一句话看懂：哈佛商学院经济学家 Willy Shih 在 The Verge 播客中讨论新书《Where Does My Stuff Come From?》，指出 AI 基础设施狂潮正把算力资源推向极限，而芯片、内存等供应链的现实约束被政策讨论长期忽略。
事件核心：发生了什么
2026 年 11 月 5 日，The Verge 主编 Nilay Patel 在 Decoder 播客中对话 Willy Shih。Shih 是哈佛商学院管理实践教授，新书聚焦全球供应链背后的经济学。节目围绕三个话题展开：AI 建设对芯片和内存（RAM）的挤压、所谓“RAMageddon”的供应紧张，以及为什么 iPhone 仍难以在美国完整制造。Shih 延续了他 2019 年判断富士康威斯康星州 LCD 工厂难以落地的思路：没有配套玻璃厂、混凝土和结构钢，面板厂就无从谈起。
为什么重要
当前 AI 训练和推理需求推高算力采购，芯片与内存成为稀缺资源。节目指出，关税和“制造业回流”口号并没有改变供应链的第一性原理：一座工厂能否建成，取决于上下游配套、材料供应和工程能力，而非政治意愿。中国仍是全球制造中心，部分原因是其在面板、电子组装等领域形成了完整集群。这对 AI 行业的含义是：算力扩张不只受制于 GPU 设计，也受制于内存、封装、电力和厂房等长周期环节。
对用户/开发者/创作者的影响
对开发者和企业采购而言，AI 应用的成本结构可能继续受内存和芯片供应波动影响，推理 API 的定价与可用容量值得持续跟踪。对创作者来说，AI 工具的能力上限不只由模型决定，也由后端算力供给决定。硬件创业者和投资者则应关注供应链本地化是否真正落地，而非仅看政策宣示。目前公开信息显示，节目未给出具体价格或产能数据，判断需谨慎。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是内存与芯片供应紧张是否在 2027 年缓解，直接影响 AI 推理成本；二是美国本土制造项目能否补齐材料与配套环节，而不只是组装厂；三是关税政策变化会否进一步抬高 AI 硬件采购成本。
来源：The Verge
