AI硬件进口增速远超本土生产，供应链短板凸显

自2019年起，美国计算机进口价值激增366%，而国内产量仅提升46%。与此同时，电气设备进口增长69%，本土产出却下降7%，暴露出人工智能基础设施建设中的显著供应断层。尽管半导体进口增长131%，得益于新增产能，本土产量也实现76%的增幅。

随着人工智能模型对计算资源的需求攀升，各类GPU租赁成本普遍上涨，包括较旧型号A100芯片。数据显示，在四大类核心AI硬件中，美国进口规模已全面超越本土生产水平。

数据背后的供应链分化

这些数字揭示了美国在构建人工智能基础设施过程中对外部供应链的高度依赖，同时反映出不同行业应对扩张节奏的差异。需注意，所列数据基于美元价值变动，而非实际设备数量，因此体现的是经济规模的对比，而非绝对供应占比。

四类设备的生产策略差异

制造商可通过扩产或提升现有产能利用率来增加产出。具体来看：

计算机制造：产能扩张与利用率提升并行，共同推动产量增长。通信设备：虽大幅扩产，但利用率下滑，表明产能增速超过实际使用速度。半导体制造：同样扩大产能，但利用率维持稳定，产量增长主要来自新工厂投入。电气设备：呈现反向趋势，尽管利用率提高，但总产能萎缩，导致本土产量低于2019年水平。

这一短板尤为关键，因人工智能系统运行不仅依赖算力硬件，还需稳定的电力支持。开关柜等电气设备是电网升级以承载高功耗GPU集群的核心组件。

进口补位，但扩张动因未明

当本土供给无法匹配需求时，进口成为重要补充。然而，现有数据未能解释为何部分产业未采取更大规模扩张。a16z分析认为，建设成本高昂、投资不确定性以及海外供应商的竞争压力可能是抑制扩产的关键因素，但尚无定论。

以下是自2019年以来各类型硬件的生产与进口对比：

计算机：本土生产 +46% vs. 进口 +366%

通信设备：本土生产 +87% vs. 进口 +175%

半导体：本土生产 +76% vs. 进口 +131%

电网及电气设备：本土生产 -7% vs. 进口 +69%

GPU租赁与令牌消耗双重承压

Ornn Data监测显示，当前所有被追踪的GPU型号租赁价格均高于年初水平，即使较旧的A100芯片也出现溢价。其租赁成本较六年线性折旧基准高出9%至143%。不过，a16z指出，此前部分旧款芯片曾长期低于该基准。

OpenRouter数据显示，开源与专有大模型的令牌处理量持续上升。“令牌”指人工智能系统处理的基本文本单位，反映模型调用频率。

a16z强调，当前数据对GPU定价和令牌支出的反映仍不完整。此外，人力资源亦面临压力。根据ADP数据，支撑AI项目的多个行业员工周工时明显增加。跳槽者的薪资涨幅比留任者高出五个百分点，凸显人才争夺激烈。

总体来看，当前趋势显示硬件需求强劲、产能扩张不均，且劳动负荷加剧。进口正在弥补供应缺口，而电气设备仍是本土制造最薄弱环节。