北京时间 7 月 30 日，微软发布 2026 财年第四季度财报。

过去一个财年，微软新增 88 座数据中心，其中 31 座在第四财季新增，同期还增加了约 1 GW 容量。在主要区域，新 GPU 从到货到正式上线的时间缩短了近 50%。

但微软同时表示，客户需求仍超过可用容量，Azure 当季新增容量一上线很快就被消化掉。

这侧面反映出，AI 基础设施的瓶颈不只在 GPU。只有机房、电力、冷却、内存和网络同时到位，集群才能上线，对外提供算力服务。云厂商争的不只是采购量，还有上线速度。

GPU 到了，最难等的是电

微软第四财季资本开支为 410 亿美元，其中约三分之二用于 CPU、GPU 等短周期资产，其余用于长期资产。芯片和服务器的交付安排相对灵活，机房建设、电网扩容和并网审批却往往需要数年。一旦某个环节的时间错开，即便GPU到货了，也无法立刻上线。

微软把 GPU 从运抵机房到正式上线的周期称为“dock-to-live”。过去一个财年，这一周期在主要区域缩短近半，说明云厂商的竞争已经从采购延伸到安装、联网、测试和资源调度。

其中，电力往往是最难提速的一环。国际能源署数据显示，2025 年全球数据中心用电增长 17%，以 AI 为重点的数据中心用电增长 50%。同年，五家大型科技公司的资本开支合计超过 4000 亿美元，2026 年预计再增长 75%。投资增长越快，电网、变压器、燃气轮机和审批体系越容易跟不上。

美国区域电网运营商 PJM 已提出“临时资源充足性服务”（IRAS）框架。按照提案，单一站点累计峰值负荷达到 50 MW，就属于大型负荷；截至 2027 年 6 月 1 日仍未投运的部分，将被计为新增大型负荷。如果项目没有自带新增容量，也未获得其他容量抵扣，而 PJM 又出现容量短缺，相关负荷可能在传统预紧急负荷管理措施启动前被要求削减。

这套方案尚未正式生效，但释放了一个信号：在系统紧张时，新接入的大型负荷未必享有与传统负荷相同的供电优先级。

自建电站也不是什么捷径。国际能源署估算，为了稳定应对数据中心的负荷波动，现场燃气发电的装机容量可能需要比实际负荷高出 30% 至 70%；燃气轮机供应也很紧张。

电力供应只是前提，高功率密度机柜还需适配的供配电与散热系统。冷却能力不足，同样会制约集群的稳定运行。

内存和网络也得跟上

电力和冷却到位后，GPU 仍不能单独运行。

高带宽内存负责为 GPU 快速传输数据，服务器 DRAM 为 CPU 侧处理提供工作内存，企业级 SSD 则存放模型和数据，支撑加载、缓存和检索。任何一项不足，都可能拖慢集群上线或压低 GPU 利用率。

三星第二季度财报显示，AI 服务器需求增长和存储价格上涨，推动三星存储业务的季度营收和营业利润创下新高。同期，三星也扩大了 HBM4 销售。三星预计下半年服务器 DRAM、企业级 SSD 和 HBM 需求还会加速增长，市场仍可能供不应求。国际能源署预计，HBM 短缺至少持续到 2027 年底。

网络也在承受更大压力。集群规模越大，GPU 之间交换的数据越多，瓶颈就越可能从单颗芯片的计算速度转向数据传输的带宽、能耗和可靠性。

GlobalFoundries 认为，AI 基础设施扩张正在逼近铜互连的实际极限，行业因此加快转向光互连。Broadcom 则指出，共封装光学仍面临制造、测试和维护等难题。可以看出，这虽然是一条重要路线，但短期内能否全面取代可插拔光模块，仍没有定论。

云厂商争的，是可收费的容量

GPU 采购量仍是衡量算力投入的重要指标，但只看这个数字已经不够。现在，还要看有多少容量已经通电，配套硬件是否到位，以及设备从到货到正式上线需要多长时间。

这些时间差也会放大投资风险。GPU 提前到货，配套的电力和机房迟迟未到，不仅长期占用资金，芯片的技术价值也可能随时间折损。如果设施建成时 AI 需求没有按预期增长，整套基础设施又可能从稀缺资源变成闲置资产。

微软一年新增 88 座数据中心，说明它仍在大规模扩张。但决定这些投资何时开始带来收入的，不只是买了多少 GPU，而是这些 GPU 还要等多久才能上线。

主要信源

信息截至 2026 年 8 月 3 日。PJM 方案、芯片供给、数据中心建设计划和资本开支口径仍可能调整。