一個反常識的故事

加州的光伏板鋪得越來越多，電價卻越來越貴——而且是在晚上。

這個現(xiàn)象困擾了加州政界多年。他們砸了無數(shù)補(bǔ)貼推廣綠色能源，光伏裝機(jī)量節(jié)節(jié)攀升，白天發(fā)電量甚至超過需求。按理說，電價應(yīng)該下降才對。

但現(xiàn)實(shí)恰恰相反：加州晚間電價不降反升，甚至出現(xiàn)負(fù)電價時段——白天電多到?jīng)]人要，晚上電不夠用。

原因很微妙，但一旦說出來就顯而易見：真正的瓶頸不是發(fā)電能力，而是儲能電池。

光伏白天拼命發(fā)電，卻沒有人把電存下來。到了晚上，太陽下山，用電高峰來臨，電網(wǎng)依然要靠天然氣和火電撐著。綠色能源投了再多，也解決不了晚上的問題。

這個案例之所以經(jīng)典，是因?yàn)樗沂玖艘粋€普遍規(guī)律：市場上最受熱議的制約因素，往往不是真正的瓶頸。

所有人都在聊光伏裝機(jī)量，沒人聊儲能電池。所有人都覺得"發(fā)電能力不夠"，但真正緊缺的是"把電存下來的能力"。

把這個邏輯套到AI行業(yè)，道理完全相通。

AI創(chuàng)業(yè)者的熱點(diǎn)陷阱

2024到2025年，AI行業(yè)最熱鬧的話題是什么？

GPU。

各大廠商瘋狂搶卡，自建數(shù)據(jù)中心的新聞鋪天蓋地，創(chuàng)業(yè)公司融資路演的第一頁P(yáng)PT必然寫著"算力自主可控"。如果你是一個AI創(chuàng)業(yè)者，你很難不被這種敘事裹挾——仿佛不搶到GPU，公司就要死；仿佛不自建數(shù)據(jù)中心，就不算認(rèn)真做AI。

但真正投身這個行業(yè)的人，很快會發(fā)現(xiàn)一個尷尬的事實(shí)：

你搶到了GPU，依然跑不動業(yè)務(wù)。

電力供應(yīng)不穩(wěn)定，機(jī)房隔三差五停電。建設(shè)周期拖了18個月，產(chǎn)品還沒上線競品已經(jīng)占領(lǐng)市場。算力到位了，但團(tuán)隊(duì)不知道怎么優(yōu)化推理成本，一個月燒掉半年預(yù)算。

這些問題，GPU本身解決不了。它們是GPU之前的問題——是電力、周期、運(yùn)營落地能力。

但你很少在媒體上看到這些討論。因?yàn)?電力供應(yīng)"不夠性感，"建設(shè)周期"不夠吸睛，"運(yùn)營優(yōu)化"聽起來像苦活累活。

熱點(diǎn)敘事只負(fù)責(zé)制造焦慮，不負(fù)責(zé)幫你找到真正的瓶頸。

什么是"核心制約因素"？

要理解為什么熱點(diǎn)會誤導(dǎo)決策，需要引入一個概念：核心制約因素（Core Binding Constraint）。

這個概念來自大宗商品市場和運(yùn)營研究。在電力市場，工程師會用線性規(guī)劃模型來優(yōu)化發(fā)電調(diào)度。模型會告訴你：在所有約束條件中，哪一個才是真正卡住你的——不是誰聲音大誰就緊缺，而是模型會輸出一個"影子價格"（Shadow Price），告訴你"放寬這個約束，總成本能降多少"。

創(chuàng)始人不需要搭建復(fù)雜的線性規(guī)劃模型，但需要同樣的思維框架：

第一步：用一句話寫下你的核心目標(biāo)。

比如："6個月內(nèi)推出一款有用戶使用的AI產(chǎn)品"。

第二步：列出所有會直接導(dǎo)致目標(biāo)失敗的約束條件。

注意，不是"可能有問題"，而是"目標(biāo)直接失敗"。

比如：

• 拿不到穩(wěn)定的電力供應(yīng) → 產(chǎn)品無法上線
• 數(shù)據(jù)中心建設(shè)周期超過18個月 → 產(chǎn)品錯過市場窗口
• 推理成本無法控制在可接受范圍 → 單位經(jīng)濟(jì)模型不成立
• 團(tuán)隊(duì)沒有運(yùn)營大規(guī)模算力的經(jīng)驗(yàn) → 算力到位也用不好

