Microsoft 数据中心扩张目标达 38 吉瓦，此前曾面临容量短缺

Microsoft 计划新增约 26 吉瓦的数据中心容量，此前的容量短缺已迫使其放弃部分 AI 和云业务。这项 Microsoft 数据中心扩张计划将使其全球容量从目前约 12 吉瓦提升至 2032 年的逾 38 吉瓦。

这项计划并非又一个单纯的建设目标。Microsoft 一直在 Azure 客户、内部 AI 开发、Copilot 服务以及需要更换的老旧硬件之间分配稀缺服务器。如今，该公司希望拥有充足的基础设施来缓解这些限制，同时又不在可持续需求尚未明确前过度押注。

这构成了核心矛盾。Microsoft 必须在确定哪些 AI 产品能产生持久工作负载之前数年进行建设。与此同时，Amazon、Google、Meta、Oracle、OpenAI 及专业云服务提供商都在争夺同样的电力、芯片、建设能力和客户。

Microsoft 数据中心扩张将新增 26 吉瓦

Microsoft 正以一项延伸至未来六年的基础设施计划，应对当前的容量短缺。

据熟悉该计划的人士透露，Microsoft 预计其全球数据中心网络将在 2032 年超过 38 吉瓦。目前该网络容量约为 12 吉瓦，意味着还需新增约 26 吉瓦。

吉瓦衡量的是 10 亿瓦电力。在数据中心规划中，它可大致反映一个站点能够支持的计算设备规模。实际性能仍取决于芯片类型、利用率、冷却、网络和软件效率。

据报道，这一路线图包括 Microsoft 自有设施及其向传统数据中心运营商租赁的场地。该计划不包括从 neoclouds 租用的计算能力；neoclouds 是一类专注于提供加速计算容量的新型服务商。

这一区分之所以重要，是因为 38 吉瓦这一数字描述的是 Microsoft 预计通过所有权或传统租赁方式控制的基础设施。它并不代表 Microsoft 在需求异常强劲期间可能使用的所有外部服务器。

Bloomberg 报道称，该公司当前的短缺已经迫使其拒绝部分 AI 和云业务。这种短缺还要求公司在 Azure 客户与 Microsoft 自身服务之间作出取舍，后者包括 Copilot 产品和内部模型开发。

Microsoft 已公开承认更广泛的限制。在其 2026 财年第三季度财报电话会上，管理层表示客户需求持续超过供应。该公司预计，至少到 2026 年年底仍将受到容量限制。

该公司还表示，必须在 Azure、第一方应用、研究和服务器替换之间分配新到货的硬件。这一分配难题使看似简单的扩张变成了一项投资组合决策。

一块新的加速器可以通过 Azure 租用产生收入、支持一次 Copilot 交互，或训练一个 Microsoft 模型。它无法同时完成这三项工作。因此，每次分配都伴随着机会成本。

Microsoft 预计其 Azure 收入在第四财季将按固定汇率增长 39% 至 40%。管理层表示，新容量投放的时间可能影响季度增长，因为无法提供的服务器会限制有多少客户需求能够转化为已确认收入。

拟议中的扩张旨在消除这一上限。然而，数据中心容量不能像普通办公设备一样下单采购。Microsoft 必须 확보土地、电力互连、冷却系统、网络设备、发电机以及大量处理器。

不同市场的建设进展也并不均衡。如果电网供电、变压器或网络姗姗来迟，竣工的大楼价值有限。因此，有效容量的启用日期比开工公告更重要。

因此，Microsoft 的目标应被视为一项长期供给计划，而非一次性出现 26 吉瓦的容量。容量将分阶段在多个国家的自有园区和租赁设施中投放。

这一规模依然非同寻常。超过 38 吉瓦将超过许多大型司法辖区的峰值用电需求，也将使 Microsoft 跻身全球最具影响力的私营电力采购方之列。

最重要的变化并不只是遥远的总容量。Microsoft 正在表明，其近期的短缺是一项结构性的基础设施问题，而非仅靠软件优化便能彻底解决的短暂供需错配。

为什么 Microsoft 现在需要更多 AI 算力

眼前的压力来自 Microsoft 同时充当云服务供应商和自身最大的 AI 基础设施客户之一。

Azure 向企业、软件公司、政府和 AI 开发者销售计算容量。Microsoft 还通过 Microsoft 365 Copilot、GitHub Copilot、安全产品、搜索、模型开发及其他内部服务消耗同一套基础设施。

