大模型比拼参数的另一面，是全球内存、电力和土地正被同步吃紧。
一项最新深度调查指出，ChatGPT和Claude等大语言模型的资源需求极为庞大：科技公司可能正在购买全球约70%的高端计算机内存供应，造成全球性短缺并推高内存与存储价格。数据中心用电激增已产生可感知的社会成本——美国公众电费账单因此增加约230亿美元，而这还只是开始。
更值得警惕的是扩张速度：科技公司计划在未来几年内将美国数据中心总容量扩大8倍。这意味着从内存芯片、电力供应到冷却系统和土地资源，整条数据中心产业链都将承压。调查将这一现象称为“工程灾难”——AI公司追逐模型能力提升时，对基础设施的消耗速度，已远远超过技术进步带来的效率提升。
这与芯片厂商不断推出更高性能硬件形成自我强化循环：模型越大，需要的算力越多；算力越多，又能训练更大的模型。算力军备竞赛之外，能源与供应链约束正在成为同等重要的上限。