中美主導全球生成式AI早已成為不爭的事實，但其他國家也並非都是陪跑角色。瑞銀近期發佈一份研究報告，稱海灣地區憑藉低成本高韌性電力接入的適宜土地，以及支援推理設施建設的強力政策，正成為全球資料中心開發的核心優選區域。據瑞銀測算，在完全折舊的前提下，電力成本佔資料中心整體物料成本的5%-10%。海灣地區充裕的電力容量使其成為建設AI推理設施的低成本區域。此外，海灣地區發展動能正逐步積聚：與超大規模雲服務商、晶片製造商的數吉瓦級合作已逐步落地，貿易限制持續放寬，電網升級計畫與國家級戰略穩步推進，同時終端與企業側對AI推理的旺盛需求，共同構築了良好的產業發展環境。不過，鑑於地緣政治重要性與敏感性，瑞銀判斷用於預訓練的超大型資料中心園區仍大機率保留在美國。Part.01 AI縮放定律近年來，AI資本開支規模與投入強度的大幅增長，源於模型智能度與算力/資料規模的強相關性，這一規律被稱為AI縮放定律。在過去的深度學習時代，該定律發生了範式轉變：更大規模的資料集、高性能硬體及演算法最佳化共同推動算力需求激增。據EpochAI資料，2010-2024年，AI訓練所用算力呈指數級增長，每6個月便實現翻倍，遠高於20世紀50年代機器學習系統誕生初期超20個月的翻倍周期。與此同時，每一輪算力擴容都伴隨能耗的顯著攀升。新一代晶片的單GPU功耗持續走高：輝達晶片的最大功率需求已從安培架構的400瓦，提升至霍珀架構的700瓦、布萊克韋爾架構的1200瓦，預計魯賓架構將達到約1800瓦。除單晶片功耗外，算力叢集規模的擴大進一步推高整體能耗；儘管硬體能效提升可部分抵消算力增長帶來的電力需求，但綜合來看，EpochAI測算2010-2024年，前沿AI模型訓練的總電力需求年均增幅仍超100%。上述趨勢凸顯了電力成本對資料中心營運的關鍵意義——電力已成為資料中心最大的營運成本項。Part.02 合作驅動海灣地區AI基礎設施增長全球頭部生成式AI基礎設施建設方已與海灣地區達成多項合作，其中阿聯的合作項目最為典型：阿聯星門項目2025年5月，輝達、甲骨文與OpenAI宣佈在阿布扎比落地星門項目，複製其在美國的星門基礎設施建設模式。根據規劃，該項目將依託輝達最先進的GB300晶片打造1吉瓦算力容量，且是總投資規模預計達5000億美元的全球星門計畫的組成部分。同時，這也是“面向國家的OpenAI”全球倡議下的首份協議，該倡議隸屬於美國星門計畫，旨在幫助美國以外地區建構自主AI能力。1吉瓦算力叢集將由當地科技企業G42承建，甲骨文與OpenAI負責營運，輝達、思科及軟銀提供技術支援，叢集將落戶阿布扎比新建的美阿AI園區，該園區是整體AI基礎設施基地的一部分，未來總算力規劃達5吉瓦。微軟在阿聯的佈局微軟已承諾2023-2029年在阿聯投資152億美元，其中包括向G42注資15億美元，並近期宣佈在該區域建設200兆瓦資料中心園區。此外，微軟聯合貝萊德、MGX及全球基礎設施夥伴成立AI基礎設施合作聯盟，承諾總投資規模達1000億美元，輝達與xAI已於今年早些時候加入該聯盟。沙烏地阿拉伯的合作項目Google與沙烏地阿拉伯公共投資基金達成100億美元合作，將在沙烏地阿拉伯建設並營運全新的雲與AI樞紐，聚焦區域本土化AI應用。亞馬遜與沙烏地阿拉伯PIF旗下AI企業HUMAIN達成超50億美元投資協議，將打造開創性的“AI專區”，該區域基礎設施將配備約15萬顆晶片（含亞馬遜Trainium晶片及輝達GPU），此投資為亞馬遜此前宣佈的53億美元沙烏地阿拉伯基礎設施投資（2026年投用）的增量項目。高通與HUMAIN達成合作，計畫2026年採用高通加速器建設200兆瓦資料中心，但因細節尚未披露，該項目的確定性低於上述合作。