这些需求造成的冲突，并非 Amazon Web Services 以完全相同的形式所面临。Amazon 也运营着重要的第一方业务，但 Microsoft 已将生成式 AI 嵌入到覆盖面尤为广泛的企业软件产品组合中。

每一次成功部署 Copilot，都可能增加底层推理系统的使用量。推理是指运行已训练模型，以生成答案、建议、图像或软件变更的过程。

Microsoft 表示，超过 300 家客户有望在年内通过 Foundry 处理逾万亿个 token。Token 是 AI 模型在读取提示词和生成回复时处理的小型文本单位。

该公司称，这些客户的相关活动环比增长 30%。这一数字并不描述全部 Azure AI 活动，但它说明了组织超越实验阶段后，工作负载可以增长得多快。

例如，Bayer 正通过 Foundry 中的多个模型运行一个内部智能体平台，该平台拥有超过 20,000 名月活跃用户。这类生产部署需要可预测的容量，而不是偶尔能获得闲置加速器。

这一限制也影响普通云计算。AI 服务器与存储系统、数据库、虚拟机和其他 Azure 服务共享数据中心的电力、冷却和网络基础设施。

Microsoft 无法在不考虑现有客户的情况下扩充 AI 集群。它还必须替换旧服务器，以维持更广泛云平台的性能、可靠性和能效。

由此形成的瓶颈体现在 Microsoft 的财务指引中。管理层表示，尽管公司正努力加快交付速度并提升集群效率，Azure 需求仍超过可用供应。

集群效率意味着从已安装硬件中提取更多有效工作。调度改进、更高利用率、模型优化和更优冷却，可以在不等比例增加电力容量的情况下扩大有效产出。

这些措施很有价值，但 Microsoft 的 38 吉瓦目标表明，仅靠效率并不足够。该公司认为，客户工作负载和第一方需求将吸收更多实体基础设施。

根据其财报讨论，Microsoft 计划在 2026 日历年投入约 1,900 亿美元资本支出。该预测包括约 250 亿美元与更高组件价格相关的支出。

管理层还预计，随着更多容量上线，季度资本支出将升至 400 亿美元以上。融资租赁可能使这些数字出现波动，因为租赁开始时会记录其全部价值。

这笔支出凸显出，这不仅是供应问题。Microsoft 必须将资本投资转化为有利润的工作负载，同时应对组件成本、融资义务和折旧计入账目的影响。

它无法等到每一种 AI 使用场景都变得可预测。大型园区需要数年规划，公用事业互连排队时间可能比建设周期更长。

等待会使 Azure 的容量受限状态延续更久。激进建设则可能在 AI 需求、模型经济性或客户行为发生变化时，造成昂贵且利用不足的设施。

对企业买家而言，近期问题在于可用性。客户可能希望使用特定加速器、模型或部署区域，却遇到配额限制或延迟配置。

对于面临数据驻留规则或延迟要求的组织而言，区域容量尤为重要。位于另一大陆的闲置服务器未必能解决客户所需市场中的短缺。

开发者还应区分模型访问权限与有保障的吞吐量。云服务目录可能列出某项服务，但实际使用仍可能受到区域容量、速率限制或预留可用性的约束。

因此，Microsoft 的 AI 算力短缺具有多个层面。芯片最受关注，但电力输送、当地许可、变压器、网络、冷却和建设顺序，决定了这些芯片能否成为可用服务。

真正的竞争是需求与建设周期之间的较量

Microsoft 的主要对手并非某一家云服务提供商，而是即时 AI 需求与可靠基础设施缓慢交付之间的鸿沟。

公司间的比较依然重要。Amazon、Google、Meta、Oracle 和 OpenAI 都在推进大型设施、长期电力合同或专用 AI 园区。

