全球人工智慧(AI)竞赛如火如荼，但算力资源的极度短缺正成为产业发展的最大瓶颈。半导体研究机构 SemiAnalysis 创办人兼执行长Dylan Patel于 Runtime 2026 研讨会发表演讲时指出，OpenAI 与 Anthropic 等头部 AI 实验室正大量预订全球新增算力，使得市场呈现前所未有的垄断现象，广大新创公司与一般企业正面临「有钱也买不到算力」的困境。

Patel 的分析显示，全球算力总量成长极为迅速，已从 2024 年底的 60 吉瓦(GW)大幅增至今年底的 100 GW 以上，两年时间几乎翻倍。然而，算力增量的主力买家极度集中：OpenAI 与 Anthropic 所拥有的算力总量，已从去年底的 4 GW 飙升至今年的 10 GW，预估明年将突破 20 GW。

以 2027 年为例，全球预计新增约 40 GW 的算力，而这两家 AI 巨头就将锁定其中的 12 GW，占新增算力总量的 25% 至 40%。Patel 更预估，到了 2028 年，AI 实验室每年新增的需求将高达 30 GW。

这些庞大算力绝大多数被保留用于模型训练，而非用于服务使用者的推论。以 Anthropic 为例，在其现有的 4 GW 算力中，仅约 1 GW 用于 Claude Code 的推论服务。Patel 认为，这意味着即使终端使用者需求趋于稳定，AI 巨头为训练下一代新模型所投入的预算，仍会持续占用绝大多数的高阶晶片。

算力高度集中引发了严重的供需失衡，直接推升了晶片的租赁价格。根据 SemiAnalysis 统计，辉达(NVDA-US)H100 资料中心晶片的一年期合约租金，已从去年 10 月低点的每小时 1.70 美元，一路飙升至目前的 2.40 至 3.20 美元(中间值为 2.80 美元)。

Patel 拆解背后商业逻辑指出，推升租用价位的动力源于卖 Token这门生意本身利润极高。SemiAnalysis 测算显示，自建一个 1 百万瓦(MW)的 B300 丛集，包含建设与五年营运折旧年化成本约 900 万美元，若向云端业者租用则需约 1400 万美元；然而，利用该 1 MW 算力运行开源模型 DeepSeek V4.1 Flash，在 60% 利用率下年收入可达约 7000 万美元。

即使利用率下降至 30%，利润依然极为可观。Patel 预测，若未来 H100 租金突破 3 美元、B300 突破 7 美元也不令人意外，并给出建议：「若能在市场上找到每小时 6 美元的 B300，就应该果断签约去卖 Token」。

然而，即使企业租得起算力，云端服务供应商能否稳定交付又是另一个考验。

SemiAnalysis 针对全球 323 家云端业者进行 ClusterMAX 评测，在实际测试的 77 家中仅 19 家获得肯定标章。评分最高的 CoreWeave 与 NEBIUS 未来半年配额早已售罄，且要求高额预付款；AWS 则因流程繁琐、网路设定与交付耗时较长遭降评。

更令人担忧的是安全性与可靠性问题。Patel 透露，测试团队利用落后于头部实验室的开源模型对云端进行安全测试，竟轻易攻破部分云端的 Slurm 丛集调度系统权限，直接窥探到某些国家国防与情报机构的作业名称。在 GPU 故障注入测试中，许多云端业者无法透过自动监控即时察觉，甚至在接到通知后仍需数天时间回应。

算力扩充背后需要庞大资金支持。Patel 预估至 2029 年底，全球 AI 资本支出将高达 11 兆美元，其中约 7 兆美元依赖债务融资。

然而，随着美债 10 年期殖利率突破 5%，融资成本大幅增加，依赖借贷建置机房的新兴云端业者(Neocloud)陷入资金困境，被迫将算力转卖给超大规模云端业者(Hyperscalers)。这导致明年已签约的新增算力中，约 65% 至 70% 将进一步向云端巨头与 AI 实验室倾斜。

虽然辉达已透过担保土地电力(如 SoftBank Energy 在俄亥俄州为 OpenAI 打造的 9 GW 设施)、租赁保底(Firmus 模式)等方式托底约 6.5 GW 算力以维持开放市场流动，但 Patel 坦言这对于庞大的新增需求而言仅是「杯水车薪」。

Patel 于演讲结尾沉重警告，新兴实验室与业者正转向自建丛集与寻求融资，若无法顺利取得算力，「我们恐怕终将成为 Anthropic 与 OpenAI 的奴隶」。