Part.03 海灣地區AI應用落地進展如何？海灣地區是技術前瞻性極強的區域，擁有成熟的消費市場、創新技術資本及強力政策支援。例如，阿聯早在2017年便將AI列為國家戰略優先事項，目標2031年成為全球AI領導者，推動AI在醫療、能源、水務、教育等領域的跨行業融合，並以此提升政府治理效能。因此，海灣地區的終端與企業AI滲透率整體處於全球領先或持平水平：德勤資料顯示，阿聯及沙烏地阿拉伯58%的消費者會每日或每周使用AI工具，顯著高於英國的約20%。微軟AI滲透報告指出，阿聯的人均AI使用量位居全球第一，遠超全球均值。企業端方面，德勤調研顯示海灣合作委員會國家在AI應用意願、工具落地普及率及智能體部署進度上與全球企業基本持平，考慮到AI智能體整合的成本與時間投入，瑞銀預計海灣地區國家AI工具的普及將與全球趨勢同步。瑞銀認為，AI擴散規則的調整及AI縮放定律驅動的算力需求快速增長，為GCC國家成為領先AI基礎設施區域奠定了堅實基礎；疊加充裕電力、深厚資本市場及高技術接受度的消費群體，該區域AI相關基礎設施具備強勁增長潛力。 (智通財經APP)

一場由人工智慧（AI）革命驅動的全球性供應鏈危機正在形成，其影響深度與廣度已超越傳統的周期性短缺。這場危機的核心矛盾在於：爆炸式增長的AI算力需求，正與傳統製造業爭奪有限而關鍵的資源，從最前端的半導體晶片，延伸到電力、冷卻系統乃至工業金屬，重塑著全球生產和貿易格局。危機的起點集中於AI晶片及其製造環節。訓練和運行大語言模型需要海量的高端圖形處理器（GPU），這導致輝達等公司的先進晶片持續供不應求，交貨周期漫長。然而，瓶頸遠不止於成品晶片。製造這些晶片所必需的極紫外（EUV）光刻機等尖端裝置同樣產能受限，其複雜的供應鏈使得擴產速度無法跟上需求激增。此外，用於晶片封裝的CoWoS等先進封裝產能也已成為全球性的緊缺資源。更深遠的影響沿著產業鏈向上游傳導。AI資料中心的巨量能耗，正與工業生產和居民生活“爭奪”電力。在美國和歐洲部分地區，電網已面臨壓力，新的資料中心項目甚至因無法獲得穩定供電而被推遲。與電力配套的資料中心冷卻系統，其所需的零部件（如泵、冷卻劑）交貨時間也大幅延長。危機進一步蔓延至基礎原材料領域。用於製造伺服器機櫃、散熱系統以及電力基礎設施的銅、鋁等工業金屬，因AI基礎設施建設潮而需求大增。同時，為AI晶片提供超高速儲存支援的高頻寬儲存器（HBM），其產能已被幾家頭部企業鎖定，導致價格飆升並擠佔了其他儲存晶片的產能。這場由單一技術浪潮引發的廣泛短缺，本質上是新舊經濟模式對核心資源的一次重新配置。與傳統製造業不同，AI基礎設施的建設者——大型科技公司和雲服務提供商——對成本的承受能力更高，對獲取戰略資源的意願更為迫切，從而迅速推高了關鍵環節的價格並佔據了供應優先權。面對這種結構性變化，全球主要經濟體正採取不同策略。美國通過《晶片與科學法案》等產業政策，大力推動本土半導體製造和綠色能源投資，以夯實AI基礎設施的底層供應。中國則在強化晶片自主可控的同時，利用其在太陽能、風電等綠色能源領域的製造優勢，為資料中心建設提供可持續的電力解決方案。分析指出，此次供應鏈危機不會在短期內輕易緩解。它標誌著全球產業正步入一個以“算力”為核心資源進行配置的新階段。如何平衡AI前沿發展與傳統產業的基礎資源需求，建構更具韌性和彈性的新型供應鏈體系，將是各國政府和企業共同面臨的長期挑戰。這場由AI掀起的浪潮，正在考驗著全球工業體系的適應與進化能力。 (晶片行業)

