真正的瓶颈早已不是芯片，而是电力
Satya刚刚透露：整个AI行业的投资逻辑都错了，市场根本没有对相关公司进行重新定价
微软有机架成排的H100正在积灰，原因不是不想用，而是不能用——根本没有相应的电力基础设施来支持它们运行
这意味着，所有那些根据芯片采购量和GPU数量为这些公司定价的分析师模型，从根本上就是错的。你正在为错误的约束条件估值。 瓶颈早已转移，而市场仍在像2023年那样交易
重写资本支出方程
这完全改写了资本支出的等式
当微软斥资500亿美元购买英伟达GPU时，华尔街将其誉为AI投资，并推高了两家公司的股价。但如果其中一半的芯片在货架上闲置18个月，那么投资回报的时间线就崩溃了
GPU在黑暗的机架中每多待一个季度，就意味着这个季度它不仅没有产生任何收入，同时相对于英伟达下一代产品的性能还在贬值。你等于在用零回报抵消数据中心建设成本和芯片折旧费
真正的赢家
在这场竞赛中，真正能获胜的，是那些在3-4年前就锁定了电力采购协议的玩家，那时根本没人考虑到AI推理集群需要上百兆瓦的电力
那些及早与电力公司建立合作关系，或自建发电能力的超大规模云厂商，拥有了在任何合理时间范围内都无法被复制的结构性优势
你可以在6个月内订购10万块GPU并收到货。但你无法在6个月内订购500兆瓦的电力并让它上线。这需要数年的审批、建设、并网和监管批准。
被忽视的第二重打击：加速的折旧
Satya关于不想过度购买某一代GPU的观点，是所有人忽视的第二个关键洞见
英伟达的发布周期已经从两年多压缩到几乎一年一次。这意味着今天购买的GPU，可能只有12到18个月的性能领先期，然后就会过时。
如果你不能立即部署它，你买到的就是一块在产生任何收益之前，就已经在相对未来产品贬值的资产。在摩尔定律还比较慢的时代，采购和部署之间的时间差成本并没有这么高昂
刷新周期的压缩还意味着，谁能最快部署，谁就能不成比例地捕获巨大价值。
如果你能在6个月内为新容量通电，而对手需要24个月，你就多出了18个月的时间来享受推理服务的定价，直到竞争对手赶上
部署速度现在直接成为芯片采购投资回报率的倍增器。这意味着拥有自有电力和地产的垂直整合玩家，能够比任何依赖第三方数据中心或公共电网连接的对手行动得更快
护城河已经改变
这彻底改变了竞争护城河的结构。旧的护城河是模型质量和算法改进。新的护城河是物理基础设施和能源准入
你可以在6个月内训练出一个更好的模型，但你无法在6个月内建成一个通电的数据中心。这种约束会持续数年，并将在赢家和输家之间创造出持久的差距
