随着企业和投资者逐渐摆脱初期的狂热，转而关注运行人工智能系统所需的数据中心基础设施，人工智能领域的投资正进入一个更加审慎的阶段。

高盛最近的分析表明，市场正朝着该机构所描述的“追求优质资产”的方向发展。实际上，投资者正更加关注那些拥有并运营大型数据中心和计算基础设施的公司。而提供窄域人工智能工具或实验性软件的公司则受到较少关注。

高盛预计，随着企业为模型训练和部署扩大计算能力，人工智能基础设施的支出将快速增长。超大规模云服务商每年都在新建数据中心和计算硬件上投入数百亿美元。网络系统也在不断扩展，以支持这一增长。

AI需求正在重塑数据中心市场

高盛研究部预计，随着云服务和企业应用对计算能力的需求增长，未来两年AI工作负载可能占数据中心总容量的约30%。这一变化反映了AI任务与传统云工作负载的差异。训练大型模型需要数千个芯片长时间并行运行。推理（即生成响应或预测的过程）在服务运行时也需要稳定的计算能力。

云服务提供商和AI开发者目前正以云计算早期阶段未曾见过的速度扩充数据中心容量。基础设施需求已超越计算硬件范畴，能源供应正成为AI竞赛中的核心议题。

高盛研究部预计，到2030年，全球数据中心的电力需求可能较2023年水平增长约175%，这主要由AI工作负载驱动。该机构表示，这一增幅大致相当于向全球电网新增一个全球前十大耗电国的电力需求。不断增长的电力需求也促使公用事业公司和政府考虑对能源基础设施进行新的投资。

基础设施的限制正在塑造AI战略

日益增长的电力和制冷需求正在影响新AI数据中心的选址。空间需求同样影响着选址决策。大型设施通常位于稳定的能源供应源和高容量光纤网络附近。一些公司正在偏远地区建设AI训练集群，因为在那里更容易获得土地和电力。数据中心的选址也会影响环境影响。关于AI基础设施的学术研究表明，制冷系统和地理位置对能源消耗和用水量的影响，与硬件效率同样显著。

这些限制正开始影响科技公司规划AI战略的方式。构建新模型或软件仅是挑战的一部分。企业还必须确保拥有可靠运行这些系统所需的基础设施。在许多情况下，建设这些基础设施需要数年时间。

大型数据中心的建设涉及复杂的供应链。项目通常需要征地和电网接入。许多项目还依赖于长期能源协议。电力设备短缺和电网扩建延迟都可能拖慢新项目的进度。这些制约因素有助于解释为何投资者正更加关注那些已掌控大型数据中心网络的企业。

AI市场的筛选阶段

在生成式AI应用的第一波浪潮中，许多公司仅凭与AI挂钩就看到了市值的上涨。随着投资者重新评估AI增长将出现在何处，这一阶段现在正开始发生变化。

投资者正在审视哪些企业具备支撑长期部署所需的基础设施和营收模式。数据中心运营商和芯片制造商处于该生态系统的核心位置。无论哪种AI应用获得市场认可，它们的服务都是不可或缺的。

在以往的计算技术发展浪潮中，构建底层基础设施的企业往往能获得稳定的收入。相比之下，软件平台的兴衰则更为迅速。如今，AI领域可能正在形成类似的动态。

基础设施的扩张也引发了新的问题。能源需求和电网容量正成为政府和行业规划者面临的核心问题。环境影响也正受到更严格的审查。

在未来几年，人工智能经济对发电厂和冷却系统的依赖程度，可能不亚于对算法和软件的依赖。这一现实正在塑造人工智能竞赛的下一阶段。