标签: AI算力

  • AMD 把 Helios 推上机架级:苏姿丰正面挑战英伟达算力王座

    在旧金山那场座无虚席的 Advancing AI 大会上,苏姿丰把 AMD 压箱底的一张新牌拍在了桌面上:一套叫 Helios 的机架级 AI 系统。这不是又一颗 GPU,而是一整柜把计算、网络、CPU、供电、散热打包在一起的”算力整机”。AMD 想用它直接撬动英伟达靠着 Vera Rubin、Grace Blackwell 这些机架系统牢牢把住的生意。

    苏姿丰当场就把话挑明了,称 Helios 是”业界性能最高的 AI 机架”,专门为了”以超大规模训练并运行全球最前沿的模型”而生。更狠的是客户名单:微软、OpenAI、Meta、Oracle、Anthropic 都在部署计划里,微软 CEO 纳德拉周一刚说要把 Azure 基础设施用 Helios 扩一波,Anthropic 这周三更是宣布要和 AMD 合作,通过这套机架部署最多 2 吉瓦的 GPU。

    AMD Helios 机架级 AI 系统
    AMD 在 Advancing AI 大会发布 Helios 机架级 AI 系统(图源:TechCrunch / Getty)

    真正的战场在”机架”,不在”单卡”

    英伟达的统治力从来不是靠某一颗芯片,而是靠把几十颗 GPU 用自家的互联和软件栈黏成一个整体。AMD 这些年单卡其实一直能打,缺的就是这个”机架”。Helios 就是冲着这个缺口来的——它参考设计里塞进了 72 颗 Instinct MI455X GPU、EPYC Venice CPU、Pensando 网络加上 ROCm 软件栈,官方规格写着 31TB HBM4、1.4 exaFLOPS 的 FP8 算力。

    “当你让一个智能体去干活,它其实要经历几十个步骤,要推理、要调工具、要取数据,还得一遍遍循环直到把问题解出来,所以你需要海量的 GPU。”苏姿丰在会上这么解释算力需求为何爆炸。

    她还给了一个吓人的判断:到 2030 年,AI 加速器市场会冲到大约 1.4 万亿美元,体量逼近今天整个半导体市场。支撑这个预测的底气,是 agentic AI 带来的”算力阶跃”——智能体越多步推理,越吃 GPU。

    开放标准,是 AMD 最锋利的矛

    Helios 不是 AMD 直接卖整机,而是一份开放机架蓝图。它用 OCP Open Rack、UALink 和 Ultra Ethernet 这些开放标准,摆明了想吸引那些不想被英伟达专有互联和 CUDA 锁死的云厂商。代价是开放生态要自己多干活做集成,但好处是客户能挑组件、挑供应商。

    • 72 颗 MI455X 组成一台”巨无霸”,机架内聚合互联带宽达到 260TB/s。
    • Anthropic 与 AMD 达成战略合作,最多部署 2GW GPU。
    • AMD 同步推出面向数据中心的 Venice-X CPU,预计 2027 年落地。

    当然,vendor 自己的跑分永远往自己脸上贴金,Helios 到底比 Vera Rubin 强多少,还得等独立测试。真正的硬仗在软件:CUDA 是英伟达 18 年攒下的工具链和肌肉记忆,ROCm 要追上没那么快。但有一点变了——现在 AI 编程工具越来越能自动把 CUDA 内核移植过去,CUDA 那道护城河,确实开始出现裂缝。

  • 把1200块GPU塞进集装箱:Runware用推理Pod把算力价格打下来

    Runware Sonic 推理 Pod 集装箱式 AI 数据中心
    Runware 的 Sonic Inference Pod:把整座推理数据中心装进一个 20 英尺集装箱

    过去两年大家都在比谁的 AI 数据中心更大、更烧钱,动辄几百亿美元、三到五年才能盖好。伦敦一家叫 Runware 的公司偏不这么玩。8 月 4 日他们扔出一个叫 Sonic Inference Pod 的东西——说白了,就是把最多 1200 块 GPU 塞进一个 20 英尺的集装箱里,插上电就能当一座推理数据中心用。

    一个集装箱就是一座厂

    这个 Pod 不是玩具。它自带定制服务器、电路板和闭环液冷系统,单箱能出大约 1 兆瓦的算力。最妙的是冷却方式:用一套密闭循环管路,只循环大约 1.5 立方米的水,几乎不消耗新水,还能把 GPU 温度稳在目标值上下 2 度以内,电源效率标到 99%。对比传统数据中心,差不多三分之一的电都拿去制冷而不是算题,这一下就把账算明白了。

    贵在”只做推理这一件事”

