的泛非洲网络，使非洲的初创公司、研究人员和政府无需通过欧洲或美国来训练和部署AI。

在巴西，政府的SoberanIA项目在皮奥伊州预留了500兆瓦用于主权AI工厂，完全由可再生能源供电。Scala Data Centers是其主要基础设施合作伙伴。巴西承诺在未来十年吸引高达3700亿美元的数据中心投资，并为100%使用可再生能源的项目提供税收优惠。巴西约65%的数据仍存储在海外。其赌注是丰富的水电和太阳能将为其主权计算提供比仍依赖天然气或煤炭的市场更清洁的起点。

阿联酋采取了最昂贵的路线。G42集团旗下的Core42销售基于Nvidia和高通芯片的推理能力，阿联酋已与美国合作，承诺建设一个10平方英里、5千兆瓦的AI园区，预计在本十年末部分投入运营。阿联酋的提议直截了当：希望拥有主权AI但无法自行构建底层堆栈的国家，可以向友好政府租用。这是一种深思熟虑的垂直整合策略——一次性拥有芯片、电力、数据中心和外国关系。

这些项目都共享一个初始假设：计算接入、电力、土地和芯片供应是首要设计问题，而非外部因素。这一假设产生了不同的基础设施。

为何推理改变地图 训练大型模型仍然需要密集集群、大量资本和先进芯片。这项工作短期内不太可能离开最大的超大规模设施。

推理则不同。模型被客户、设备、代理和企业系统持续使用。麦肯锡预计，到2030年推理将超过训练，成为AI数据中心的主要计算任务，占AI计算的一半以上，以及数据中心需求的30%-40%。

对于推理，问题在于计算应位于何处、响应速度多快、工作负载如何可靠路由、以及数据受哪国法律管辖。这些问题具有地理影响，超大规模集中无法良好应对，尤其是对于数十亿并非居住在美欧数据中心低延迟范围内的人们。

推理需求所需的计算结构比超大规模云单独提供的更广泛。分布式GPU容量、区域推理集群、主权云以及孟买、内罗毕、圣保罗和阿布扎比等地新兴的“新云”并非超大规模的替代品——它们是超大规模自身无法服务的层。

旧AI基础设施地图是围绕云容量集中地绘制的。当计算廉价且充足时，这张地图是有意义的。新地图将有所不同。它将围绕那些在计算昂贵且具有战略意义时学会建设的地方绘制，并且在那里，谁控制堆栈的问题更为重要。绘制新地图的公司和政府并非在追赶硅谷；他们是因为不得不面对问题而率先抵达。