根据风投公司a16z发布的数据，自2019年以来，美国AI相关硬件的进口增速在所有主要设备类别中均超过本土产量。计算机进口在此期间增长366%，而美国产量增长46%，凸显出该国AI基础设施扩张对海外供应的高度依赖。

这些数据于2026年10月25日作为a16z"Charts of the Week"系列的一部分发布，涵盖AI基础设施建设的四大核心类别：计算机、通信设备、半导体以及电网和电气设备。

各类别进口全面领先于产量

通信设备进口增长175%，而本土产出增长87%。半导体进口攀升131%，产量增长为76%。电网和电气设备的分化最为明显：进口增长69%，而美国产量下降7%。

这些数据暴露出支撑AI扩张的各设备类别中，本土的应对并不均衡。该对比衡量的是美元价值的变化，而非机器或零部件的直接数量统计。由于数据以美元计价，其变化可能受价格以及数量的影响，因此该数据仅显示进口与产量价值的分化，并未确定两者在总供应中的各自占比。

产量增长从何而来

制造商可以通过增加产能或更密集地使用现有设施来提高产量。据a16z分析，这四种类别中，这两种应对方式的发展情况各不相同。区分二者有助于判断增长究竟来自新建产能，还是来自现有工厂更接近极限的运转。

计算机制造商既扩大了产能，又提高了利用率，即更多地使用了其可用的生产能力。这些变化共同支撑了更高的产量。

通信设备制造商增加了大量产能，但利用率有所下降。这种组合表明，可用制造能力的增长快于其使用程度。

半导体制造商同样扩大了产能，而利用率保持不变。因此其产量增长来自新增产能，而非对现有设施的更密集使用。

电气设备缺口

电气设备则走上了不同的道路。尽管利用率提高，产能仍有所下降，导致本土产量低于2019年水平——这是四个类别中唯一产出萎缩的类别。

这一薄弱环节之所以重要，是因为AI基础设施建设在计算硬件之外还需要电气基础设施。开关设备及相关设备支撑着为GPU供电所需的电网扩张，当本土产量跟不上需求时，进口便有助于填补缺口。这种分化使美国更加依赖外国供应商来提供支撑AI建设的设备。

现有数据并未说明制造商为何避免更大规模扩张。a16z认为，建设成本、投资风险或来自海外供应商的竞争可能是这种犹豫的原因。这些只是可能的解释，而非已证实的原因。

a16z在X上的一则帖子中总结了这一趋势：

Since 2019, imports of AI hardware have grown faster than US production in every category

US production vs. imports: – Computers: +46% vs. +366% – Comms equipment: +87% vs. +175% – Semis: +76% vs. +131% – Grid & electrical equipment: -7% vs. +69%

Charts of the:… pic.twitter.com/wJN2meTEdu

— a16z (@a16z) October 25, 2026

(a16z on X)

GPU租金与token需求

与此同时，租赁数据显示对计算资源的需求持续存在。根据Ornn Data的数据，所有被追踪的GPU型号目前的租金均高于年初水平，其中包括较旧的A100芯片。租金价格比假设六年直线折旧的基准高出9%至143%。直线折旧是将设备的价值损失在其假设使用寿命内平均分摊，因此高于该基准的租金水平表明租赁定价超出了仅由硬件稳定折旧所隐含的水平。a16z指出，较旧的A100和H100——Nvidia数据中心芯片，目前仍被广泛部署于AI工作负载——此前更多时候低于该基准。

OpenRouter的数据还显示，开源与专有模型的token消耗均在上升。token是这些AI系统处理的文本单位。a16z提醒，这些数据集对GPU定价和token支出的呈现并不完整。

劳动力压力加剧

劳动力是另一个制约因素。a16z援引薪资处理公司ADP的数据报告称，在支撑AI基础设施建设的行业中，每名员工的每周工时大幅增加——这一指标衡量现有员工被使用的强度，与员工人数增长是分开的。跳槽者的薪资增幅也比留在原雇主的员工高出五个百分点，这意味着目前更换雇主带来的薪资涨幅高于留在原职。

综合来看，这些数据表明AI供应链的硬件需求不断增长、工厂扩张不均衡、工作负担加重。进口正在帮助弥合缺口，而电气设备仍是最明显的本土产量薄弱环节。a16z每周图表系列的后续内容，以及Ornn Data、OpenRouter和ADP的最新数据，为追踪这些趋势是否持续提供了依据。