AWS产能被订到2028年之后：算力扩张的瓶颈，为什么越来越指向电力与配套2026年10月23日，亚马逊首席执行官安迪·贾西在一档播客访谈中透露：即使2026年投入约2200亿美元资本开支，AWS仍有大量客户需求无法满足。目前，AWS 2026年的主要算力产能已经售罄，2027年大部分产能已被预订，2028年也有相当一部分产能获得了客户的提前承诺。折算下来，2200亿美元约合1.47万亿元人民币——钱花到这个量级，产能却排到了三年后，问题的关键已经不在"愿不愿意投"，而在"能不能更快地变出算力"。很多人第一反应是缺GPU芯片。但据公开报道，亚马逊的困境并不只在芯片：2026年8月，一份内部邮件显示，AWS计划在美国境内接收价值约50亿美元的英伟达GB300服务器机架，未来每月还将新增约30亿美元规模的机架到货；然而部分机房虽有摆放空间，却缺少足够的电力来启动设备，成批硬件只能先存放在中转仓库等待供电就绪。行业内把这类已重金购入、却因供电等问题无法开机的高价值硬件称作"暗GPU（Dark GPUs）"。由此可见，制约算力落地的，是电力、机房配套、供应链交付周期等多重因素叠加，而不只是某一颗芯片。海外的现实：电力与水，正在成为算力扩张的物理约束。在美国，电力瓶颈的表现已经相当具体。2026年8月3日，得克萨斯州州长下令暂停新的数据中心接入ERCOT电网，以便逐项审计，受影响的待接入负荷约为49.8GW；而ERCOT的大负荷并网队列规模约474GW，其中约九成来自数据中心。并网申请通常需要五到七年才能完成研究与建设，而超大规模客户往往希望在两三年内拿到容量——这个时间错配，无法用采购订单来解决。大型变压器等核心供电设备的交货周期也已明显拉长。耗水是另一个常被忽视的约束。AI服务器产热远高于传统服务器，冷却需求相应上升。据能源研究机构Rystad Energy测算，全球数据中心的直接冷却用水可能从2025年的2220亿升增至2030年近6440亿升；若采取积极节水措施，可控制在3880亿升左右。需要说明的是，这一口径只统计直接用于冷却的水；另有央行研究人士引用联合国大学水、环境与健康研究所的测算指出，若计入发电、芯片制造等环节，2025至2030年全球数据中心总耗水量可能翻倍，2030年达到9.3万亿升。两组数字差异较大，根源在于统计口径不同，引用时需要区分，不能混为一谈。另有研究显示，到2030年，数据中心相关总耗水中约有72%发生在异地、与发电环节相关。国内是否存在类似的资源约束？客观来看，当前国内算力总用电量占全社会用电量的比例还不算高，整体供给尚有富余，短期内不会出现全局性、全国性的算力能源紧张。但结构性矛盾已经显现，风险主要集中在局部区域。我国的算力布局存在天然错配：东部长三角、珠三角算力需求最旺盛，产业和客户集中，但本地土地紧张、电力缺口较大、水资源相对紧张；西部内蒙古、宁夏、甘肃等地风光资源充足、电价较低，是算力西进的主要承载地，但部分区域属于缺水地区。早期一些机房选址优先考虑电价，对耗水指标重视不足。随着高密度液冷、蒸发冷却在大功率机柜上大规模铺开，局部区域的水资源约束可能趋紧。整体够用、局部吃紧，是比较接近现实的判断；若无序上马大型智算中心，局部地区确实可能出现资源冲突。几方面影响值得关注。一是算力选址逻辑的变化。过去企业优先靠近客户，未来会更多考虑电力与水源条件，高负载的大模型训练集群向风光资源富集、水源相对充足的区域转移；东部更多保留低时延推理和轻量化算力节点。这与"东数西算"、全国一体化算力网络的部署方向一致。二是冷却技术路线的迭代。传统风冷难以支撑超高功率机柜，高耗水的蒸发冷却在缺水地区逐步受限，浸没式液冷、干冷、再生水利用等方案的重要性上升。需要注意的是，干冷在节水的同时会增加电耗，节水与省电之间需要权衡。三是算力成本的重新构成。业内估算，电费在部分智算中心的运营成本中占比超过一半；若叠加水资源配额管理和阶梯水价，算力的综合使用成本可能上行。这有利于推动企业优化模型、压缩推理消耗，使算法降本与基建扩产同等重要。这属于对趋势的分析判断。四是产业链红利的重新分配。能效、水耗指标更优的硬件产品会更有竞争力，单纯拼低价、高功耗的产品则可能因能耗、水耗超标而受限。这一判断同样属于对产业趋势的分析。国内有一套差异化的应对路径。一方面，全国一体化算力网络和"东数西算"工程，本身就是在提前对冲这类风险，把高耗能训练算力向西部疏导，依托西部风光绿电，减轻东部电网和水源压力。另一方面，算电协同、节水相关标准正在加快落地，新建大型数据中心对能耗、水耗指标同步考核，鼓励使用雨水、再生水、矿井水等非常规水源，同时发展储能平滑风光波动、保障稳定供电。但风险依然存在。AI算力需求的增长速度，往往快于电网、水利配套的建设节奏。电网变电站、输电通道、水源调配工程建设周期动辄数年，而算力需求年年高速增长，配套基建天然滞后。如果各地不统筹评估本地电力、水资源承载力就盲目上马智算项目，局部地区的电力紧张、水资源挤占矛盾就可能显现，甚至出现项目建成后拿不到并网、用水指标而闲置的情况。AI产业的长期竞争，比拼的不只是芯片和算法，也包括能源体系、水资源调配和绿色基建的综合承载力。算力的上限，很大程度上受制于电力和水资源的供给能力。这一趋势给出的信号是：观察算力产业，不能只看硬件订单，还要看能源与配套的落地能力。