但 Microsoft 无法仅靠比某个竞争对手花更多钱来解决短缺。它必须协调多条供应链，而这些供应链的周期远长于典型的软件发布节奏。

处理器可以在数月内升级，而电力变电站和输电升级可能需要数年。围绕某一代加速器设计的园区，可能在新芯片改变预期计算密度之后才开业。

这种时间错配解释了为何需要谨慎看待吉瓦数字。电力容量并非 AI 计算量的直接计数。效率更高的芯片可在相同功耗范围内完成更多工作，而冷却和网络限制则可能降低可用产出。

Microsoft 也在建设混合型集群。Azure 必须支持图形处理器、中央处理器、存储、网络，以及服务不同客户工作负载的专用系统。

据报道的计划覆盖的是这一更广泛的计算网络，而非一台 38 吉瓦的超级计算机。它涵盖地理上分布的设施，同时服务 AI 和传统云需求。

建设管线包括规模可观的单个项目。2026 年 3 月，在 OpenAI 选择将额外容量部署到其他地点后，Microsoft 接手了得克萨斯州阿比林一处大型园区的扩建项目。

预计两座新的 Microsoft 建筑将帮助该园区增至十栋数据中心建筑，并达到 2.1 吉瓦的计算容量。两家公司将在同一开发项目中相邻区域运营。

开发商 Crusoe 表示，Microsoft 所占部分将包括一座可产生 900 兆瓦电力的现场发电厂。这项阿比林扩建项目显示，算力建设正日益纳入能源基础设施，而不再仅依赖现有电网。

这种安排也反映出 Microsoft 与 OpenAI 关系的变化。Microsoft 曾是 OpenAI 的独家云服务提供商，但如今两家公司都通过多个合作伙伴和项目推进基础设施建设。

OpenAI 正通过 Stargate 与 Oracle 及其他参与方建设算力容量。Microsoft 在继续支持 OpenAI 的同时，也在开发自有模型、运营 Azure，并销售与其竞争的 Copilot 体验。

因此，基础设施竞争并不像传统供应商竞争那样界限分明。Microsoft 可以在同一 AI 市场中同时扮演投资者、供应商、客户、合作伙伴和竞争对手。

Amazon 仍提供了最清晰的云计算基准。Jefferies 和 Aterio 汇总的数据估计，Amazon 在北美的数据中心容量为 10.6 吉瓦，而 Microsoft 为 5.5 吉瓦，Google 为 5.2 吉瓦。

这些估算采用的地理范围和方法论均比 Microsoft 报告的全球 12 吉瓦数据更窄，因此不应将其视为可直接互换的总量。

但它们确实勾勒出竞争环境。在该分析中，Amazon、Microsoft 和 Google 合计拥有超过 21 吉瓦的北美容量，占 15 家上榜运营商总容量的一半以上。

Amazon 的领先地位意味着，Microsoft 的扩张并非发生在一个没有竞争的市场中。当竞争平台缺乏容量时，AWS 可以利用其既有客户基础、自研 Trainium 芯片和云合作关系来承接工作负载。

Google 拥有自家的张量处理单元、全球云基础设施和模型组合。Meta 正在为其模型和产品建设规模庞大的内部集群，进一步加剧设备和电力市场的压力。

Oracle 通过大型 AI 基础设施协议及其与 OpenAI 的合作而更加受到关注。CoreWeave 等专业服务商也可以通过专注于高加速器密度的工作负载，在特定市场更快作出响应。

Microsoft 将自建设施、传统租赁和 neocloud 容量结合使用，从而获得灵活性。自建设施提供控制力，而租赁和外部供应商则有助于缩短应对需求激增所需的时间。