蔡崇信近期在香港大學陸佑堂做了一次演講。一、中國AI的真正優勢：不是模型，是整個生態蔡崇信開場就拋出一個反直覺的觀點：美國人定義的AI競賽規則是錯的。美國人怎麼算誰贏？看誰的大語言模型（Large Language Model）更強。今天是OpenAI領先，明天是Anthropic，後天可能是別人。但蔡崇信說，這個計分方式本身就有問題。真正的贏家不是誰有最好的模型，而是誰用得最好。"The winner is not about who has the best model. The winner is about who could use it the best in their own industries, in their own lives." （贏家不是看誰模型最好，而是看誰在自己的行業和生活中用得最好。）這個判斷的底層邏輯是：AI的價值在於滲透率（penetration rate）。中國國務院的AI規劃就很務實——到2030年，AI代理和裝置的滲透率要達到90%。不講玄學，只講普及。那中國憑什麼能普及得更快？蔡崇信列了一張完整的底牌清單。1、電力：15年前埋下的伏筆訓練大模型、跑推理（inference），本質上都是在燒電。中國的電力成本比美國低40%。為什麼？因為15年前中國就開始大規模投資電力傳輸基礎設施。北方發的電要送到南方，新能源產地和用電需求地往往不重合，必須靠輸電網路打通。中國國家電網每年資本支出900億美元，美國只有300億——三倍的差距。結果是什麼？中國的電力裝機容量是美國的2.6倍，而且新增裝機容量是美國的9倍。這個差距還在拉大。2、資料中心：成本碾壓在中國建一個資料中心，成本比美國低60%。這還沒算晶片，只是基建。3、工程師紅利：全球一半的AI人才有中國學歷背景蔡崇信提到一個有趣的資料：全球幾乎一半的AI科學家和研究人員，都有中國大學的學位——無論他們現在在美國公司、中國公司，還是世界任何地方工作。他還講了個段子。最近社交媒體上有人吐槽，說自己在Meta（Facebook）的AI團隊裡，同事們都在用中文交流想法，他完全聽不懂。"This is the first time Chinese language is an advantage." （這是中文第一次成為一種優勢。）以前中國公司出海，語言是劣勢——在義大利開辦公室，當地人不會說中文，中國員工得用第二語言溝通。但在AI領域，全球的華人工程師用中文分享想法、交換思路，這反而成了資訊優勢。4、資源匱乏逼出來的系統級創新美國有大量GPU，中國沒有。但蔡崇信說，匱乏反而創造了優勢。"China being lacking in GPUs actually creates an advantage of starvation. When you don't have a lot of resources, you are forced to innovate at the systems level." （GPU的缺乏反而創造了'飢餓優勢'。當你沒有足夠資源時，你被迫在系統層面創新。）訓練一個兆參數的模型，如果系統效率不高，GPU消耗會非常恐怖。中國團隊因為硬體受限，必須把系統最佳化做到極致。DeepSeek就是這麼逼出來的——阿里的通義千問（Qwen）模型剛剛贏得了一場為期兩周的加密貨幣和股票交易AI競賽，DeepSeek排名第二。蔡崇信對DeepSeek毫不吝惜讚美："我們在杭州的鄰居，他們做的事情令人難以置信。"二、開源為什麼會贏：成本、主權、隱私的三重邏輯這可能是整場演講最核心的判斷。蔡崇信的觀點很直接：開源模型會擊敗閉源模型，不是因為開源更先進，而是因為開源更符合全球大多數使用者的利益。他舉了個例子。假設你是沙烏地阿拉伯，想發展AI，又想保持"AI主權"（sovereign AI）——意思是AI不受外國控制。但你沒有人才自己開發模型。