基础设施叙事的一周：从每瓦 token 到资本瓶颈

一天之内，AI 叙事换了个主角

2026 年 10 月 12 日可能是今年"AI 基础设施叙事"密度最高的一天。上午，微软在官方博客公布第三代自研加速器 Azure Maia 300 的完整架构，把"每瓦 token"写进了芯片设计哲学（Microsoft Azure Blog）；同一天，博通 CEO 陈福阳在新加坡 DBS Asia Future Forward 大会上说，资本可能取代芯片、存储和电力，成为 AI 扩张最大的制约因素（The Next Web）；瑞银资产管理则发布报告，标题就叫"从轻资产到重 AI：基础设施转向"（UBS）。

三条新闻指向同一个信号：AI 行业的核心矛盾，正在从"模型参数"转向"物理世界"——电、热、内存、资本。这篇文章复盘这一天的密集发布，聊聊算力产业正在发生什么。

Maia 300：把"每瓦 token"写进芯片架构

微软这次公开的不仅是芯片参数，而是一整套围绕推理效率设计的系统。Maia 300 的核心数据如下（Microsoft Azure Blog）：

• 每颗加速器配备 288GB HBM4 内存、18TB/s 带宽；相比 Maia 200，内存带宽提升 2.5 倍、容量增加 33%、每瓦 HBM 带宽约为 2 倍；
• 机架集成 96 颗加速器，满配 96 加速器时，机架级 token 吞吐最高可达 Maia 200 的 7 倍；
• 相比 Maia 200，性能每瓦提升 2.5 倍以上；微软称每兆瓦可生成的 token 数量比领先 GPU 系统高 40%（每经网）；
• 机架功耗 167kW，96 颗加速器分布在 24 个四卡 tray 中，液冷移除 80% 以上的机架热负载；
• 采用 TSMC N2P 工艺的多 chiplet 设计，compute FLOPs 提升 36%；超级机群（superpod）可扩展到 12,288 颗加速器；
• 计划 2027 年推出，并从 2027 年起以数吉瓦规模部署，成为微软产品与服务的核心推理系统。

值得注意的是微软的措辞：Maia 300 是为"云规模 agentic inference"设计的。长上下文解码、多步工具调用这类工作负载改变了推理的计算画像——瓶颈从计算本身转移到了内存带宽、数据搬运和每瓦效率。这正是 Maia 300 把 NUMA 内存组织、MXFP4 低精度、软件定义数据流全部塞进一套系统里的原因。

博通 CEO：资本比芯片更缺

同一天，博通 CEO 陈福阳在 DBS Asia Future Forward 大会上发表了一连串直白的判断（The Next Web）：

• "很多投资者根本不知道自己在投什么"，把极端预期下注比作"进了赌场"；
• 资本可能是 AI 最大的制约因素——不是芯片、存储或电力；
• 算力需求仍超过供给，这种失衡可能持续到 2029 年甚至 2030 年；
• 企业界"正在浪费钱、烧 token"寻找 AI 用例，多数公司还没找到能回本的场景；
• OpenAI 9 月年化收入 50 亿美元"对初创公司来说不算差"，但训练投入巨大，长期盈利仍未知。

英特尔 CEO 陈立武在同一场对话中呼应：未来两到三年看不到明显放缓，但"人们最终想看投资回报"。马斯克则在 X 上回了一句"赌场里不许哭"（No crying in the casino）。次日亚洲芯片股下跌，韩国 Kospi 盘中跌超 7%，三星电子跌 9%、SK 海力士跌 10%（The Next Web）。

一边是芯片厂商把"每瓦 token"的军备竞赛推到新高度，一边是行业领袖公开质疑资本是否理解这场竞赛的赌注。这两件事在同一天出现，本身就值得玩味。

瑞银与电力：基础设施叙事正式转向

瑞银资产管理在同日发布的报告《From asset-light to AI-heavy: infrastructure shift》给出另一个视角（UBS）：

• AI 需求正逆转持续多年的"轻资产"思维，掀起新一轮基础设施投资浪潮——数据中心、电网、发电；
• 2026 年大型科技公司资本开支预计超过 7000 亿美元；
• 正在建设的数据中心数量超过历史上任何时期；
• 核电建设速度达到 1980 年代以来未见水平，全球电网输电与可再生发电资本开支同步上升。

这与微软的部署计划形成闭环：Maia 300 的 167kW 机架、液冷架构、与数据中心级遥测联动——芯片设计已经在为"有限的电力与散热包络"服务。AI 竞争的下半场，物理资源约束正在变成与算法同等重要的变量。

复盘：三个瓶颈的接力

把这三条新闻放在一起，可以看到一条清晰的迁移路径：

几个值得记住的观察：

第一，芯片军备正在从"绝对性能"转向"每瓦效率"。 Maia 300 没有追逐单卡浮点峰值，而是把内存带宽、低精度存储、液冷机架、数据中心遥测做成一个整体。当机架功率被固定在 167kW 时，性能竞争本质上变成了"给定电力下的 token 产出率"竞争。微软官方数据——每兆瓦 token 比主流 GPU 高 40%、机架级吞吐 7 倍——都是在效率维度上做文章。

第二，自研芯片从"降本工具"变成了"战略叙事"。 Maia 200 已经投产并支撑 Copilot、OpenAI 模型运行，GitHub Copilot 与 Microsoft Foundry 年底前接入；Maia 300 则被定位为"支持微软产品与服务的核心推理系统"。这与亚马逊、谷歌的自研路线一致：超大规模厂商正在把推理成本结构变成自己的护城河。

第三，资本约束开始反向塑造技术叙事。 博通 CEO 的"赌场"比喻之所以有冲击力，是因为它出现在行业需要持续融资的时刻——博通自己就在为 Anthropic 等客户举债 600 亿美元购买 AI 芯片。当融资成本与 ROI 不确定性成为 CEO 口中的核心挑战，"每瓦 token"这类效率指标就有了双重意义：既是工程目标，也是说服资本继续下注的论据。

第四，电力正在成为新的稀缺资源。 瑞银把电网与发电列为 AI 下一阶段的关键投资方向；Alphabet 与亚马逊的长期购电协议、1980 年代以来最快的核电建设速度，都是同一个信号。未来评价一家算力公司的标准，可能不只是芯片性能，还包括它能不能拿到电、能不能散热。

结语

10 月 12 日这一天，AI 行业同时展示了它的雄心与焦虑：微软把推理效率卷到了每瓦 token 的粒度，博通 CEO 警告资本正在变成赌场筹码，瑞银则在为下一个十年的基础设施投资下注。三个视角彼此矛盾又相互支撑——没有效率提升，资本会更快失去耐心；没有资本注入，效率提升也到不了规模。

对观察者来说，接下来的看点有三个：Maia 300 的 40% 每瓦优势能否在真实负载上复现；资本开支能否换来可验证的 ROI；以及电力供应链是否跟得上 7000 亿美元 capex 的节奏。基础设施叙事刚刚进入下半场。

（内容由AI生成，仅供参考）