2026年8月28日，硅谷著名风险投资机构Andreessen Horowitz（a16z）宣布成立规模11亿美元的 Machine Age Fund——“机器时代基金”。真正值得关注的并不是它成立了一只11亿美元基金，而是背后的一个产业判断：
AI算力需求的增长速度，已经快到现有硬件基础设施无法依靠常规升级来承接。
过去的数据中心升级，大多是渐进式的。CPU更快一点，服务器密度更高一点，网络带宽增加一点，供电和散热随之调整。但AI正在打破这种节奏。
一个最直观的数据是：从H100机架到Rubin机架，单机架计算密度提高了约28倍。
问题在于，计算密度提高28倍，并不意味着只需要把GPU换掉。
GPU需要更快地交换数据，于是机架内部网络带宽同步暴涨，传统铜缆开始逼近物理极限，光互连的重要性迅速提升；GPU需要更多数据，于是HBM以及整个内存层级都要扩容、提高带宽；更高的计算密度又意味着更大的功耗和热量，于是供电、散热、电气系统都必须重新设计。
所以AI算力升级更像一种链式反应。
芯片升级之后，后面的所有基础设施都必须跟着升级。
其中最明显的是电力。
过去普通服务器机架的功率大约只有5—10kW，而今天高端AI系统已经达到100—250kW。按照a16z引用的趋势，未来三年甚至可能出现单机架1MW的系统。
这已经不是传统意义上的“服务器”。
一个1MW机架，本质上接近一座小型工业设施。
于是数据中心规模也开始发生变化。过去几十MW已经属于大型数据中心，现在正在向数百MW发展，一些AI园区甚至走向GW级。
这意味着AI基础设施竞争开始从：
GPU竞争
扩大成：
GPU + 内存 + 网络 + 光通信 + 电源 + 散热 + 电网 + 土地。
甚至连供电模式都开始变化。
传统数据中心基本依赖公共电网，现在越来越多项目考虑“电网 + 表后电源（behind-the-meter）”甚至自备电源，包括天然气、电池储能以及其他独立能源方案。
原因并不复杂：电网建设速度跟不上AI数据中心建设速度。
所以今天限制AI扩张的，已经不仅是“有没有GPU”，还包括：
有没有足够的电、能不能把电送进机架、热量能不能排出去、芯片之间的数据能不能足够快地传输。
这也是为什么a16z认为，“Everything needs an upgrade”。
几乎每一层都存在新的创业机会。
例如内存，需要更便宜、更高带宽的存储体系；网络需要更高速、更大规模的互连；电力系统需要更高效率的变压、配电和电源管理；数据中心需要新的液冷和材料技术；而到了Edge AI，又需要完全不同的目标——不是无限堆算力，而是在有限功耗下，让AI真正进入汽车、机器人和各种机器。
因此，AI基础设施正在形成一个非常巨大的“连锁需求市场”。
但真正值得注意的是供给侧。
传统硬件产业习惯的增长速度通常只有每年20%—30%。晶圆厂、电力设备、光模块、散热系统和数据中心都不是软件，不可能今天增加需求、明天就复制一百万份。
而AI需求很多时候却是三位数增长。
这就产生了一个巨大的速度差：
AI需求按照软件速度增长，硬件供给却仍按照工业制造速度增长。
这可能正是未来几年AI产业最大的结构性矛盾之一。
而每一个供需缺口，都可能产生新的公司。
这也解释了为什么a16z的Deal Flow正在发生明显变化：过去硬件创业项目只是很小的一部分，现在已经占到20%以上。
这其实是一个很重要的风向标。
过去风险投资最喜欢软件，因为软件轻资产、高毛利、扩张快；硬件则开发周期长、资本投入大、供应链复杂。
但AI正在改变这种收益结构。
如果一个创业公司能够解决AI基础设施中的关键瓶颈——例如内存、互连、电源、冷却或者Edge AI——它面对的可能不是一个几十亿美元的软件细分市场，而是未来持续数十年的全球计算基础设施重构。
所以，Machine Age真正值得关注的并不是“硅谷重新喜欢硬件了”。
而是一个更深层的变化：
AI正在把计算产业重新变成重工业。
过去二十年，互联网最重要的生产资料是软件和服务器。
未来十年，AI最重要的生产资料可能同时包括：
芯片、内存、光纤、电力、冷却系统、数据中心、机器人和智能机器。
AI模型仍然位于最上层，但真正决定AI能够扩张多快的，越来越可能是下面这些看似传统的物理基础设施。
这也是“Machine Age”这个名字最有意思的地方：
AI革命正在从软件世界向物理世界传导，而整个硬件产业链，都必须为此重新设计一次。