多年來，關於AI基礎設施的假設很容易被接受。大規模運算能力將在超大規模雲端、開發者密度與資本已高度集中的地方建立：加州、西雅圖、倫敦，以及少數幾個成熟的科技樞紐。
這種地理分佈有其實際原因。大規模訓練與部署AI需要資料中心、運算能力、網路容量、能源與先進基礎設施協同運作。經濟合作暨發展組織（OECD）的分析 指出，這促使AI企業轉向由最大型雲端運算供應商所運營的服務。隨著時間推移，這種依賴關係逐漸固化為市場集中。2025年第三季度，Synergy Research Group 統計 Amazon、Microsoft與Google在全球企業雲端基礎設施支出中的合計份額達63%。
這套邏輯如今看來已不那麼牢固。運算能力變得愈來愈昂貴、耗能愈來愈高，在少數主導供應商之外也愈來愈難以取得。建設者開始面對那些超大規模雲端曾讓他們得以忽視的問題：電力從哪裡來？晶片能否運送到這個司法管轄區？資料一旦移動，適用誰的法律？
這些問題如今正在不同的地方得到解答，而其中大多數都不在矽谷。
稀缺性的啟示
在成熟的雲端市場中，應對AI需求上升的預設答案是透過更大的雲端合約、更密集的資料中心建設，以及對同一套集中式架構更深度的依賴來擴充容量。
這個答案愈來愈難以擴展。2024年，資料中心消耗了全球約1.5%的電力，足以使能源成為AI基礎設施的壓力點之一。國際能源署（IEA） 預期這一比例到2030年將增加到接近3%，使運算能力愈來愈難以被視為AI產品背後的隱形一層。
在大多數開發中國家，這種壓力本就是出發點。那裡的建設者幾乎從未有過將運算取得、電力與配送視為他人問題的餘地；他們必須針對這些問題進行設計。結果形成了一種在矽谷報導中鮮少受到關注的悄然模式：嚴肅的AI基礎設施正在那些將稀缺性視為設計問題而非事後補救的地方建立。
實際情況如何
這一模式在四個地區最為明顯。
在印度， Yotta Data Services在超過16,000個NVIDIA H100 GPU上運行Shakti Cloud，並有望在2025年底前將規模大致翻倍。印度AI使命（IndiaAI Mission） ——政府推動建立本土基礎模型的計畫——超過一半的運算能力依託於Yotta的硬體。2026年2月，全國多語言平台BHASHINI 從外國超大規模雲端遷移至Shakti Cloud，效能隨之提升了約40%。BHASHINI在全國規模下實現11種印度語言的即時翻譯；負責運營它的人已決定，無法自主掌控的基礎設施並不適合承載這項任務。
在非洲， 由辛巴威企業家Strive Masiyiwa創立的Cassava Technologies正在南非、埃及、肯亞、摩洛哥與奈及利亞的資料中心部署12,000個NVIDIA GPU。Cassava是 非洲大陸首家NVIDIA雲端合作夥伴；在此次建設之前，NVIDIA估計整個非洲大陸僅安裝了約80個其GPU。制約因素不僅是運算定價，更是先進矽晶片的根本缺失。Cassava的回應是建立一個依託自有光纖骨幹網的泛非洲網絡，旨在使非洲新創企業、研究人員與政府無需透過歐洲或美國即可訓練和部署AI。
在巴西， 政府的 SoberanIA計畫在皮奧伊州為一座主權AI工廠預留500 MW，完全以可再生能源驅動，並以Scala Data Centers作為首席基礎設施合作夥伴。巴西已 承諾在未來十年內吸引高達3,700億美元的資料中心投資，與REDATA計畫對100%使用可再生能源項目提供的稅收優惠掛鉤。巴西約65%的數據仍存儲於境外。這一賭注在於：豐富的水力與太陽能資源賦予巴西一種美國和中國需要付出更多努力才能建立的運算優勢——天然清潔、地利低廉。
阿拉伯聯合大公國走的是代價最高的路線。隸屬G42集團的Core42從阿布達比出售基於NVIDIA與Qualcomm混合晶片的推理容量，而該國已 與美國共同承諾建設一座佔地10平方英里、5吉瓦的AI園區，預計在本十年末前部分投入運營。阿聯酋的主張直截了當：那些希望擁有主權AI但無法自行構建底層架構的國家，可以向友好政府租用。中東研究所 將其描述為一項蓄意的垂直整合策略——將晶片、電力、資料中心與對外關係一體掌握。
這些項目並不共享相同的政治立場或所有權模式。它們的共同點是一個基本假設：運算取得、電力、土地與晶片供應是首要設計問題，而非外部性因素。這一假設催生出不同的基礎設施。
為何推理改變了版圖
訓練大型模型仍然有利於密集叢集、龐大的資本預算以及先進晶片的取得。這項工作短期內不太可能離開最大型的超大規模設施。
推理是另一個問題。模型被客戶、裝置、代理與企業系統持續使用。麥肯錫 預期推理將在2030年前超越訓練，佔AI資料中心的比重超過一半，並佔資料中心總需求的約30%至40%。
推理提出的問題與訓練不同。問題不再是最大叢集能在哪裡建立，而是運算能力應置於何處、響應速度能有多快、工作負載能多可靠地路由，以及在此過程中數據受誰的法律管轄。這些問題有其地理答案，而超大規模集中化並不能很好地應對，對於那數十億不在美國或歐洲資料中心低延遲範圍內的人們而言尤為如此。
推理需求所需的運算織網比超大規模雲端單獨所能提供的更為廣泛。分散式GPU容量、區域推理叢集、主權雲，以及在孟買、奈洛比、聖保羅和阿布達比等地崛起的新型雲端，並非超大規模的替代品，而是超大規模獨力無法服務的那一層。
這對版圖意味著什麼
舊的AI基礎設施版圖圍繞著雲端容量已高度集中的地方繪製。當運算被視為廉價且充裕時，這份版圖是合理的。
下一份版圖將截然不同。它將圍繞那些在運算昂貴且具有戰略意義時學會建設的地方，以及那些「誰掌控架構」這一問題從未停留於理論層面的地方繪製。從事這項工作的企業與政府並非在追趕矽谷；他們率先抵達問題面前，因為他們別無選擇。
—-
Ilman Shazhaev是Dizzaract的創辦人兼執行長，Dizzaract是一家總部位於阿布達比的AI基礎設施公司。他擔任聯合國/毒品和犯罪問題辦公室（UN/UNODC）專家小組成員，就AI在開發中國家的應用提供諮詢，並已發表46篇科學論文及持有10項已登記的發明專利。