第三步：問自己——放寬哪一個約束，對我的目標(biāo)函數(shù)貢獻(xiàn)最大？

這才是你真正的瓶頸。不是GPU——GPU只是基礎(chǔ)設(shè)施的最后一環(huán)。前面還有電力、周期、運(yùn)營能力。任何一個環(huán)節(jié)掉鏈子，GPU再多也沒用。

為什么GPU不是你的核心制約？

讓我們拆解一下AI基礎(chǔ)設(shè)施的完整鏈條：

第一環(huán)：電力供應(yīng)。

你租得起GPU，但機(jī)房能給你穩(wěn)定的電力嗎？

2024年，美國數(shù)據(jù)中心平均電力需求增長了25%，部分地區(qū)已經(jīng)出現(xiàn)電力供應(yīng)緊張。在中國，內(nèi)蒙古、貴州等"算力樞紐"的電力保障相對充足，但如果你的業(yè)務(wù)在北上廣深，機(jī)房的電力配額可能早就用完了。

更關(guān)鍵的是：電力不是你想買就能買。電網(wǎng)審批、變壓器擴(kuò)容、備用電源配置——任何一個環(huán)節(jié)都可能拖上幾個月甚至一年。

GPU你可以租，但電力供應(yīng)往往要提前很久規(guī)劃。

第二環(huán)：建設(shè)周期。

自建數(shù)據(jù)中心看起來性感，但周期通常在18-24個月。

如果你的產(chǎn)品要在6個月內(nèi)上線，自建數(shù)據(jù)中心根本來不及。很多創(chuàng)業(yè)公司在融資時承諾"自建算力"，結(jié)果資金到位后發(fā)現(xiàn)建設(shè)周期遠(yuǎn)超預(yù)期，最終只能臨時租用第三方服務(wù)——但此時競爭對手已經(jīng)占領(lǐng)了市場。

周期本身就是一個約束條件，而且是一個容易被忽視的隱性約束。

第三環(huán)：運(yùn)營能力。

算力到位了，你的團(tuán)隊(duì)會用嗎？

大型科技公司的運(yùn)營研究員，早已習(xí)慣用線性規(guī)劃、整數(shù)優(yōu)化模型來規(guī)劃數(shù)據(jù)中心的運(yùn)營邏輯——負(fù)載均衡、故障轉(zhuǎn)移、成本優(yōu)化。但很多創(chuàng)業(yè)公司連基本的推理成本監(jiān)控都沒做，一個月燒掉半年預(yù)算才發(fā)現(xiàn)問題。

運(yùn)營能力不是"有了算力自然就會"的東西，它需要專門的團(tuán)隊(duì)、工具和經(jīng)驗(yàn)積累。

GPU只是最后一環(huán)。 它很重要，但它前面還有三環(huán)，任何一環(huán)掉鏈子，GPU都發(fā)揮不了作用。

把算力當(dāng)作"可選菜單"

理解了核心制約因素，接下來的問題是：我該怎么解決？

很多人默認(rèn)的方案是"自建數(shù)據(jù)中心"——因?yàn)檫@是市場宣傳最多的選擇。但實(shí)際上，獲取算力的方式不止一種。

站在AI創(chuàng)業(yè)者的角度，核心問題可以簡化為：AI企業(yè)該如何獲取電力與算力？

有四種主要方案：

方案一：自研GPU + 自行解決電力。

門檻最高，適合巨頭。需要巨額資金、技術(shù)積累和政府關(guān)系。對于絕大多數(shù)創(chuàng)業(yè)公司，這條路不現(xiàn)實(shí)。

方案二：自建數(shù)據(jù)中心。

周期長、資金占用大、運(yùn)營復(fù)雜度高。適合有長期規(guī)劃、資金充足的公司。如果你的核心制約是"算力自主可控"，且能接受18-24個月的建設(shè)周期，可以考慮。

方案三：使用第三方推理服務(wù)。

最靈活，上線最快。適合產(chǎn)品驗(yàn)證階段、資金有限、需要快速迭代的團(tuán)隊(duì)。但如果你的業(yè)務(wù)規(guī)模很大，推理成本可能成為新的約束。

