🏠 home › concepts › hidden-chokepoints
tags
[AI, 供应链, 半导体, 商业]
created
2026-04-12
updated
2026-04-27
sources
[raw/notes/ajinomoto-toto-ai-supply-chain.md, raw/notes/google-tpuv8-deep-dive-2026-04.md]

定义

AI 基础设施中被意外占据的关键瓶颈节点。有两类:一类是消费品公司的技术溢出(味之素、TOTO),另一类是远离芯片但同样不可绕过的上游基础设施(大型燃气轮机)。共同特征:终端用户完全意识不到依赖关系的存在。

案例

味之素(Ajinomoto)— ABF 绝缘薄膜 ✅ 已查证

TOTO — 静电吸盘(ESC)⚠️ 有夸大

大型燃气轮机 — AI 数据中心的电力瓶颈

AI 数据中心的用电量指数级增长,而大型燃气轮机是新建电厂的核心设备——全球仅三家能造:

供应商 国籍 备注
GE Vernova 美国 市场领导者
西门子能源 德国 2026-02 宣布在美投资 $10 亿扩产,CEO:"美国是全球最火热的电力市场"
三菱重工 日本

与味之素/TOTO 的区别:燃气轮机不是"意外跨界",而是传统重工业在 AI 时代获得新战略价值——数据中心建多快,取决于电厂建多快,而电厂建多快,取决于燃气轮机交付多快。

模式提炼

跨 DC 训练对电力瓶颈的反作用 — virgo-fabric 视角

Google 2026-04 发布 virgo-fabric 后给出新场景:单训练集群可跨 DC 串接 >100 万 TPU。这部分反向缓解了大型燃气轮机的隐性卡脖子——训练规模不再被单 DC 电力上限锁死,可以分散到多个有可用电力的园区。但前提是: - 光纤距离 + RTT 不破坏 collectives 调度 - "近线性 scaling"宣称要等真实 workload 验证(行业分析师对此持保留态度)

→ 燃气轮机隐性卡脖子的"绝对性"被 fabric 层创新削弱,但未消除——电力总盘子仍是约束。

相关概念