谷歌已开始限制Meta对其Gemini人工智能模型的访问，这是全球算力紧缩最明确的信号。据《金融时报》援引知情人士报道，谷歌在3月前后通知Meta，无法提供其希望购买的全部Gemini容量，这一限制至今仍在执行，并波及其他客户。直接后果是，去年科技界盛行的“代币最大化”——将代币消耗量视为生产力指标并鼓励员工尽可能多地使用——戛然而止。Meta工程师曾在30天内消耗逾60万亿代币，Uber首席技术官透露公司四个月便花完全年AI预算，如今两家企业均已删除内部代币使用排行榜，并告诫员工不要为用AI而用AI。

算力短缺的根源在于硬件供给的物理瓶颈。高带宽存储器（HBM）是AI大模型运行的关键组件，而SK海力士、三星和美光等主要厂商已基本售罄其大部分供应。同时，英伟达较旧的H100图形处理器租赁价格自去年11月以来上涨约30%。尽管全球AI相关投资在2026年预计达到约8500亿美元，远超铁路、运河和互联网泡沫等历史狂热期的规模与速度，但数据中心的建设仍未能跟上需求的爆炸性增长。谷歌云业务第一季度收入虽达200亿美元，但首席执行官皮查伊承认，算力限制拖累了更高增长，并导致积压订单几乎翻倍。

压力正沿着产业链传导。在澳大利亚，搜索公司Elastic的研究显示，三分之一的本地组织上一财年超出AI预算，32%的企业因成本无法合理化而暂停、取消或缩减部署。为应对紧缩，工程团队日益放弃庞大的基础模型，转向可在本地托管、成本仅为前者零头的专用小语言模型。就连谷歌自身也被曝为满足企业AI服务的部分算力需求，与马斯克旗下的xAI签订了一份月价值9.2亿美元的数据中心使用合同。这种巨头间的相互依赖，凸显了基础设施瓶颈的普遍性。

麦格理分析师在近期报告中提出，AI周期不会一次性破裂，而是以“滚动泡沫”的形式在不同价值链环节间依次膨胀与收缩。国际清算银行已警告，AI呈现出经典泡沫特征，包括极快的资本部署和日益复杂的表外工具与循环投资结构。与此同时，中国正试图像在太阳能、电动汽车和电池领域那样，将AI技术栈商品化。麦格理指出，中国的Z.ai和Tulongfeng系统在网络安全特性上已匹敌美国领先模型，技术差距可能缩小至10%至15%，这将对大语言模型乃至芯片的定价权构成结构性侵蚀。下一个值得关注的里程碑是：企业能否将巨额AI投资转化为实际收入增长，以及中国开源模型对全球算力定价体系的冲击程度。