這時候你有兩個選擇：選擇一：通過API使用OpenAI。付很多錢，而且資料要喂進去——你不知道資料去了那裡，那是個黑箱（black box）。選擇二：直接下載阿里的開源模型，部署在自己的私有雲上。免費，而且資料完全可控。成本和隱私，兩邊都贏。所以無論是政府還是企業，只要認真做成本效益分析，都會傾向於開源。那阿里怎麼賺錢？蔡崇信說得很坦白："我們不靠AI賺錢。"阿里靠的是雲端運算。你用開源模型沒問題，但你要跑模型，需要雲基礎設施——儲存、資料管理、安全、網路、容器（containers，他說這個詞他自己也不太懂）。這些阿里都能提供。開源模型是流量入口，雲服務才是利潤來源。這個模式其實很像早年的網際網路公司：免費產品獲客，增值服務變現。只不過規模和技術門檻完全不同。三、阿里巴巴的進化邏輯：永遠跟著客戶需求走港大教授鄧希煒問了一個好問題：阿里從B2B電商變成AI雲端運算公司，秘訣是什麼？蔡崇信：沒有秘訣，就是跟著客戶需求走。阿里1999年成立時，中國還沒加入WTO，國際貿易必須通過國有貿易公司。2001年入世之後，小企業可以直接和全球做生意了。阿里的B2B平台就是幫這些小廠找買家——第一版網站是英文的，面向海外。後來消費者電商起來了，就有了淘寶。買家和賣家互不信任，就發明了支付寶（最初是個擔保交易系統）。物流跟不上，就投資物流。雲端運算也是一樣的邏輯。16年前，沒人討論雲。但阿里的消費平台要處理海量資料，如果繼續用Dell的伺服器、EMC的儲存、Oracle的資料庫，所有利潤都會交給這些供應商。阿里的CTO說：我們得自己搞。"We developed cloud computing really out of necessity, out of the need to become self-reliant in technology." （我們發展雲端運算完全是出於必要，出於對技術自主可控的需求。）所以阿里雲的起點是"自己吃自己的狗糧"（eat our own dog food）——先內部用，用好了再開放給外部客戶。蔡崇信對年輕創業者的建議也很明確：優先選擇有機增長（organic development），而不是併購。因為自己團隊培養出來的能力，DNA純正，文化匹配。阿里也做過併購，"有些成功，有些失敗得很慘"。四、給年輕人的建議：學會提問，比學會回答更重要演講最後有學生問答環節。蔡崇信關於技能和專業選擇的回答，資訊密度很高。1、技能層面：三件事第一，學會獲取知識。 聽起來是廢話，但在AI時代，知識獲取的效率差異會被放大。第二，建立分析框架。 不是死記硬背，而是能對資訊做出自己的判斷。第三，學會提問。 蔡崇信特別強調這一點——提出正確的問題（ask the right questions），比找到答案更重要。2、要不要學程式設計？要，但理由變了很多人說AI時代不用學程式設計了，用自然語言（natural language）就能指揮機器。蔡崇信不同意。他說學程式設計的目的不是為了操作機器，而是訓練思維過程。"The purpose is not to actually operate a machine. The purpose is going through that thinking process." （目的不是操作機器，而是經歷那個思考過程。）他甚至建議學電子表格——能把一個複雜公式寫對，讓數字自動計算出來，這本身就是邏輯訓練。3、專業選擇：三個方向資料科學（data science）：其實就是統計學的新名字，但未來資料會爆炸式增長，懂得管理和分析資料的人永遠稀缺。心理學和生物學：理解人腦怎麼運作。人腦仍然是最高能效的"機器"，AI的很多設計思路都來自對大腦的模擬。