YOHO AI

标签： AI数据中心

  • AMD二季度数据中心营收翻倍至67亿美元，游戏业务却下滑

    AMD数据中心业务随AI算力需求爆发
    AMD数据中心业务在AI算力需求拉动下营收翻倍（图源：The Verge / Alex Castro）

    AMD刚交出的二季度成绩单，把AI这股风的含金量又摆到了台面上。最扎眼的一数字是数据中心业务营收：67亿美元，比去年同期翻了一倍还多。要知道一季度这个数字还是58亿，而一年前同期只有32亿，也就是说一年内涨了107%。CEO苏姿丰在电话会上还放话，预计2027年数据中心营收会再翻一倍。

    数据中心的钱，比游戏好赚

    这套增长几乎全靠AI算力需求在推。训练集群、推理服务、各家云厂商的采购，把AMD的Instinct系列加速器喂得饱饱的。苏姿丰的原话是，AI正在拉动该公司所有市场对算力的需求，而AMD的产品组合和客户能见度让它”异常好地”接住了这波机会。

    苏姿丰：”AI正在显著扩大我们所有市场对算力的需求，我们的领先产品组合和不断增强的客户能见度，让我们处在绝佳位置去抓住这个不断扩大的机会。”

    游戏业务拖了后腿

    另一边，游戏部门就没那么好看了：营收同比跌了31%，只剩7.79亿美元。Xbox Series X/S、PS5和Steam Deck这些主机和掌机因为涨价、零部件短缺而卖得慢，显卡价格也被整体推高，反过来压住了需求。苏姿丰把这部分下滑归结于全行业零部件成本上升导致显卡变贵。说白了，大家的钱都拿去盖AI机房了，谁还惦记换显卡。

    不是AMD一家的事

    把镜头拉远一点，这份财报其实是一张AI渗透实体经济的地图。CFO Jean Hu提到，公司总营收同比增长50%到115亿美元，其中数据中心占了58%；而PC和游戏业务整体只微涨6%，靠Ryzen处理器撑着客户端营收涨了23%。AI需求不只养活了做加速卡的，还顺着供应链一路往下走。

    • 数据中心单季67亿美元，占AMD总营收近六成，已是对公司的绝对支柱。
    • 游戏业务跌超三成，主机与显卡需求被零部件涨价和AI投资分流。
    • AI算力需求正在重塑整条半导体链，连做家电芯片的TI都被带了起来。

    写在最后

    有意思的是，就在财报前后，GE家电宣布在美国肯塔基生产的洗衣机里用上德州仪器的美国本土芯片，还打算借TI的智能微控制器平台给洗衣机、烘干机塞进AI能力。从几千美元的加速卡到几千块的家电，AI正在以不同价位钻进各种硬件。AMD这份成绩单提醒我们：这一轮算力狂欢，已经不只是几家云厂商的故事了。

  • AI 基建狂飙，最不性感的生意反而火了：帮工地填表的 Dili 融了 2170 万美元

    这两年关于 AI 的钱，大头都砸在数据中心和电力设施上。有人从另一头看到了机会：这么多工地同时开工，光是把各类合规文件填对、报齐，就够养活一家公司。

    美国数据中心与基础设施建设现场
    图片来源：Kyle Grillot/Bloomberg / Getty Images

    7 月 30 日，一家叫 Dili 的 AI 合规公司宣布完成 1500 万美元 A 轮融资。加上此前的 670 万美元种子轮，累计融资 2170 万美元。A 轮由 Khosla Ventures 领投，安联（Allianz）、Rebel Fund、Brick and Mortar Ventures 的 Darren Bechtel 以及 Y Combinator 的 Garry Tan 跟投。Dili 出自 YC 2023 年夏季批次。

    它盯上的是一堆没人愿意读的规则

    “用 AI 做合规”现在算不上什么新鲜提法，一抓一大把。Dili 的差异在于它把范围收得很窄——只做美国基建工程的合规，尤其是那些拿了联邦资金的项目。

    联合创始人兼 CEO Anand Chaturvedi 举的例子是 Davis-Bacon 法案，这套规则允许劳工部为特定项目设定现行工资标准。另一套叫 PWA 的现行工资与学徒制规则，适用于《通胀削减法案》资助的清洁能源项目。除此之外，根据施工内容不同，还会牵扯 OSHA 的职业安全条款和 EPA 的环保规定。