方案四：租賃數(shù)據(jù)中心 / 與Crusoe類企業(yè)合作。

折中方案。比自建快，比純租用更可控。適合需要一定算力保障但不想自建機(jī)房的團(tuán)隊(duì)。

每種方案都解決了一些約束，但也會帶來新的約束。

自研GPU解決了算力問題，卻會陷入"找電力"的新瓶頸。自建數(shù)據(jù)中心看起來直接，但如果建設(shè)周期超過你的市場窗口，周期就會變成新的核心制約。租賃或用第三方推理服務(wù)，避開了一個瓶頸，卻可能換來成本或穩(wěn)定性的新約束。

核心問題只有一個：哪個方案能以最低成本解決你的核心瓶頸？

它會不會帶來新的、更致命的瓶頸？

三步找到你的核心制約因素

現(xiàn)在，讓我們把這個思維轉(zhuǎn)化為可執(zhí)行的步驟。

Step 1：定義目標(biāo)函數(shù)，列出約束條件

用一句話寫下你的核心目標(biāo)。

不要寫"做大做強(qiáng)"這種空話，要具體到可以驗(yàn)證的程度：

• "6個月內(nèi)推出一款有1000日活的AI產(chǎn)品"
• "在12個月內(nèi)實(shí)現(xiàn)推理成本降低50%"
• "在24個月內(nèi)建成自有算力集群"

然后列出會直接導(dǎo)致目標(biāo)失敗的約束條件——不是"可能有問題"，而是"目標(biāo)直接失敗"。

比如：

• 拿不到電力 → 產(chǎn)品無法上線
• 建設(shè)周期超過12個月 → 錯過市場窗口
• 推理成本過高 → 單位經(jīng)濟(jì)模型不成立
• 團(tuán)隊(duì)沒有運(yùn)營經(jīng)驗(yàn) → 算力利用效率低

這一步的核心意義很簡單：找不準(zhǔn)真瓶頸，你就會做無用功。

Step 2：用運(yùn)營現(xiàn)實(shí)驗(yàn)證

別只看市場報告，去看自己的運(yùn)營數(shù)據(jù)。

你的推理成本是多少？延遲多少？電力穩(wěn)定性如何？數(shù)據(jù)中心建設(shè)周期多長？算力利用率多少？

約束條件會體現(xiàn)在數(shù)據(jù)里。

大型科技公司的運(yùn)營研究員，會用線性規(guī)劃模型來規(guī)劃數(shù)據(jù)中心的運(yùn)營邏輯。當(dāng)所有約束條件無法同時滿足時，模型會直接給出結(jié)果——你需要放寬某些約束，不可能事事如愿。

創(chuàng)業(yè)公司不需要建復(fù)雜模型，但需要同樣的坦誠：數(shù)據(jù)不會騙人，它會告訴你什么才是真正緊缺的。

Step 3：選擇方案，接受新的約束

自建、采購、租賃、合資——不是追求"最正確的選擇"，而是"最不壞的選擇"。

每個選擇都會帶來新的約束，關(guān)鍵是你是否知道自己在接受什么。

• 選擇自建 → 接受長周期和高資金占用
• 選擇租用 → 接受成本結(jié)構(gòu)的不確定性和供應(yīng)穩(wěn)定性風(fēng)險
• 選擇合資 → 接受控制權(quán)的稀釋和協(xié)調(diào)成本

沒有完美方案，只有權(quán)衡。

結(jié)尾：限制你發(fā)展的，從來不是大家都在聊的東西

回到加州電力的案例。

多年以來，政界和媒體都在討論"光伏裝機(jī)量夠不夠""綠色能源補(bǔ)貼夠不夠"。但真正的問題始終是：儲能電池。

AI基礎(chǔ)設(shè)施行業(yè)，正在走向同樣的現(xiàn)實(shí)。

你可以癡迷于GPU，但最終還是要解決電力問題——或者，換一個不需要那么多電力的方案。你可以追逐"自建數(shù)據(jù)中心"的敘事，但如果建設(shè)周期超過你的市場窗口，一切都是徒勞。

限制你發(fā)展的，從來不是大家都在聊的東西。

而是你從未審視過的那個隱藏瓶頸。

第一步永遠(yuǎn)不變：明確目標(biāo)函數(shù)，列出所有約束條件。然后用數(shù)據(jù)驗(yàn)證，用坦誠面對現(xiàn)實(shí)。

價格會告訴你什么緊缺。模型會告訴你什么是核心制約。

你要做的，只是停止追逐熱點(diǎn)，開始審視自己。