材料科學（material science）：世界現在被位元（bits）主導，但讓位元跑得更快的，是原子（atoms）。半導體領域會有大量創新，而半導體的核心就是材料。五、AI會是泡沫嗎？兩個概念要分清學生問：AI會不會像2000年網際網路泡沫一樣破裂？蔡崇信說，要區分兩種泡沫：金融市場泡沫（financial market bubble）：股票估值是不是太高？50倍市盈率合不合理？"這是一門藝術，我不知道。"技術泡沫（real bubble）：技術本身是不是虛假的？他的判斷是：AI可能存在金融泡沫，但技術本身是真實的。 就像2000年3月網際網路泡沫破裂，但網際網路並沒有消失——今天網際網路比那時候強大得多。所有投入AI基礎設施的資源、模型開發的努力，不會打水漂。六、三個最核心的洞察Q1：中國AI的真正優勢是什麼？不是模型本身，而是讓AI被廣泛使用的整個生態系統。電力成本低40%、資料中心建設成本低60%、全球一半AI人才有中國學歷、資源匱乏逼出系統級創新——這些加在一起，讓中國更有可能實現AI的大規模普及。而普及率才是真正的計分板。Q2：為什麼開源模式會贏？因為對全球大多數使用者來說，開源同時解決了成本、資料主權和隱私三個問題。閉源模型要付費，資料要喂進黑箱；開源模型免費，資料可以留在本地。這不是技術優劣之爭，是利益格局使然。Q3：年輕人應該怎麼為AI時代做準備？學程式設計不是為了寫程式碼，而是訓練邏輯思維；學統計（資料科學）是因為資料會爆炸；學心理學是因為要理解人腦這個最高效的"機器"；學材料科學是因為讓位元跑得更快的是原子。更重要的是，學會提出正確的問題——這比找到答案更有價值。 (錦緞)

萊納斯稀土周二宣佈，因遭遇嚴重停電，其西澳加工廠產能大幅下滑，並將波及其馬來西亞工廠的最終成品產量。中國以外最大稀土生產商萊納斯稀土（Lynas Rare Earths）周二發佈公告稱，因遭遇嚴重停電，其位於西澳大利亞的卡爾古利加工設施將出現產能銳減。（來源：交易所公告）作為背景，萊納斯稀土是中國以外唯一實現重稀土商業化分離生產的供應商，而且是今年5月剛實現的突破。隨著海外市場“爭搶稀土供應”的浪潮升級，萊納斯的擴產野心也遇到西方國家常見的工業瓶頸：電力供應。在公告中，萊納斯稀土透露，2025年期間卡爾古利稀土加工廠的電力供應中斷顯著增加。進入11月後，斷電的頻率與持續時間已導致混合稀土碳酸鹽（MREC）出現重大產量損失。由於澳大利亞開採並加工的稀土需送往馬來西亞精煉，所以公司馬來西亞工廠的成品產量也將受到影響。上市公司同時表示，由於電力供應仍然不可預測，難以精確量化產量缺口，目前只能預期本季度可能會損失約1個月的產量。澳洲稀土公司表示，目前正在與西澳政府和當地電網展開合作，以查明近期電力中斷的原因。但即使在最佳情況下，也無法及時改善本季度的產量預期。除了尋求電網供電外，頻繁停電也促使萊納斯稀土開始緊急評估離網供電的方案。分析師也在第一時間估算出產量缺口的具體影響。萊納斯此前報告稱，9月季度總稀土氧化物產量為3993公噸，釹鐠（NdPr）產量為2003噸，銷售收入為2.002億澳元。周二公告發佈後，Canaccord Genuity的分析師將萊納斯12月季度的釹鐠產量從此前預期的2700噸下調至1800噸，並將收入預期從2.8億澳元下調至2.2億澳元。雖然電力供應仍難以預測，但萊納斯稀土在聲明中表示，預期因停電事件丟失的產量可以在本財年內彌補。該公司的財年截止於每年6月30日。 (科創板日報)