    这些要求层层叠叠、互相交错，而且犯一点小错代价就不小。

    “不合规可能让这些项目被罚掉数百万美元。所以能在信息进来的当下就全部核对一遍，而不是抽样检查，这件事的价值非常大。”——Dili 联合创始人兼 CEO Anand Chaturvedi

    抽样和全量的区别，就是这门生意的入口。人工审核只能抽查，成本摆在那儿；机器读得快，才有可能一条不落。

    大模型被关在数据层，不让它拍板

    罚款以百万美元计，可靠性就成了绕不过去的坎。做合规最怕的恰恰是大模型那点”差不多就行”的毛病——它给你一个听起来很像回事的答案，你还不知道错在哪。

    Chaturvedi 说 Dili 的架构从设计上就把这个风险堵住了：AI 模型只在数据层出现，负责把非结构化的文档翻译成结构化数据；再往后，由一套确定性系统按照复杂但静态的合规规则做分拣判定。

    • AI 负责”读懂”——处理 PDF、扫描件、工资表这类乱七八糟的输入；
    • 规则引擎负责”判定”——同样的输入永远得到同样的结论，可追溯、可复核；
    • 结果是过去一整天的工作量，现在几分钟就能跑完。

    这个分工看着朴素，却是当下企业级 AI 里少见的清醒做法。很多产品恨不得把判断权也交给模型，因为那样演示起来更炫；Dili 反过来，把模型能力限制在它最擅长也最不容易出事的环节。

    Chaturvedi 描述过他想要的那个状态：把一家公司所有内部文档、所有供应商文档、所有 ERP 信息、所有工资系统数据放在一起通读，然后精准抽出报表或合规所需要的那部分。

    700 个项目，一半自用一半外包

    这套东西已经跑起来了。Chaturvedi 说软件目前用在”大约 700 个项目”上，从制造工厂到数据中心都有。

    更有意思的是收入结构：大约一半客户把 Dili 当成内部软件工具用，另一半干脆把整个合规流程外包给 Dili，按承包商模式合作。两种合同 Dili 都接，但 Chaturvedi 预计行业未来几年会更多往软件模式偏。

    他的判断是，软件和 AI 会开始吃掉大量专业服务类的工作流，越来越多的公司会把这些活收回自己手里。这话说白了就是：现在的外包收入，本质上是过渡期的红利。

    这轮 AI 淘金热的另一种铲子

    AI 基建的故事讲了两年，主角一直是芯片、机柜、变电站。Dili 提醒了一件常被忽略的事：任何一轮大规模基建，配套长出来的都不只是钢筋水泥，还有一整套文书工作。工地越多，表格越多，罚单风险越大。

    Khosla 愿意领投一家做工地合规的公司，赌的也是这个——AI 泡沫会不会破是一回事，那 700 个工地上的 Davis-Bacon 表格今天就得交。这类需求不依赖模型能力再上一个台阶，也不需要客户相信 AGI，它只需要基建热潮持续开工。在满屏”下一代模型”的叙事里，这可能反倒是更耐摔的一门生意。

  • 一根电线倒下，半个美国的灯闪了：AI数据中心正在变成电网的隐患

    这周，华盛顿特区郊外一根输电线倒了。搁在平时，电网几秒钟就能缓过来，这次却折腾了十多分钟。原因说出来有点魔幻：超过3吉瓦的数据中心，几乎在同一瞬间集体停止从电网取电。

    美国电网输电线路
    一根电线倒下，从北弗吉尼亚到芝加哥的电压跟着起舞 | 图源：TechCrunch

    据初创公司Ting Labs的数据——他们在千家万户的电源插座里布了一张物联网传感器网络——这起事件让PJM电网的电压从北弗吉尼亚一路飙到芝加哥。没有引发停电，但整个区域的灯都闪了一下。要知道，北弗吉尼亚是全球数据中心密度最高的地方，而PJM是全美最大的电网运营商，覆盖新泽西到伊利诺伊，服务6700万用户。

