过去48小时发生了几件事，单看每一条都不算意外，但搁在一起看，你会发现一个很有意思的信号。

6月29日，国务院常务会议专门研究AI产业发展，提出加快超大规模智算集群建设、实施"人工智能+"全产业行动。紧接着6月30日，工信部等八部门联合印发《关于推动工业互联网高质量发展的实施意见》，把工业算力网络、工业大模型、工业智能体写进了顶层规划，定了2030年核心产业增加值2.5万亿的量化目标。同一天，韩国那边曝光了一份2600万亿韩元（折合人民币约14万亿）的AI十年投资计划，覆盖芯片、数据中心、人形机器人、储能全链条，规模创了各国AI扶持计划的新高。

然后是硅谷那边。马斯克在6月28号宣布Grok 4.5已经在SpaceX和特斯拉内部开测，1.5万亿参数，代码能力对标Claude Opus，而且放话说今年剩下的每个月都要从头训练一个全新模型。与此同时，金融时报报道谷歌因为算力不够用，开始限制包括Meta在内的大客户调用Gemini。Meta本来深度依赖Gemini做推荐系统，突然被告知——不好意思，算力分不出来了。

还有一条容易被忽略的：SpaceX正式定名了"Starmind"太空AI星座项目，规划百万颗在轨计算卫星，直接在太空部署分布式算力，用星舰批量发射。

四件事，四个国家/地区，同一个主题：算力。中国顶层加码、韩国梭哈all in、美国巨头互相抢算力、马斯克干脆要把算力搬上天。

说到这，很多人第一反应是：算力赛道要起飞了，赶紧买算力相关的股票。

我不这么看。

第一，一个历史的规律：建基础设施的人，往往是最烧钱的那个。

我翻了一下数据：美国19世纪铁路大繁荣时期，修铁路的公司绝大多数最终破产了。对，你没看错。Central Pacific、Union Pacific这些名字今天听着如雷贯耳，但在修铁路的那几十年里，它们的财务报表惨得吓人——因为修铁路是极重的前期投入，回报周期极长，中间任何一个环节出问题（融资断了、工程延期、经济衰退），公司就活不下去。

谁赚了？沃尔玛的前身们赚了。铁路一旦铺好，货物和人的流通成本断崖式下降，在那个"流通成本"上做生意的零售商、制造商，利润率翻了好多倍。铁路公司把路修好了，但修路的钱回本要等很久很久，中间大多数撑不到那一天。

淘金热也一样。真正赚大钱的不是挖金子的人，是在路口卖铲子和牛仔裤的那个。

这个规律放到AI算力上，逻辑完全一样。今天全世界在疯狂建智算中心、抢GPU、修数据中心、甚至把算力搬上太空——这些都是在"修铁路"。投入规模已经到了离谱的程度：科技四巨头2026年资本支出预计超6500亿美元，韩国一个国家就要砸14万亿，中国的目标是5万张工业5G专网加上天量的智算集群。这些钱投进去，短期内很难看到对等的回报。为什么？因为算力的特点是：你建好了，别人用了，算力的价格就会被竞争压下来。你花100亿建的算力中心，两年后可能只值30亿，因为别人建了更便宜的。

说白了就是：基础设施建设者承担了最大的前期风险，但基础设施一旦普及，利润会被使用基础设施的人拿走。

第二，谷歌限供Meta这件事，暴露了一个更深层的问题。

谷歌可是全球算力最强的公司之一。它的TPU芯片自研了好几代，数据中心遍布全球。连谷歌都扛不住了，开始"限供"大客户——这说明什么？说明算力需求的增长速度，已经跑赢了算力供给的扩张速度。哪怕你砸了几百上千亿美元，依然不够用。

这个缺口在短期内不会消失，反而会越来越大。模型参数从千亿到万亿到马斯克的1.5万亿，训练一次的成本已经是天文数字，推理的消耗更大——因为模型一旦嵌入产品（像Meta的推荐系统），它就不是训练一次就完事的，是每秒钟都在跑、每秒都在消耗算力。