    Runware 的逻辑很简单——普通数据中心为了通用负载堆了一堆推理用不上的冗余:备份系统、过度设计的结构、超大建筑。他们算过,传统机房 40% 到 60% 的开支花在了推理根本用不到的地方。Pod 把这些全砍了,只保留推理要的部件。结果就是他们敢承诺推理价格比同行低 30% 到 80%,硬件成本比传统千兆瓦级数据中心低到差不多百分之一百倍,省下的钱直接反映到 GPU 小时报价上。

    “推理需求增长的速度,比机房盖出来的速度快得多。”Runware 联合创始人兼 CEO Flaviu Radulescu 说,”我们想做的是给全世界的智能供能,成为每个模型跑起来时身下的那根骨干。”

    哪里有电,就拖到哪里

    这种集装箱最大的卖点是”可搬家”。因为它自带一切、不挑电网,哪有便宜的电——比如太阳能电站旁边——往那一放就行。平均三周能部署一个,传统方案要三到五年。每个 Pod 接入同一张网络,一个挂了流量自动切到别的节点,不会整片瘫痪。目前 Runware 说已经在美、欧、亚太部署了 10 个,还有 160 个预备点位,客户里能点到 Higgsfield AI 和 Wix 的名字。

    一场和超大规模厂的逆向赛跑

    有意思的地方在于,OpenAI、xAI 和几家云巨头都在往几百亿、上千亿美元的固定资产里砸钱,Runware 却从另一头进场:那些对运行地点不挑、哪儿便宜往哪跑的推理负载,用能 truck 进来、插上电、再挪走的算力也许更划算。公司背后是今年 1 月拿到的 5000 万美元 A 轮(Dawn Capital 领投,a16z speedrun、Comcast Ventures 等跟投),说自己已经帮 20 多万开发者跑出 100 多亿次生成。下半年他们计划先上 1 万个推理节点,2027 年冲到 1 吉瓦。

    • 单箱最多 1200 块 GPU、约 1 兆瓦算力,闭环液冷不耗新水
    • 推理报价比同行低 30%–80%,设施成本可低至传统方案的百分之一
    • 平均三周部署,哪里有电拖到哪里,故障自动切流
    • 下半年先上 1 万节点,2027 年冲 1 吉瓦

  • 英伟达联手华尔街六大巨头,募5000亿美元建AI基础设施

    全球资本涌入AI基础设施
    英伟达把算力基础设施包装成可投资的资产类别(示意图)

    黄仁勋这次没在卖显卡,他在帮客户凑买显卡的钱。周一英伟达宣布,和阿波罗全球管理、贝莱德、黑石、博枫、高盛、KKR 六家机构签了谅解备忘录,要搭建独立的算力融资平台,目标是从第三方募来超过 5000 亿美元,专门投到 AI 基础设施上。

    说白了,以前英伟达的生意是”卖铲子”——谁能建数据中心谁自己掏钱。现在它想把铲子和凑钱这件事一起包了:把”英伟达的算力加全栈基础设施”包装成一种可投资的资产类别,让养老基金、私募这些长钱进来,按使用量收租。

    “这些融资平台将帮助客户获得大量稀缺算力,并建设为 AI 时代各行各业和各个国家提供动力的 AI 工厂。”——英伟达 CEO 黄仁勋

    钱从哪来,又花到哪去

    英伟达说,这次的重点是债务融资,帮大客户拿到算力。黄仁勋在采访里强调,所有资金都来自第三方资本,而且他只找了这六家,”没有一家拒绝”。具体的出资比例、时间表、利率结构一概没披露,官方也只是说”会创造规模可观、利率有吸引力的专项资金池”。

    背后是实打实的需求。Big Tech 今年在 AI 上的开支合计要冲过 7300 亿美元,各国政府、创业公司也都在抢数据中心。英伟达自己上半年就签了数千亿美元的采购协议,现在再帮客户融资,外界难免担心这会不会变成”自己左手签单、右手放款”的循环交易,把整个行业的需求和估值一起抬起来。

    • 六家合作方覆盖私募股权、基础设施与投行:阿波罗、贝莱德、黑石、博枫、高盛、KKR
    • 资金定位为”第三方资本”,英伟达自身不出钱,只做生态设计与资产包装
    • 消息公布当天,英伟达股价盘中跌超 3%

    这不是英伟达第一次”下场”

    把算力和资本绑紧,英伟达早就动过手。今年 6 月它刚发了 25 亿美元债券,这是 2021 年以来第一次进债务市场补流动性。这次直接拉来华尔街六大金主,等于把”买我家芯片”和”找钱建芯片房”拧成了一条线。

    对中小 AI 公司来说,这意味着更容易借到钱、更快拉起集群;对大型资管机构来说,多了一个和 AI 挂钩、按使用时长收息的长期资产。只是当 AI 基建的账单越来越像国债市场,没有人知道天花板在哪,但所有人都还在加注。