    “这就是煤矿里的金丝雀。”储能公司ON.Energy的CTO里卡多·德·阿泽维多说，数据中心这类大负载引发的电网事件，“正在越来越频繁地发生”。

    30秒消失3.1吉瓦，电网懵了11分钟

    事情的连锁反应是这样的：电线一倒，附近的数据中心感应到电压波动，立刻切换到备用电源自保。按PJM的数据，大约30秒内就有3.1吉瓦的负载凭空消失。电网刚喘了口气，又有一批负载跟着掉线。最高峰时，PJM电网上凭空多出3.49吉瓦的电，又过了11分钟才稳住。路透社报道称，这些断开的数据中心约占PJM当时总需求的3%。

    3%听着不多，但电网这东西讲究的是供需近乎完美的平衡。供大于求，电压就飙；求大于供，电压就塌。波动小了大家都能扛，波动一大，电网和各家设施的保护机制就会触发断连——然后雪球越滚越大。这次就是典型：一根电线引发的小小供应缺口，被数据中心的集体避险动作放大成了更大的需求缺口。

    加拿大安大略省电力系统运营商IESO的高级市场模型专家阿里·扎因·巴纳特瓦拉给出了一个细节：数据中心都是毫秒级决策，这次断开的那批，彼此之间也就差了几秒钟。“我们得想办法让这些挨在一起的大负载，按顺序断开或者重连。”有了秩序，电网运营商才能提前做预案。

    另一条路：别躲，扛住

    排队断电是一种思路，还有一种思路是让数据中心别一有风吹草动就跑。ON.Energy正在做的，就是给整个数据中心园区装一套“全园区级不间断电源”——不只罩着服务器，连冷却系统等配套设备也一起罩住。整个园区藏在一排电池加精密电力转换设备后面，电网看到的不再是各个设备忽高忽低的用电曲线，而是一个平稳、规矩的负载。

    • AI训练负载想拉高拉低随意，电网完全无感；
    • 电网多出来的电，系统直接拿去给电池充电；电不够了，电池顶上给服务器供电；
    • 毫秒级跟随电网节奏，从源头掐灭这次PJM式的电压过山车。

    德·阿泽维多透露，ON.Energy正在四个数据中心园区安装总计3吉瓦的这类系统。监管也醒了：得州电网ERCOT准备强制要求数据中心这类大负载必须“硬扛”住电网扰动，不许说断就断。

    留给行业的时间不算多。2024年PJM电网上发生过类似事件，60个数据中心同时断开，拉走1.5吉瓦——这周的规模已经翻倍。据Synapse Energy Economics测算，2024年数据中心约占PJM负载的6%，到2040年这个数字预计会涨到24%。真到那天，如果问题还没解决，一根倒下的电线，代价可能就不只是灯闪一下了。

  • AMD亮出机架级系统Helios，微软Anthropic排队买单，正面硬刚英伟达

    AMD这回是真的把矛头对准了英伟达。在旧金山那场一票难求的Advancing AI大会上，董事长兼CEO苏姿丰把一整套机架级AI系统Helios端了出来，还顺手报了一串已经排队的客户名单——微软就在其中。这台机器今年晚些时候就要出货，AMD的意思很明确：数据中心这块最肥的肉，它不打算再让英伟达一家独吞。

    AMD Helios AI机架系统
    AMD在Advancing AI大会上推出机架级系统Helios（图片来源：TechCrunch / Getty Images）

    机架级系统，才是这场战争的主战场

    先说清楚Helios是个什么东西。所谓机架级系统，就是把成百上千颗处理器塞进一个高功率整机柜，专门为数据中心训练和运行大模型这种吃算力的活儿服务。这个领域过去几乎是英伟达的自留地，它的Vera Rubin和Grace Blackwell两代架构一直是行业标配。苏姿丰直接放话，说Helios是业界”性能最强的AI机架”，就是冲着”在超大规模下训练和运行全球最苛刻的前沿模型”去的，还说会有头部AI公司按吉瓦级别的规模来部署它。

    “到2030年，我们预计AI加速器市场规模会达到1.4万亿美元左右——也就是说，到这个十年结束时，光是AI加速器这一块，就快赶上今天整个半导体市场的体量了。”——AMD CEO 苏姿丰

