智譜（Z.ai）近日完成了一座規模達到1GW的AI資料中心，據彭博社報道，該中心全部採用中國製造的晶片，並將用於模型訓練。這一舉動在全球AI建設潮中釋放出新的產業訊號：大模型公司正從算力使用者，轉變為算力基礎設施的組織者。

過去兩年，全球AI行業最搶手的資源是輝達GPU。從OpenAI到Meta、Google、Amazon，幾乎所有頭部公司都在爭奪計算資源。行業最初聚焦模型能力，但逐漸發現，模型背後的算力系統同樣決定迭代速度。演算法可以調整，資料可以補充，但算力中心無法臨時搭建——晶片需提前採購，機房需提前建設，電力也要排隊接入。

於是，AI行業出現了一個頗具反差的場景：一群研究最前沿軟體的公司，開始忙著找土地、談能源、修資料中心。OpenAI推進Stargate專案，首批設施從1GW起步，整體規劃達數GW；xAI在孟菲斯建設Colossus，規模擴至約2GW；Meta的Hyperion目標達到5GW；Anthropic通過與Amazon的長期合作鎖定約5GW算力；Google則圍繞TPU自建叢集。國內，字節跳動和智譜也進入了1GW級建設階段。

這些公司的方式各不相同：有的直接修建園區，有的與雲廠商深度繫結，有的擁有自研晶片。但它們面對同一個時間差：模型幾個月就會更新一次，資料中心卻需要幾年才能建成。今天簽下的土地和電力合同，服務的可能是三年後的模型。建設算力中心，本質是在為尚未確定的下一代技術提前預留位置。

算力中心將AI公司帶入了一個陌生世界。軟體產品開發完成後可近乎零成本複製，資料中心卻需要土地、變電設施、冷卻裝置、高速網路和長期能源合同。伺服器進入機房前，可能已有數十億美元投入到看不見的土建和供電工程中。基礎設施基金、能源企業、地產商和長期債務，也開始進入大模型產業鏈。

這讓AI競爭多了一層賭注。頭部公司普遍相信，未來模型會消耗更多計算資源，因此必須提前擴建。但幾年後的訓練方式是否會改變、新增算力能否被充分利用、模型收入能否覆蓋持續增長的成本，目前都沒有確定答案。一座空閒的資料中心不會因為屬於AI行業就變得更便宜——昂貴晶片只有持續執行，才可能轉化為研發效率；一旦需求低於預期，它也可能迅速變成沉重的折舊負擔。

智譜專案與海外同行最大的差別，在於其全部採用中國製造的晶片。全球公司的底層選擇已經開始分化：OpenAI和xAI主要依賴輝達，Meta在採購輝達的同時推進自研MTIA，Anthropic使用Amazon Trainium與輝達，Google堅持TPU，位元組的相關專案採用華為昇騰。智譜則把整座1GW資料中心放在國產晶片體系上執行。

當模型公司只是在雲上租用算力時，晶片更像一項被封裝好的服務。開始建設自己的資料中心後，底層硬體會牽動整套系統：伺服器如何設計、晶片之間如何通訊、編譯器和訓練框架如何適配、故障發生後如何恢復，都需要重新磨合。單顆晶片能執行模型，與成千上萬顆晶片能一起高效訓練，並非同一件事。叢集擴大後，任何通訊延遲、軟體相容問題或裝置故障，都可能讓大量機器停下來等待。

輝達的優勢，很大一部分來自CUDA和長期積累的工程生態。使用這套體系擴建算力，更像在已鋪好的高速公路上增加車道。智譜面對的情況更復雜：它既要擴大車流，還要參與修路。因此，1GW只是一個工程規模，不能直接等同於模型能力。這座資料中心最終有沒有價值，要看它能否穩定承擔大規模訓練、保持較高利用率，以及能否真正縮短GLM系列模型的迭代週期。只有當機房裡的晶片持續轉化成新的模型和產品，算力中心才不只是一個醒目的數字。

過去，人們習慣通過排行榜和釋出會觀察AI競爭。下一輪差距，可能在模型登場前就已經形成——藏在提前鎖定的電力、尚未安裝的伺服器，以及那些需要幾年才能建成的資料中心裡。智譜進入的，正是這場更慢、更重，也更難臨時追趕的比賽。