这种灵活性也有其边界。外部容量可能带来不同的经济性、运营依赖关系和安全要求。Microsoft 报告的 2032 年总量不包括 neocloud 租赁，这表明其希望在直接运营战略之下建立规模更大的基础。

因此，这一目标并不只是为了成为最大的运营商，而是为了缩短客户提出算力需求与 Microsoft 在合适地点提供适当容量之间的距离。

38 吉瓦计划伴随财务与气候风险

只有当 Microsoft 能够以负责任的方式获得能源，并让由此部署的服务器得到有效利用时，这一扩张才能缓解稀缺问题。

电力供应是首个不确定因素。数据中心开发商可以购置土地、订购设备，却无法自行建立可靠的区域电网接入。

公用事业公司必须研究每个项目对输电、发电和当地可靠性的影响。社区和监管机构则必须决定由谁承担升级成本，以及家庭用户是否会面临更高费用。

一些运营商开始转向现场发电、长期可再生能源协议和核电项目。这些做法可以改善电力获取条件，但每一种都带来不同的建设、监管和排放问题。

Microsoft 在 Texas 的扩张体现了这一权衡。计划中的 900 兆瓦现场发电厂可帮助更快提供电力，但天然气发电也引发了有关排放和长期气候承诺的问题。

Microsoft 表示，当受限电网无法支持开发进度时，公司会在碳目标、可靠性和速度之间取得平衡。该公司还称，正在探索缓解燃气发电项目排放的方法。

这种压力已在公司报告中显现。Microsoft 的温室气体排放总量增长了 25%，部分原因是数字基础设施扩张以及电力核算方式的变化。

其与购电相关的报告排放量在 2024 年至 2025 年间增长了 945%，同期用电量增长了 24%。排放核算的增长部分反映了公司不再采用某些可再生能源证书。

Microsoft 表示，为新的无碳发电项目提供融资，比依赖与现有项目挂钩的证书更具长期价值。即使这一立场合理，短期内仍可能导致报告排放表现恶化。

该公司还通过购买可再生能源，使其年度用电量实现匹配。但年度匹配并不意味着每座数据中心在运营的每个小时都获得无碳电力。

随着 Microsoft 增加容量，这一区别将变得更加重要。超过 38 吉瓦的全球机群将需要极其庞大的发电、输电、储能和备用电力资源。

该公司的可持续发展负责人表示，许多现有解决方案的扩展速度不足以匹配 AI 基础设施的增长。因此，Microsoft 的气候指标将构成对其建设计划的直接检验。

水资源带来另一项本地担忧。数据中心可能使用水进行冷却，但具体用水量会因设计、气候和工作负载而显著不同。

Microsoft 报告称，相较于 2022 年基准，其水资源使用效率指标提升了 25%。该公司还表示，在最近一个报告期内，其在全球范围内回补至流域的水量超过取水量。

全球数据并不能消除本地压力。一个项目可以提高公司整体效率，同时增加缺水社区的需求。因此，站点级披露仍然是评估这一影响的关键。

财务利用率构成第二项风险。Microsoft 必须在明确了解 AI 模型、客户采用情况和处理器效率将如何演变至 2032 年之前，提前投入资本。

当前的短缺并不保证整个十年都将维持同样的短缺。开发者可能创造更小的模型，企业可能减少低效推理，而新芯片可能以每瓦更高的效率完成更多工作。

需求也可能超过当前预测。执行多步骤任务的 AI agents 可能比聊天界面消耗更多 token，因为它们会反复调用模型、工具、数据库和其他 agents。

Microsoft 的商业模式正日益将按用户许可与按用量收费结合起来。只要客户能够看到足以维持使用的价值，这种结构就为公司通过更高强度的 AI 使用实现盈利提供了路径。