輝達2025年8～10月財報刷新了歷史最高利潤，面向AI的數據中心投資支撐著獲利成長。不過，供電網的建設尚未跟上資料中心的需求，交付的半導體無法正常運作的風險正在浮現。有分析師稱：「電力將成為資料中心投資的瓶頸」…美國輝達(NVIDIA)11月19日公佈的2025年8～10月財報刷新了歷史最高利潤。面向人工智慧（AI）的數據中心投資支撐著獲利成長。不過，供電網的建設尚未跟上資料中心的需求，交付的半導體無法正常運作的風險正在浮現。電力短缺將成為該公司持續成長的障礙。「對管理供應鏈的能力有信心。與以前相比更容易預測未來”，該公司首席執行官（CEO）黃仁勳在同一天的財報說明會上，被問及阻礙高增長的風險因素時如此強調。在股票市場上，認為輝達的供應能力不足將成為成長絆腳石的不安情緒正在擴散。黃仁勳解釋稱，該公司與AI半導體代工企業台積電（TSMC）緊密合作，並表示正在建立滿足較高需求的增產體制。為黃仁勳的樂觀發言提供支撐的是同一天公佈的強勁財報。該公司2025年8～10月的財報顯示，營業收入較上年同期成長62%，達到570億600萬美元，淨利潤成長65%，達到319億1,000萬美元。營業收入和利潤均超過市場預期，按季度計算刷新歷史最高紀錄。該公司對2025年11月～2026年1月的營業收入預期也比去年同期成長65%，達到650億美元左右，超過市場的預測（約620億美元）。由於提出營收成長將再次加速的預期，輝達的股票在19日的盤前盤後交易中比當天收盤價一度上漲約6%，相關股票也迎來大量買盤。支撐強勁業績的是美國微軟和美國亞馬遜等科技企業的AI投資。美國調查公司德羅洛集團(Dell'Oro Group)預測稱，全球的資料中心投資額到2027年將增至2024年的2倍以上，達到約1億美元。輝達的圖形處理器（GPU）可望持續受益。輝達目前的主要搖錢樹是尖端AI半導體“Blackwell”。在19日的財報中再次公佈了2026年推出新一代產品「Rubin」的計畫。將透過以1年為單位的開發周期提高效能，推動科技企業持續投資。輝達在公佈強勁財報的同時，在向美國證券交易委員會（SEC）提交的揭露資訊中，也透露出快速成長帶來的隱憂。作為該公司的風險因素而新提出的是「客戶和合作夥伴確保資金和電力、及時建設複雜數據中心的能力」。輝達之所以對電力問題保持警惕，是因為阻礙成長的隱憂正在成為現實。美國摩根大通證券的分析師Kevin Kwan在11月的報告中指出：「電力將成為資料中心投資的瓶頸」。美國勞倫斯伯克利國家實驗室的資料顯示，到2028年，資料中心的電力消耗最多可能增加到2023年的3倍以上。數據中心佔美國電力消耗量的比例預計將從2023年的約4%上升至2028年的最高12%。與普通的資料中心相比，AI數據中心的電力消耗量非常大。這是因為每台伺服器機架上配備的GPU數量會激增。美國高盛集團預測稱，2027年僅一台冰箱大小的機架就將消耗美國500戶家庭所需的電力。電力供應跟不上電力需求的成長。美國摩根士丹利的統計顯示，即使推進現有發電站的用途轉換，到2028年，美國也有可能出現13吉瓦時的電力缺口。如果換算成核能發電，相當於十多個機組的發電量。微軟的執行長薩提亞·納德拉10月底在美國播客節目中就AI開髮指出：「最大的課題是電力」。他表示，如果無法滿足資料中心所需的電力需求，「大量半導體可能會沉睡在庫存中」。據美國彭博社報導，矽谷的兩個資料中心可能因電力公司供電延遲而在數年裡無法運作。從建設開始算起，資料中心2年左右就可以運行，但供電網的建設需要較長時間。輝達也在採取對策。黃仁勳在19日的說明會上表示：「世界上沒有可以浪費的剩餘資源。每瓦的表現都至關重要」。考慮透過提高GPU的電力效率，解決電力短缺的議題。當被問及包括電力問題在內的風險因素時，黃仁勳回答：「沒有什麼容易的事」。作為總市值居首的企業，輝達繼續超越投資者預期的難度正在進一步加大。（日經中文網）