今年美国有一半左右的AI数据中心，快要建不下去了。
Sightline Climate统计了全美140个在建的数据中心，其中计划上线的容量是16GW，但真正在施工的只有5GW。有30%到50%被推迟或者直接砍掉，主要原因是因为变压器交不上货，电网也接不进来，然后当地的审批也是一拖再拖（个别州还直接出了不许修建数据中心的禁令）。
TechSpot上周的报道里还提了一嘴，虽然懂王一直在喊着制造业回流，但是建设这些数据中心所需的电气零部件，绝大部分还是得从中国买。
钱募到了，巨额的费用也已经砸了下去。美国四大科技公司2026年AI相关的资本支出加起来接近7000亿美元。亚马逊、微软、谷歌、Meta这四家的基础设施投资，总额度已经追平了全球半导体行业的年度总收入。
但有钱是一回事，建不建得出来是另一回事。变压器的交货周期从几个月拉到了两年，而且美国本土产能连电网升级都喂不饱。Sightline预测2027年计划上线的项目超过25GW，但真正在建的还不到10GW。按目前这个趋势，拖延的项目只会越来越多。
但这些只是硬件层面的卡壳，给够时间，多买些变压器、扩容电网，迟早都能解决。
但是这个更根本的问题才是最麻烦的：这些数据中心建出来之后，产生的算力到底给谁用？真的用得完？
没人说得清，也没人想说清。
根据统计，截至2025年上半年，有84%的美国高中生在用AI写作业。但美国智库RAND的调查发现，大部分学校对这事的态度很含糊，既没正式允许也没明确禁止，就这么水灵灵的放在一边，遮上眼睛，当做啥也没发生。
而宾夕法尼亚大学则在土耳其一所高中做了一个有趣的实验：
把约1000名学生分成三组做数学练习，一组用ChatGPT，一组用AI导师版ChatGPT，最后一组则什么都不用。
在练习阶段，用AI的两组正确率分别提高了48%和127%。但到了正式考试的时候，把AI一撤走，之前用AI的那批人，成绩反而比从没用过的低了17%。
研究者把这种情况称为虚假掌握。学生只是把AI当成本写好了标准答案的习题册，在拿着AI做练习的时候，看着答案，就觉得自己什么都懂了，但自己的能力其实根本就没获得增长。
简单来说就是，学生们只是把AI当成了一个不用给钱、也不用动拳头就能帮着做作业的优等生。结果除了提升了抄作业的效率之外，并没有什么真正的效果。
企业方面也没好到哪去。NBER今年初调研了6000多位欧美高管，超过80%的高管表示，AI对生产力和人力资源并没什么实质影响。
德勤1月的报告给出的数字更详细：只有34%的企业确实在利用AI做深度转型，37%只是表面用用，还有30%只是用它来重新设计一次业务流程。因此真正在用AI改变业务逻辑的，大概就三分之一。
这份调研里有个还有一个有趣细节：三分之一的高管声称自己在试用AI，但平均每周只用1.5小时，还有四分之一则完全不用。
一个管理层自己都没整明白的东西，指望整个组织能靠它变天，明显是不现实的。
哈佛商业评论2月直接用了"AI应用停滞"这个词。麦肯锡的数据显示88%的公司已经在常规工作中使用AI，但是普及率并没有带来回报率。
HBR把原因指向组织整合——员工会试两下新工具，但很少真正把AI嵌进日常工作流。尝尝鲜就完了，AI对绩效的提升很快就会触顶。
IDC把这个现象叫生产力高原。说白了就是AI带来的效率提升会有一波快速的红利期，但是过完这个红利期之后，增长曲线就跑平了。如果只是单纯地去追求效率提升，抵达天花板的速度来得比大家想的都要快。
把上面这些例子拼在一起，趋势就很清楚了：算力在涨，资本在砸钱，但应用端还停留在很浅的层面。
学生只是拿AI对付作业，员工则是一边拿着AI写邮件，一边又拿着AI总结AI写的邮件。
系统看起来AI化了，也顺利地运转起来，效率似乎也有了那么一点提升，但是最终的本质还是没变。就好像所谓的无纸化办公，推行了半天到最后还是得把所有的电子文档打印出来，然后人肉签名盖章。无纸化搞到最后，纸没省几张，流程倒是多出了好几道。
蔡崇信去年就说过，大量数据中心在没有订单的情况下就开建了。DeepSeek出来之后，这个担忧就更具体了：算法效率在提升，同样的效果需要的算力在变少。而中国信通院4月的报告则把现阶段的发展定调在"从规模化扩张向高效化提升"，话里话外的意思已经很明显了。
不是说这些数据中心不该建。毕竟AI的杀手级应用随时可能出现，这7000亿美元不能说都是在瞎赌。但问题是，如果一直没出现呢？这堆过剩的算力，会不会变成当年网络狂潮时那些被废弃的光纤？
投资跑到应用前面去，这种事在技术史上并不新鲜。铁路、互联网、光纤都走过这条路。最后赢的都不是砸钱最多的人，而是最先找到真实应用场景的人。
如今的AI就卡在了这个地方：硬件已经跑上了高速，但是导航还没装好。