这种支出的持续性仍不确定。在 Microsoft 的财报电话会议上，一名分析师指出，企业对 Microsoft 的热情并未伴随整体信息技术预算的同等增长。

这一问题直指扩张的核心。AI 支出可以通过替代其他技术成本、增加总预算，或创造足以证明额外消费合理性的可衡量价值来增长。

如果这些机制未能奏效，Microsoft 可能面临更低的利用率或定价压力。即使客户没有使用所有可用服务器，数据中心的成本依然高昂。

更高的组件成本又增加了一项挑战。Microsoft 将其 2026 日历年约 250 亿美元的资本支出预测部分归因于组件价格上涨。

该公司表示，需求信号、产品使用情况和平台效率支撑了预期回报。但这属于管理层判断，而不是对六年后利用率的保证。

2032 年这一数字本身来自熟悉计划但未具名的人士，而不是详细的公开建设时间表。Microsoft 尚未提供逐站点清单，说明哪些项目已经签约、获得许可、正在建设，或仅处于规划阶段。

因此，读者应将 38 吉瓦视为战略路线图，而非已投运、拥有可靠电力保障和已安装服务器的容量。

Microsoft 的 AI 容量计划对客户意味着什么

更多容量应能改善可用性，但不会让每一项 AI 工作负载都变得更便宜、更快或更容易部署。

对于大型 Azure 客户而言，最直接的好处是供应限制减少。企业或许能在首选区域更容易获得加速器，并面临更少的预留容量竞争。

这一结果取决于 Microsoft 是否部署正确的硬件。整体电力容量的增长并不保证特定处理器、模型服务或安全配置的可用性。

企业买家应关注区域部署时间表，而非仅依赖全球目标。合规、延迟和数据驻留要求可能使一个市场中的容量无法在另一个市场使用。

客户还应评估工作负载能否在不同模型或硬件类型之间迁移。当需求超过供应，或新处理器具有更优经济性时，可移植性会变得很有价值。

开发者可以通过衡量 token 消耗、缓存重复工作、将简单请求路由至更小的模型，以及将高端系统留给确有需要的任务，来降低风险敞口。

这些做法并不能免除 Microsoft 的基础设施责任，但能帮助客户避免将充足算力视为高效产品设计的替代品。

这一扩张也可能影响云计算竞争。当某家供应商缺少合适容量时，客户更有理由采用多云策略，或与专业 GPU 供应商合作。

更庞大的 Azure 机群可以减轻这种压力，并使 Microsoft 更容易将 AI 工作负载留在自身平台中。与身份管理、数据库、安全、开发者工具和 Microsoft 365 的集成强化了这一动机。

不过，一些买家仍会继续分散部署。近期的短缺表明，对云平台的合同访问权并不总能保证立即获得每一种资源。

AI 初创公司面临不同的考量。它们需要快速获得容量，但当新处理器提升性能或模型架构发生变化时，长期合同可能失去吸引力。

Neoclouds 正是通过满足这一需求而获得更多关注。它们集中的加速器机群可在超大规模云服务商实施配额限制或区域库存不足时提供替代方案。

Microsoft 决定将 neocloud 租赁排除在所报告的 38 吉瓦目标之外，并不意味着这些供应商变得无关紧要。随着公司自控站点陆续投入使用，外部容量仍可作为缓冲阀。

