一平米承重五吨、月息差三个点：AI算力竞赛的隐形门槛

一平方米承重从过去的1吨涨到起步3吨、部分项目按5吨设计——这组数字来自联想集团副总裁陈振宽在9月16日行业交流会上的表述。他同时指出，一个超节点生产基地需要至少30兆瓦电力供应以及110千伏变电设施配套。

同一场会上，重阳投资董事长王庆给出了另一组数据：有大型云厂商信用背书的算力基础设施项目，融资利率约5.3%至6.6%；缺乏背书的同类项目，融资成本则飙升至8.5%至9%。

这三个百分点的成本差异，叠加厂房和电力的硬约束，正在构成一道前所未有的准入筛选机制。国内目前约5家AI芯片企业有能力支持超节点，而明年预计会有十余家推出相关产品。谁能跨过这道门，取决于资金，而非技术本身。

从算卡到算地皮：硬件门槛翻了数倍

如果把超节点拆解开来看，它并非一台更大的服务器，而是由算力柜、电力柜、存储柜和连接柜组成的系统综合体。过去谈AI算力，人们首先想到的是GPU——谁的芯片性能更强、更多。但到了超节点层面，这套认知需要被彻底刷新。

陈振宽的比喻很直白：以前服务器生产线可以放在二楼、三楼，每平方米承重约一吨就够了；现在不行了。新一代设备要求起步达到每平方米三吨，部分项目甚至要按照五吨来设计，设备必须铺在一楼，下方不能建地下车库。

这不是小事。对于新建数据中心而言，建筑承重要求翻倍意味着什么？以传统钢结构厂房测算，承重指标每提升一吨，土建成本将增加约200至400元/平方米。若按一个30兆瓦级别的超节点基地占地两万平方米计算，仅承重一项的增加就可能额外推高建安成本数百万元。更关键的是，这相当于直接排除了大量既有厂房改造的可能性——许多现成工业地产只能继续服务于边缘计算，而无法承接真正的训练集群需求。

电力层面的约束同样刚性。单个基地至少30兆瓦的最低需求量是什么概念？一个典型的中型工厂用电负荷大约在5到10兆瓦左右。也就是说，一个超节点基地的电力需求，等于3到6个中型工厂加起来。当地不仅需要专线供电，还需专门配备110千伏变电站。在中国中西部大多数城市，这样的配电能力需要经过数年规划和审批才能到位。

换言之，选址不再是简单的"哪里地价便宜去哪里"的问题，而是变成了"哪里有足够的新增配电容量"的问题。

13种协议打架：标准碎片化如何吃利润

如果说厂房和电力是物理层面的门槛，那么互联协议的碎片化则是另一种更隐蔽的壁垒。

陈振宽在同一次会议上提到，仅Scale-up（节点内高速互联）这一项领域，国内就出现了"12个厂商、13个协议"的局面。这意味着，如果你今天用A芯片搭建了一套超节点架构，明天想替换为B芯片，不仅芯片本身的算力接口要重新适配，电源方案、液冷回路、网络拓扑可能全部要打散重来。

这听起来像是纯技术问题，但它的核心影响其实落在钱上。

想象一家中小AI芯片公司，为了进入某头部互联网大厂的数据中心，必须先通过该厂的认证测试。测试过程中，这家芯片供应商不仅要证明自己的芯片性能达标，还得证明自己的整套生态（包括内存、互联方案、驱动软件等）能兼容目标平台的硬件形态。如果大厂的硬件方案又因客户不同而频繁调整——因为每家客户的Scale-up需求各异——那意味着供应商的适配周期将被无限拉长。

据一位不愿具名的芯片架构师分析，在当前这种碎片化环境下，单款AI芯片产品线的研发成本已经远超移动互联网时代任何一款应用软件的规模。因为每一代升级，都牵动着上游交换芯片、PCB板、光模块、HBM存储等整条供应链的重做。

这也解释了为什么只有少数玩家能站在这里。

融资利率的三个百分点，就是生与死的距离

回到那场交流会上最让人意外的数据对比。

中信建投证券武超估算，今年北美CSP（云服务提供商）年度资本开支约8000亿美元，中国约1万亿元人民币。相比过去二十年移动互联网时代的每年约1000亿美元底层开支，扩大了近10倍；如果算上整个供应链环节，放大约达20倍。

资本开支膨胀的速度远超模型能力的迭代速度。武超明确指出，目前算力产业链已攫取了AI产业90%以上的收入和利润，模型和应用端仍处于激烈竞争阶段。换句话说，现阶段最确定的利润池不是你在哪个大模型上用得好，而是你能为这些大模型提供多少GPU。

问题在于，这个生意越来越重了。

重阳投资董事长王庆在会上披露的信息表明：获得大型云厂商信用背书的项目，融资成本可压在5.3%至6.6%；反之则高达8.5%至9%。表面上看差了两个多百分点，但在动辄数十亿元级别的基础设施项目中，几个百分点的差异足以完全改变项目的内部收益率（IRR），进而决定这笔钱能不能投。

以一笔20亿元的中长期基础设施贷款为例，6%年化利率对应每年利息支出约1.2亿元，而9%则升至1.8亿元——三年期下来就是近2亿元的利差差额。对于一个刚起步、尚未产生规模化收入的AI芯片公司来说，这种规模的经常性费用压力往往等同于生存与否的分界线。

"在大规模基础设施项目上，几个百分点的成本差异足以改变投资回报率。"王庆的原话，可以被理解为一种委婉的判断。

谁来买单？泡沫还是外溢效应？

巨大的资本开支终归需要商业回报来闭环，而这正是市场争论的核心所在。

高金智库首席经济学家彭文生提出了一个值得留意的视角：技术创新具有外部性，一项新技术带来的生产率提升最终可能由全社会分享，而最初的成本和风险却由具体投资者和企业承担。如果每个企业都仅仅按照自身短期财务回报来做投入决策，那么对新技术的总体投入反而可能出现系统性不足。

这当然是宏观叙事的逻辑。但对于企业个体而言，他们面临的现实更为简单粗暴——如果融不到便宜的钱，建不起合标的厂房，那就只能退赛。而退赛的代价，是失去下一代AI基础设施市场的入场券。

2027年被业内视为超节点大规模商用的关键窗口期。届时，十余家国产AI芯片企业将陆续推向市场。这场竞赛的胜负手，或许不再是谁家的芯片跑分更高一点，而是谁能以更低的资金成本建成更大规模的交付体系。

拿到GPU只是第一关。接下来的顺序是：HBM供应、互联协议、散热方案、厂房电力、融资利率，最后才是商业回报。任何一个环节卡住，都可能成为下一阶段算力扩张的实际瓶颈。

观察未来两年AI芯片赛道走向，建议重点关注以下五项指标：其一，哪些企业获得了头部云厂商的联合采购或战略合作意向公告；其二，超节点相关产业园新开工项目中，配电容量（以110千伏变电站数量计）是否出现集中放量信号；其三，Scale-up互连协议是否有明确的行业标准组织推动收敛时间表；其四，各AI芯片企业的融资轮次及对应估值变化轨迹；其五，算力产业链上市公司毛利率变化趋势，尤其是从中游代工环节向上游零部件环节的传导情况。