根據創投公司 a16z 公布的數據，自2019年以來，美國AI相關硬體進口在各主要設備類別的增速均超過國內生產。同期電腦進口成長366%，美國產量則成長46%，凸顯該國AI基礎設施擴張對海外供應的高度依賴。

這些數據於2026年10月25日發布，屬於 a16z「Charts of the Week」系列，涵蓋AI建設核心的四大類別：電腦、通訊設備、半導體，以及電網與電機設備。

進口增速全面超越產量

通訊設備進口增加175%，國內產出則成長87%。半導體進口攀升131%，產量成長為76%。電網與電機設備呈現最明顯的落差：進口成長69%，美國產量卻下滑7%。

這些數據顯示，支撐AI擴張的各類設備在國內的反應並不均衡。此比較衡量的是美元價值變化，而非機器或零組件的直接數量。由於數據以美元計價，可能隨價格與數量同時變動，因此僅顯示進口與生產價值的背離，並未確立兩者在總供應中的各自占比。

產量成長從何而來

製造商可透過新增產能或更密集使用現有設施來提高產出。根據16z，這兩種反應在四大類別中的發展各有不同。區分兩者有助於判斷成長來自新建產能，還是來自現有工廠更接近極限的運作。

電腦製造商擴充產能並提高利用率，意即更充分運用其現有生產能力。這些變化共同支撐了產出成長。

通訊設備製造商大幅新增產能，但利用率下降。這種組合顯示可用製造能力的成長快於其使用程度。

半導體製造商同樣擴充產能，但利用率維持不變。因此其產量成長來自新增產能，而非更密集使用現有設施。

電機設備的落差

電機設備則走了不同的路徑。儘管利用率提高，產能仍持續下滑，使國內生產低於2019年水準——是四大類別中唯一產出萎縮者。

這項弱點之所以重要，是因為AI建設在運算硬體之外，還需要電力基礎設施。開關設備及相關設備支撐為GPU供電所需的電網擴建，當國內產出無法跟上需求時，進口便發揮了補足作用。這種落差使美國更依賴外國供應商提供支撐AI建設的設備。

所提供的數據並未說明製造商為何避免更大規模的擴張。a16z 認為，營建成本、投資風險或海外供應商的競爭，或可解釋這種猶豫。這些仍屬可能的解釋，而非已證實的原因。

a16z 在 X 上的一則貼文中總結了這一趨勢：

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 於 X)

GPU租金與token需求

與此同時，租金數據顯示運算資源的需求持續存在。根據 Ornn Data，所有追蹤的GPU機型租金均高於年初水準，包括較舊的 A100 晶片。租金價格較假設六年直線折舊的基準高出9%至143%。直線折舊是將設備的價值損耗在其預期使用年限內平均分攤，因此高於該基準的租金水準，顯示租賃定價已超出穩定硬體折舊所隱含的水準。a16z 指出，較舊的 A100 與 H100——仍廣泛部署於AI工作負載的 Nvidia 資料中心晶片——先前曾有更多時間低於該基準。

OpenRouter 的數據也顯示，開源與專有模型的 token 消耗量持續上升。token 是這些AI系統處理的文字單位。a16z 提醒，這些數據集對GPU定價與token支出的呈現並不完整。

勞動壓力加劇

勞動力是另一項限制。a16z 引用薪資處理機構 ADP 的數據指出，在支撐AI建設的產業中，每位勞工的每週工時大幅增加——這項指標反映現有員工的使用強度，與人力規模成長有所區別。轉職者的薪資成長溢價也比留任原公司的勞工高出五個百分點，意味著目前跳槽所帶來的薪資增幅高於留任。

綜合來看，這些數據指向AI供應鏈中硬體需求成長、工廠擴張不均，以及工作負荷加重。進口正在協助彌補缺口，而電機設備仍是國內生產最明顯的弱點。a16z 未來的每週圖表，以及 Ornn Data、OpenRouter 與 ADP 的更新數據，可作為追蹤這些趨勢是否延續的依據。