所以你会看到一个很矛盾的局面：算力的供给者疯狂扩产，但需求增长更快，结果就是算力价格居高不下，使用算力的企业成本压力越来越大。这对谁有利？对那些能自己造芯片、自己建数据中心、自己掌控算力的巨头有利——他们不受制于别人。但对中小企业和中间层公司来说，算力成本可能成为压垮他们的最后一根稻草。

我之前判断AI会快速"民主化"，现在看来这个判断要修正一下。AI模型的调用价格确实在下降，但如果底层算力的成本降不下来，那"模型便宜"这件事就是不可持续的——因为模型厂商自己也在承受越来越高的算力成本，总有一天他们会把这个成本转嫁回来。

第三，中国的做法跟美国有一个关键区别。

美国的算力竞赛是市场驱动的：谷歌、微软、Meta、xAI各自为战，各自建自己的算力基础设施，互相之间不共享。所以你会看到谷歌限供Meta这种事——大家都在抢同一批GPU，谁出价高谁拿到。

中国这次国常会和八部门的文件，走的是另一个路子：统筹规划。文件里明确提了"打通全国一体化工业算力网络"、"构建端边云多层级协同工业算力体系"。说白了就是：不是让每家企业自己去抢算力，而是国家层面统一建一张算力网，大家按需分配。

这个思路，有点像国家电网的逻辑。你不会看到每个工厂都自己建一个发电厂吧？电是统一的网络供电的。中国想把算力也做成类似的东西——统一的算力网络，按需供给。

当然，算力比电力复杂得多。电是标准化的，一度电就是一度电，不管是炼钢厂还是居民楼用的电都一样。算力不是，训练大模型和跑工业质检需要的算力完全不同，调度难度大得多。但这个方向如果真的跑通了，中国在AI应用层面的成本优势会非常明显——因为企业不用自己去扛算力基础设施的投入了。

第四，SpaceX的Starmind太空算力，是一个值得细品的信号。

马斯克这个人的思路一直是：如果地面上解决不了的问题，那就把它搬上天。星链解决的是地面网络覆盖的问题，Starmind解决的是地面算力的瓶颈——电力不够、散热不够、土地不够，那就在太空部署计算节点。

百万颗卫星，这个数字听起来像科幻小说。但如果星舰的发射成本真的如马斯克说的那样持续下降，这个计划未必不可行。而且太空有一个地面没有的优势：太阳能是现成的，不需要建发电厂；散热是天然的真空环境，不需要建冷却系统。

这件事如果成真，它会彻底改变算力的供给格局。现在算力的瓶颈是"地面基础设施"——电网、土地、冷却水。一旦算力可以部署在太空，这些瓶颈就不存在了。

先放个flag在这：这件事至少需要5-10年才能看到实质性的商业化成果。马斯克画的饼经常晚交货，但交货的时候通常比承诺的还猛。SpaceX回收火箭当年也是被嘲笑了好几年。

回到开头那个问题：对管理者和投资人来说，这意味着什么？

别急着买算力基建的股票。建算力的人在未来3-5年大概率是烧钱的，不是赚钱的。6500亿美元资本支出、14万亿韩元、2.5万亿人民币目标——这些数字背后是巨额的折旧和摊销，财务报表不会好看。

真正值得关注的，是那些能把算力变成具体商业价值的企业。谁能在制造业、金融、医疗这些垂直行业里，用AI算力解决一个真实的问题、形成一条数据飞轮——让产品越用越好、越好用的人越多、人越多数据越多——谁才是铁路建好之后的那个"沃尔玛"。

中国的政策红利也指向了这个方向。八部门的文件里花了大量篇幅讲"工业大模型"和"工业智能体"，不是空话——它指向的是AI从实验室走进车间的路径。谁能在车间里跑通，谁就能吃到这波最大的红利。

以上仅供闲聊，逻辑可能有不严谨的地方，大家兼听则明。下次再细聊算力供应链上那些更细的切口。