    客户名单才是最狠的一招

    性能好听归好听，真正让英伟达紧张的是Helios背后那串名字。Helios早在2025年就露过面，今年1月的CES上还搬上台展示过（这机柜重得跟两辆紧凑型轿车差不多）。现在它已经锁定了OpenAI、Meta、甲骨文、Anthropic和微软一批大客户，全都放话要部署。微软CEO纳德拉本周一说要用Helios扩建Azure；Anthropic更狠，直接和AMD签了战略合作，要通过这套新机架部署最高2吉瓦的GPU。这些名字放在一起，等于给AMD的机架能力盖了个公认的章。

    押注智能体，赌的是算力还要涨

    除了Helios，AMD这次还甩出了面向数据中心的Venice-X CPU，主打高性能计算，预计2027年上市。苏姿丰对行业走向的判断很直接：算力需求正在发生”阶跃式”的跳变，背后的推手就是智能体AI。她打了个比方，你让一个智能体干件事，它其实要走几十步——得推理、得调工具、得取数据，反反复复直到把问题解决，这一路下来吃掉的GPU数量非常可观。

    • Helios性能在多项指标上超过英伟达Vera Rubin（据The Register报道）
    • 已确认客户：OpenAI、Meta、甲骨文、Anthropic、微软
    • Anthropic承诺通过Helios部署最高2吉瓦GPU
    • 新款Venice-X数据中心CPU定于2027年上市
    • AMD预测2030年AI加速器市场达1.4万亿美元

    苏姿丰还补了一句关键判断：这个市场未来大头会被GPU吃掉，因为算法本身还很”年轻”，工作负载一直在变，这种不确定性反而利好可编程性强的芯片。翻译过来就是——英伟达的护城河没那么牢，AMD觉得自己还有的打。

  • OpenAI 算力账单飙到 7500 亿美元：第一站砸向佐治亚州

    OpenAI 又把算力账单往上抬了一大截。周三它对外确认，到 2030 年将在基础设施上砸下 7500 亿美元，比今年早些时候的口径又高出了大约 25%。这个数字是《华尔街日报》先披露的，来得有点微妙——它自家的 Stargate 数据中心项目此前被曝进展不顺，几乎停在原地。

    OpenAI 数据中心与算力投入
    图片来源：TechCrunch

    7500 亿美元的算力承诺，第一枪落在美国佐治亚州——一座占地 1400 英亩、代号”山茶花”的数据中心园区。

    第一站：佐治亚州的”山茶花”

    这轮开销的头一笔，是一座造价 200 亿美元的数据中心园区，代号 Project Camellia（山茶花项目）。它坐落在萨凡纳西北方向，占地 1400 英亩，规划从当地电力公司 Georgia Power 拉至少 3.2 吉瓦的电。这些发电产能要到 2028 到 2032 年之间才会陆续到位。

    钱怎么分账，OpenAI 说得很干脆：新数据中心的基础设施成本和电费，它自己全包。这话背后有政策原因。佐治亚州公共服务委员会去年就定了规矩，用电超过 100 兆瓦的大户新接入，电力公司不能把相关成本转嫁给普通用户。换句话说，OpenAI 想用电，就得自己掏这笔账。作为交换，Georgia Power 也提到，电网高峰期 OpenAI 会主动把用电量最多压下 1 吉瓦。

    当地政府这边也给了甜头。据《埃芬厄姆先驱报》报道，Effingham 县给了 OpenAI 长达 15 年、幅度 50% 的房产税减免。

    电从哪来？大概率还是天然气

    这么大一个耗电巨兽，用什么发电？OpenAI 和 Georgia Power 都没正面回答，TechCrunch 去问也没等到回复。但监管文件里能看出些门道。去年 12 月，Georgia Power 拿到批文，可以再增加 9885 兆瓦产能，并预计到 2026 年底把这些产能全部签约锁定，而 OpenAI 一家就吃掉了其中大约三分之一。

    从提交给监管方的材料看，新增产能大头来自天然气。电力公司计划自建或外购约 5.8 吉瓦的天然气发电能力，其中约四分之一用的是污染更重的简单循环燃气轮机。这一波化石燃料装机下来，Georgia Power 现有的天然气机组规模要翻一倍还不止，剩下的缺口才由电网级储能和光伏来补。