知识工作者将间接感受到这项扩张。额外算力可支持更多 Copilot 交互、更长的任务、更低的延迟，以及在 Microsoft 产品中更广泛的可用性。

这些改进仍取决于软件质量和有用的集成。一个产出不可靠工作的充足模型，并不会仅仅因为 Microsoft 能更频繁地运行它而变得有价值。

AI agents 也带来治理挑战。当软件跨电子邮件、文档、代码和业务系统执行操作时，组织需要能够说明 agent 访问了什么以及产出了什么的记录。

团队可能需要在获得更多算力的同时加强知识管理实践。可检索的AI 知识库有助于保留自动化工作流周围的背景、决策和源材料。

因此，基础设施计划可以扩展 Microsoft 提供的能力，但并不能决定用户是否应采用每项服务。客户仍需比较可靠性、治理能力、可衡量的生产力以及总体资源消耗。

微软的规模或许能改善可及性，但也会提高客户集中度风险。将更多工作负载集中到单一供应商，虽然可以简化运营，却会让宕机、政策变动或容量决策带来更严重的影响。

平衡的应对方式并不是自动采用多云策略，而是识别哪些工作负载需要可移植性，哪些深度依赖微软服务，以及哪些能够承受暂时性的限制。

三个信号将显示该计划是否奏效

微软必须证明，规划中的吉瓦级容量能够转化为及时交付的算力、盈利性使用以及可被当地接受的基础设施。

第一个信号是 Azure 在未来财报中对容量的说明。投资者和客户应关注，管理层在 2026 日历年之后是否仍会表示需求高于供给。

如果限制减少，同时 Azure 保持持续增长，将表明新的基础设施正在客户需要的地方投入使用。若短缺持续存在，则意味着建设进度或需求增长正在超出微软的计划。

措辞与整体增长率同样重要。微软会将新增供给分配给 Azure、内部应用、研究和替换服务器。

管理层最终应显示，这种分配正变得不再那么严格受限。如果 Azure 增长加快，同时第一方 AI 使用量扩大，公司就能更有力地证明新增容量正在支持多项业务。

如果限制缓解仅仅是因为需求放缓，解读就会不同。投资者需要对比使用量、预订量、利润率以及管理层关于容量的表述，而不能将可用性本身视为成功。

第二个信号是大型园区可见的建设进展和电力交付情况。38 吉瓦路线图涵盖自有和租赁站点，但总目标对项目成熟度的说明有限。

公告之后应能看到电网协议、许可证、完工的变电站、已安装的设备以及投运日期。这些环节中的任何延误，都可能让可用算力的交付时间远远晚于建筑工期。

阿比林提供了一项具体检验。其 2.1 吉瓦园区及规划中的现场发电设施，体现了超大型 AI 园区所需的整合式方案。

若能成功交付，将强化微软可以把规划电力转化为可运行基础设施的论点。延误、成本攀升或社区争议，则会暴露在全球复制这一模式的难度。

第三个信号是，微软能否在资本基础扩张的同时提升财务回报。资本支出只衡量投入，而非成功的 AI 经济效益。

应关注 Azure 增长、云业务毛利率、Copilot 采用情况以及按使用量计费的 AI 收入。这些指标结合起来，可以显示客户是否在为新服务器所支持的工作负载付费。

微软预计，其云业务毛利率在本财年第四季度约为 64%，AI 投资和 GitHub Copilot 使用量增加将对这一结果构成压力。未来若趋于稳定，将表明收入和效率正在追赶基础设施成本。

进一步恶化并不必然意味着扩张计划失效。新设施和寿命较短的设备会在其全部收入到位前产生成本。然而，若长期下滑，则会引发对定价和利用率的疑问。

环境披露也应与这些财务指标一并考量。微软的用电量、排放、水资源效率以及新增无碳发电，将揭示扩张是否符合其既定的可持续发展战略。

竞争对手的反应同样值得关注，但仍属于辅助背景。Amazon、Google、Oracle、Meta 和 OpenAI 将继续发展各自的基础设施和电力安排。

微软无需在每一项容量比较中胜出。它需要的是足够可靠的算力，既能避免拒绝有吸引力的需求，也能让所建服务器获得可接受的回报。

微软的数据中心扩张归根结底是一场对持续 AI 消费的押注。当前的短缺令建设理由格外充分，但并不能决定 2032 年的经济效益。

随着每个新区域或服务推出，客户应提出一个实际问题：新增容量是否改善了其实际运行工作负载的可用性、性能、治理能力或可衡量的业务价值？

这些证据将比遥远的总目标更重要。如果微软能将新增的 26 吉瓦转化为可靠且得到充分利用的算力，该计划将缓解 Azure 和 Copilot 面临的关键约束。如果电力交付、客户需求或经济效益未达预期，38 吉瓦反而会成为风险敞口的衡量指标。