2026 年 5 月，硅谷正在上演一场比 AI 泡沫更真实、更残酷的现实：算力荒。
不是短期缺货，不是产能爬坡，而是全产业链、结构性、长期供不应求。从英伟达内部团队、谷歌 DeepMind，到独立开发者、高校实验室，所有人都在抢同一种东西 ——H100、H200 高端 GPU。
这场饥荒已经严重到：有钱租不到、长约排到 2027、新卡不如旧卡贵、大神也抢不到算力36氪。
一、连英伟达自己人都拿不到卡
最讽刺的一幕发生在英伟达内部。
负责 AI 研究、最早推动 GPU 进入 AI 时代的核心功臣 Bryan Catanzaro，向黄仁勋申请训练卡，得到一句：“不好意思，卡已经卖光了。”36氪
当年是他让英伟达押注 AI；如今英伟达自己人，都拿不到自家的 GPU36氪。
谷歌内部更夸张。DeepMind 研究员 Andrew Dai 申请 TPU 资源，项目方向没问题，却被驳回：不能为下一代 Gemini 服务。36氪
谷歌的原则很直白：资源优先付费客户、优先旗舰模型。
内部人一句话：谷歌每块 TPU 背后，都站着三个竞争者。36氪
留不住算力的人，只能离职。Dai 走了，另一位核心研究员 Anna Goldie 也走。谷歌挽留她的筹码不是加薪、不是期权，而是 ——更多 TPU36氪。
但她还是拿 3.35 亿美元融资离开，因为外面能买到的算力，和谷歌开的条件差不多36氪。
算力，正在变成大厂的内部特权；拿不到算力的人，只能出局36氪。
二、H10 抢疯，H200 一夜涨 30%，旧卡比新卡贵
外部世界更惨烈：普通开发者连配额都拿不到。
AI 大神 Andrej Karpathy 吐槽：录制 nano 教学视频，第一步就要学员启动8×H100 服务器，但现实是 ——99% 的人连申请资格都没有。
评论区全是比惨：
RunPod、AWS、Azure 大量 H100 显示unavailable
Google Colab 自动把 H100 降级成 G4
租 H100 要写脚本抢配额
价格更魔幻：
H100 一年期租约：半年涨近 40%，从 $1.70 / 小时涨到 $2.35
H200 现货：一夜涨 29%，$4.96→$6.40，比新一代 B200 还贵
行业出现史无前例的价格倒挂：旧卡 > 新卡、现货 > 长约、确定性 > 性能上限。
三、利用率 5%：一边缺到疯，一边疯狂囤积
更荒诞的现实：一边算力荒，一边大量 GPU 在闲置。
Cast AI 报告：大企业 GPU 集群平均利用率仅 5%。
马斯克 Colossus 算力中心 MFU 也只有11%。
为什么不用？不敢释放。
云厂商一句话：只剩 36 张卡，只签一年，后面还有五家排队。
企业宁可闲置，也绝不归还。一旦交出去，再也拿不回来。
芯片荒本质是流动性枯竭：
产能在长约里锁死
大企业疯狂囤积
中小团队、开发者、高校完全无货
短缺→恐慌→囤积→更深短缺，死循环已经成型。
四、为什么旧卡比新卡贵？因为 AI 世界要 “确定性”
所有人抢 H100、H200，不是因为它性能最强，而是：
生态最成熟
框架最适配
调参经验最足
可预期、可复现、不出错
新一代 B200 虽然更快，但：
生态未完善
集群调度不成熟
成本模型不稳定
没人愿意当小白鼠
AI 世界现在的第一需求：不是更快，是更稳、更好用、能复现。
H100/H200 成了确定性的代名词，价格因此远超新卡。
五、算力正在变成 “筛选器”，AI 民主化彻底受阻
开源模型满天飞，权重随处可下，代码随便 fork——但你跑实验的 GPU，永远拿不到。
Karpathy 说得最直白：AI 的门槛已经从代码，变成算力。
现在的现实：
有钱、有配额、有长约 → 能做 AI
没钱、没资源、没权限 → 连实验都跑不了
算力不再是基础设施，而是阶级筛选器。
它筛掉的不是想法，而是预算、资源、企业级关系。
AI 民主化，卡在8×H100这道起跑线。
六、国内：高端卡排到 2027，国产替代在路上
国内开发者处境更复杂：
主流云厂商H100 排期到 2027 年
高端卡供给受双重约束：产能 + 政策
国产算力加速，但CUDA 迁移成本巨大
国内开发者正处在过渡期阵痛：
一边抢不到国际高端卡
一边国产生态尚未完全成熟
一边要在不确定中做实验、跑模型
全世界共同的痛点：不是缺最新芯片，是缺 “稳定、可用、可复现” 的算力。
结语：算力荒不是短期缺货，是 AI 时代的 “能源危机”
这场算力荒不是周期波动，而是AI Agent、大模型、推理、训练、自动化全面爆发后的结构性长期短缺。
未来几年，全球 AI 竞争本质就是：
谁有更多 H100/H200
谁能锁定更长约期
谁能拿到确定性算力
算力，正在从技术工具，变成权力、资源、阶级的分水岭。
普通人、小团队、高校：不是输在算法，是输在算力起跑线。