    电要到 2028 年才通，但第一块 GPU 什么时候点亮，OpenAI 没给时间表——不过它挖来的那个人，值得留意。

    挖来 xAI 的建厂猛人，速度可能超预期

    虽说 Georgia Power 的电预计 2028 年才开始供，但第一块 GPU 上电未必要等那么久。OpenAI 最近请来 Brett Mayo 主管数据中心建设，这人之前在马斯克的 xAI，负责过孟菲斯那座 Colossus。

    Colossus 当年是以创纪录的速度盖起来的，代价却写进了官司里。美国全国有色人种协进会和南方环境法律中心起诉称，这座数据中心拉低了当地空气质量——它跑着几十台没拿到许可的天然气轮机，还声称自己不受联邦清洁空气法规约束。这段前科，也算是给”山茶花”提了个醒：速度和环境的拉扯，才刚刚开始。

    • 总盘子：到 2030 年基础设施投入 7500 亿美元，比年初口径高约 25%。
    • 首个项目：佐治亚州”山茶花”园区，造价 200 亿美元，用电至少 3.2 吉瓦。
    • 电力结构：新增产能大头是天然气，储能和光伏补缺。
    • 操盘手：前 xAI Colossus 负责人 Brett Mayo 加盟，上电节奏可能提前。

  • AI 数据中心 2035 年或吃下美国五分之一电力，是今天的 4 倍

    一个被低估的数字

    彭博新能源财经（BloombergNEF）刚出的一份报告，算了一笔有点吓人的账：到 2035 年，美国的数据中心可能吃掉全国五分之一的发电量，是现在的 4 倍。撑起这个预测的，是 AI 算力的疯狂扩张——未来十年，数据中心容量会冲到接近 200 吉瓦，其中将近一半用来做模型训练和推理。

    更关键的是，这些算力大部分还挤在美国本土。报告估计，到 2033 年，按电力需求算，全球 64% 的 AI 芯片都会落在美国。

    彭博这次对 2035 年用电量的预测，比它自己去年 12 月的版本高出了 83%。

    这可不是孤例。电力行业非营利机构 EPRI 把 2024 年的预测直接翻了一倍多，标普的预估在半年里也涨了超过三分之一。各大机构对数据中心耗电的判断，几乎都在往上修，原因只有一个：美国建数据中心的速度，比任何人预想的都快。

    电网已经在喊疼

    问题紧接着就来了：未来十年新建的数据中心，大部分要接上本来就紧绷的电网。PJM 互联电网从弗吉尼亚一路覆盖到伊利诺伊，到时要把 34% 的电力分给数据中心；管着得州大半的 ERCOT，也得拿出 22% 的发电容量。

    PJM 自己早就扛不住了。它手里攥着全美大量的数据中心，连接申请一度多到瘫痪，最后干脆把新电源接入的排队冻结了四年。今年 4 月虽然重新开放，但局面已经紧张到有一家公用事业公司（American Electric Power）威胁要退出互联。供需失衡，把电价在一年里推高了 76%。

    • 即便排队拥堵、价格飞涨，数据中心还是拼命想挤进 PJM——最近一次容量拍卖里，它们占了 38% 的费用。
    • 美国之外，数据中心也在狂奔。按激进情景，到 2033 年全球会多出 1935 太瓦时的电力需求，差不多等于印度一年的用电量。

    AI 的账单，最后谁来付

    这份报告点破了一件事：我们整天聊 AI 有多聪明、多便宜、多无处不在，却很少算它背后的电费。每一次模型训练、每一句聊天回复，都在悄悄吃掉电网里的电。当数据中心要占掉一个国家五分之一的电力，涨价的就不只是科技公司，还有普通家庭的账单。

    算力是 AI 的燃料，电是算力的燃料。在大家追逐更大模型、更强智能的时候，这道最底层的约束，可能比算法本身更早撞上天花板。

    数据中心与电力消耗
    图片来源：TechCrunch / Bloomberg via Getty Images

  • AMD把「太阳神」搬进机房：Helios机架系统正面刚英伟达

    AMD Helios 机架级 AI 系统
    AMD 首款机架级 AI 系统 Helios，集 GPU、CPU、网络与软件于一体（概念图）

    7月20日，AMD 把憋了好久的一张王牌亮了出来——名叫 Helios 的机架级 AI 系统。名字取自希腊太阳神，摆明是要当算力界的「太阳」。这不是一块显卡，而是一整柜子：GPU、CPU、网络、软件全打包，直接对标英伟达那些动辄几百万美元的 AI 机柜。

    微软带头，巨头排队下单

    最让 AMD 长脸的是客户名单。就在发布当天，微软 CEO 纳德拉亲自表态，要在 Azure 数据中心部署 Helios，还顺手推出两款基于 AMD 新「Venice」CPU 的计算实例。更早之前，Meta 已经承诺逐步部署高达 6 吉瓦的 AMD GPU，其中 1 吉瓦今年就通过 Helios 机架交付；OpenAI 和甲骨文也点头要在年内大规模铺开；印度的塔塔咨询服务也在列。

    这背后是 AMD 十年的翻身账。它靠着三代产品路线图的严格执行，加上收购赛灵思、ZT Systems，一步步把 CPU 和 GPU 都做起来了。现在它敢说，Instinct GPU 已经服务全球前十 AI 公司里的八家，包括 OpenAI 和 SpaceX AI。

    苏姿丰此前放话：Helios 在推理、内存带宽和容量上，相比英伟达的机架系统有「显著优势」。

    算的是总账，不是单项性能

    AMD 数据中心业务负责人 Forrest Norrod 反复强调一个词：TCO，也就是总拥有成本。他说 Helios 追求的是最低的「每 token 综合成本」。道理不复杂——对微软、Meta 这种要养几吉瓦算力的巨头来说，单卡跑分高一点，不如整柜更省电、更便宜。

    不过现实也很骨感。研究机构 Futurum Group 估算，一台 Helios 机柜成本大约 500 万到 550 万美元，比英伟达第二代机架 Vera Rubin 的 350 万到 400 万美元还要贵；而且它重达 7000 磅，个头也更大。更要命的是份额：英伟达占数据中心 GPU 市场超过 95%，AMD 只有约 4.5%。

    • 分析师 Daniel Newman 认为，如果 AMD 执行到位，份额有望冲到 20%–25%，对应数千亿美元收入空间
    • AMD 一季度数据中心营收同比增长 57%，已是公司收入主力
    • 公司预计从 2027 年起，数据中心 AI 年收入将达到数百亿美元，大头来自 Helios

    硬件追上了，软件才是硬仗

    Counterpoint 的分析师 Neil Shah 点破了一层窗户纸：AMD 硬件已经和英伟达站到同一水平，但胜负手在软件生态。英伟达的 CUDA 护城河太深，AMD 这几年猛补 ROCm 开源生态，就是想拆这道墙。

    Helios 的早期部署马上就要展开。接下来一两年，市场会检验一件事：AMD 到底是靠真技术赢，还是仅仅因为英伟达产能紧缺捡了漏。对用算力的公司来说，多一个能打的供应商，怎么都不是坏事。

  • 把AI数据中心搬进你家：Sunrun付费让110万户屋主托管算力节点

    如果有人付钱，让你把一小块AI数据中心搬进自己家，你干不干？美国最大的家庭光伏储能公司Sunrun，这周就抛出了这么个方案。

    Sunrun分布式AI算力家庭节点示意图
    把算力节点铺进千家万户，而不是盖一座大机房

    Sunrun启动了一个”分布式AI算力”试点：在装了它家太阳能板和储能电池的住宅里，放进一台台小小的算力节点——本质上就是分布式系统里的服务器单元。参与的屋主能拿到报酬，Sunrun则把这些节点汇聚起来的算力，卖给企业级的算力买家，比如AI公司。

    为什么不直接盖数据中心

    因为数据中心现在越来越不受待见。今年5月的一项调查显示，超过70%的美国人反对在自己家附近新建数据中心，理由无外乎污染、噪音、耗水耗电。Sunrun的思路正好反过来：不把算力堆进一座巨型机房，而是打散成无数个小节点，撒到全国各地的房子里。

    “AI公司正在拼命抢电力和算力。近二十年里，我们已经把运营、融资、规模化分布式资产这套本事练熟了。现在我们要用它，把算力搬到离能源和推理更近的地方。”——Sunrun总裁兼首席营收官 Paul Dickson

    这里有个关键区分：AI训练需要成千上万块GPU挤在一起、高度同步，很难分散；而推理不一样，它是模块化的、天然可以按地理位置铺开，而且对延迟很敏感——离用户越近越好。这恰恰是”边缘部署”的用武之地，也正好卡在Sunrun的能力圈里。据McKinsey预测，AI推理需求每年增长约35%，到2030年会超过训练，成为AI算力里占比最大的那部分。

    110万个家庭，就是它的底牌

    Sunrun手里有超过110万现有客户，这是它敢这么玩的底气。传统数据中心从审批、建设到并网，动辄要好几年；而Sunrun的分布式模式，能在很短时间内堆出可观的推理算力。它列出的几个优势也挺实在：

    • 节点装在电表之后，还配了家用电池，即便遇上部分电网停电也能继续跑
    • 省掉了买地、建输电线路、排队等电网接入这些漫长环节
    • 它本来就在为一百多万户家庭的能源设备做监控和维护，现成的运维体系直接能用

    不过资本市场没买账。消息公布当天，Sunrun股价盘前一度走高，开盘后调头下跌6.1%，算上这波，今年以来已经跌了38%。这个AI试点跟它上月宣布的、联合特斯拉和Renew Home把住宅聚成16吉瓦虚拟电厂的计划是分开的两回事。Sunrun说，试点会跑上几个月，评估结果后再决定要不要大规模铺开——目前它已经在跟企业算力客户、公用事业公司和房产开发商聊更大范围推广的事了。

  • Meta也要卖AI算力了，和SpaceX一样打起了云生意的主意

    Meta也要卖AI算力了，和SpaceX一样打起了云生意的主意

    Meta在过去几年里，已经往AI基础设施上砸了将近2000亿美元。数据中心在路易斯安那州和俄亥俄州拔地而起，其中俄亥俄那个项目的规模，扎克伯格自己说「跟曼哈顿一样大」。

    Meta也要卖AI算力了，和SpaceX一样打起了云生意的主意
    图片来源：TechCrunch / 网络

    钱是花出去了，但一个问题摆在面前：这些算力，Meta自己用得完吗？

    答案看起来是否定的。根据Bloomberg的报道，Meta正在筹划推出自己的云基础设施业务，把多余的AI算力和模型访问权限卖给外部客户。这个动作直接把它推到了和AWS、Google Cloud、Microsoft Azure这些老牌云厂商竞争的赛道上。

    Meta不是第一家这么想的公司。几周前，SpaceX旗下的xAI已经宣布了类似计划。AI算力过剩这件事，已经从暗地里的担忧变成了明面上的生意。

    扎克伯格5月就「剧透」了

    其实扎克伯格自己在今年5月就说过，Meta做云生意「绝对在考虑范围内」，算是给自家的巨额AI投入找一个回本的路子。现在看，这个「考虑」已经变成了具体行动。

    新业务据说会被叫做 「Meta Compute」，由三位高管共同负责：基础设施负责人Santosh Janardhan、Meta Superintelligence Labs负责人Daniel Gross，以及公司总裁Dina Powell McCormick。

    具体怎么做，目前有两种猜测。一种玩法是学CoreWeave——直接卖「裸」算力，让客户自己决定跑什么负载。另一种玩法是学AWS，在自己的基础设施上托管各种AI模型（包括自己刚发布的闭源模型Muse Spark），让客户按需调用。

    Meta的AI产品，外界真的不太买账

    这里得说一个有点尴尬的事实：Meta虽然拼命往AI上砸钱，但外界对它的AI产品和服务并没有表现出太大的热情。Meta AI的用户数据公司从不单独披露，Llama开源模型系列虽然技术上有口碑，但变现能力一直是个问号。

    换句话说，Meta在AI上的投入和它从AI上赚到的钱，中间还有一个巨大的缺口。把多余的计算资源卖给别人，至少能先把数据中心的账算平一些。

    这种模式其实并不新鲜。云服务商的本质就是「我建好了，你来租」。Meta只不过是把这个逻辑用到了AI算力上——它建的数据中心够大，用不完，干脆对外开放。

    AI基础设施泡沫的质疑声越来越多

    但不是所有人都看好这件事。已经有质疑声音说，各家疯狂扩建AI数据中心，正在制造一个严重依赖快速贬值的芯片的泡沫。也有人问：AI公司到底能不能从终端用户那里赚到足够的钱，来支撑这些万亿级别的赌注？

    Meta敢在这个时候对外卖算力，某种程度上也是在用自己的信誉背书「算力需求会持续旺盛」这个判断。如果需求真的塌了，Meta不仅要承担自己数据中心的投资损失，还得面对云业务客户的合同纠纷。

    不过换个角度想，Meta的处境其实比很多纯粹的AI云创业公司要稳。它有自己的业务需求打底，卖算力是「锦上添花」而不是「生死一线」。这和AWS当年的逻辑有点像——亚马逊先给自己建了云设施，发现用不完，干脆对外开放，结果做成了全世界最大的云生意。

    Meta能不能复制这个路径，现在下结论还为时过早。但至少，它已经在认真考虑这件事了。说不定几年之后，开发者买AI算力的时候，选项里除了AWS、Azure、Google Cloud，还会多一个Meta。

  • 韩国押注5500亿美元对抗RAMageddon，内存芯片争夺战升级

    三星SK海力士内存芯片工厂
    三星与SK海力士宣布大规模投资，应对AI驱动的内存芯片短缺

    全球最大的两家内存芯片制造商，三星和SK海力士，这周抛出了一组夸张的数字——它们计划投入5180亿美元（约合800万亿韩元），在韩国西南部新建四座内存芯片工厂。

    这笔投资是韩国政府本周一公布的全国性大计划的一部分。总统李在明在电视讲话里把这个计划称为韩国”下一个工业时代”的核心支柱，还专门提到了2026年是个关键年份，韩国必须让自己变成”不可替代”的工业强国。

    RAMageddon来了

    这套投资计划的背景是一个正在全球蔓延的麻烦——”RAMageddon”。这个词是RAM（内存）和Armageddon（末日决战）的合体，形容AI建设狂潮引发的内存芯片全球性短缺。

    三星、SK海力士，再加上美国内存芯片厂商美光，目前都在满负荷运转，但还是跟不上AI数据中心对HBM（高带宽内存）的需求。AI训练需要海量内存，而能生产HBM的厂商就那么几家。

    李在明在电视讲话里说，现有的龙仁和平泽芯片厂区”已经到达极限”，催促企业加速向西南地区投资，把AI带来的财富扩散到首都圈以外的地方。

    钱到底花在哪

    整个计划分成三大块。内存芯片这块，除了刚才说的5180亿美元建四座新厂，还要再投520亿美元在中部地区建一个HBM封装中心。

    AI数据中心这块更夸张，韩国科技和能源巨头（SK、GS、Naver等）计划到2035年投入3560亿美元建数据中心。算下来，韩国科技公司已经承诺在AI和芯片上投入超过9000亿美元。

    三星单独发了一份声明，说未来十年要投2,665万亿韩元（约1.7万亿美元），其中425万亿韩元指定给Honam地区（朝鲜半岛西南部）。公司特别提到了光电、水利、劳动力和生活条件是选在光州建新厂的关键因素，另外还要在半岛最南端的海南建一个AI数据中心。

    SK集团这边公布的路线图是2,100万亿韩元（约1.4万亿美元），其中1,100万亿用于扩大半导体产能，1,000万亿建全国性的AI数据中心。SK海力士是这次芯片扩张的核心，SK电信则牵头全国15GW的AI数据中心容量建设。

    野心与风险并存

    这个野心能不能落地是另一回事。半导体和AI这种深科技产业，不是按政治周期或者客户需求的节奏走的。晶圆厂要建好几年，等它们完工的时候，当初触发投资的那波需求可能已经退潮了，到时候就是产能过剩、价格崩盘。

    目前，全球AI芯片供应链，尤其是内存相关的环节，都在盯着韩国能不能把这件事做成。三星和SK海力士目前在这个市场上的地位，短期内还没有人能撼动。

    做个对比就知道这笔投资有多夸张——Alphabet、亚马逊、Meta和微软这四家美国科技巨头，今年一年计划在AI基础设施上投入6500亿美元。韩国一个国家的计划，体量已经逼近这个级别。

    李在明还专门回应了媒体关于”政府是否向企业施压”的质疑，说这些投资决策都是企业自己的判断，政府的角色是”投入能力，让企业可以无亏损、有前景地投资”。这话听起来像是想跟某些国家的产业政策划清界限。