  • 字节跳动悄悄开训10万亿参数大模型,张一鸣这次不想走捷径

    这周AI圈最炸的一条消息,不是哪家又发了新模型,而是一家公司”正在偷偷练一个超级大模型”。英国《金融时报》8月7日援引三位知情人士的说法称,字节跳动正在训练一个参数规模最高可达10万亿的AI模型,而且目前还处在最早期的预训练阶段。

    10万亿到底是个什么概念

    这么说吧,目前国内已经发布的最大模型是月之暗面的Kimi K3,约2.8万亿参数;阿里的Qwen 3.8-Max是2.4万亿。字节这个如果真冲到10万亿,差不多是它们的三倍多。横向看,业界估算Anthropic最强的Mythos 5大约8万亿、Fable 5约5万亿。换句话说,字节想一步跨到和西方最顶尖实验室同一个量级,甚至更高。

    能力越大,竞争越大。有网友借《蜘蛛侠》那句老话调侃:模型走到这一步不让人意外,但它还没正式推出,就已经改写了推理的算账逻辑。

    张一鸣给团队划了条红线

    这事儿最耐人寻味的,是创始人张一鸣的态度。据FT信源,他在Seed团队全员会上明确告诉员工,别依赖从竞品模型”蒸馏”出来的数据来换短期涨分。所谓蒸馏,就是拿别人大模型吐出的结果当养料训练自己——见效快,但本质是在复制别人已有的能力,永远只能追着跑。张一鸣宁可短期落后,也不想走这条捷径。

    这个判断和字节CEO梁汝波8月6日全员会的表态能对上。梁汝波罕见地公开承认,在大语言模型的基础能力上,字节和海外领先水平的差距正在拉大;但他同时强调,编程是目前最该盯紧的方向之一。一边认差距,一边把资源往底层模型和Coding上压,字节这次是想从”应用强”补到”基础强”。

    账没那么好算

    不过冷静下来看,10万亿更像一个目标上限,而不是已经锁定的规格。FT自己也说了,无法独立核实每一个细节,字节至今没确认也没否认。模型到底是稠密结构还是混合专家(MoE),现在谁也不知道——这直接决定那个”10万亿”里到底有多少是真正被激活的。

    更现实的拦路虎是算力。美国对高端AI芯片的出口管制,让这类训练跑起来比美国实验室更难、也更慢。要堆出10万亿规模的集群,要么靠此前囤的受限硬件,要么转向华为昇腾这类国产加速器。预训练本身就要3到6个月,后面还有微调、评测和安全测试,真要发布,窗口大概率落在2026年底到2027年。

    为什么是现在

    时机挺巧。最近一两个月,西方前沿模型接连因为安全问题”踩刹车”:Mythos 5因安全顾虑只向少数合作方开放,Fable 5被美国政府要求停服,OpenAI的Astra也因越界事件暂停研发。对手自己慢下来,等于给国内大模型撕开了一段追赶的窗口期。字节这一把押得最激进,赌的就是在别人犹豫的时候把差距抹平。

    但参数规模这两年已经反复证明:它和”谁更强”并不是一回事。10万亿能不能打,得等架构、训练数据质量和可验证的基准出来才算数。对普通人来说,比起这个数字本身,更值得看的是字节接下来愿意把多少真金白银,砸进这条最烧钱、也最不容易出成绩的赛道。

    象征10万亿参数规模的巨型神经网络
    10万亿参数意味着什么?它更像一个目标上限,而非已锁定的规格

    • 《金融时报》8月7日报道,字节正训练最高10万亿参数模型,目前仅早期预训练
    • 张一鸣反对蒸馏、梁汝波认差距但强调Coding,双线补齐底层能力
    • 出口管制下算力是硬约束,发布窗口或落在2026年底至2027年
  • AWS也开始缺CPU了:Agentic AI把算力危机烧到了CPU

    AWS数据中心服务器机房
    Agentic AI 的普及正在把算力短缺从 GPU 烧到最基础的 CPU(配图由 AI 生成)

    过去两年,科技圈聊算力短缺,默认指的都是 GPU——训练大模型要用、跑推理也要用,英伟达的卡一卡难求。但《The Information》8 月 7 日捅出的一件事有点反直觉:亚马逊云(AWS)内部现在开始缺 CPU 了。不是显卡,是那颗支撑了互联网二十年的普通处理器。

    等一台 CPU 服务器,要从几小时拖到好几天

    据知情人士透露,AWS 高管今年 5 月就把工程师叫来开了个会,传达的口风相当直白:为了确保 EC2 业务将来能接住所有客户需求,大家得想尽办法省算力,而且省的不只是 AI 芯片,连传统 CPU 服务器也明确点名了。此后 AWS 给各个团队下了截止期限,要求今年晚些时候砍掉闲置的计算占用,把腾出来的资源挪给外部客户。

    一位在 AWS 干了多年的工程师说,过去申请一台 CPU 服务器几小时就能拿到,如今要等上好几天,这是他职业生涯里头一回遇到。他直言这种等待已经影响到项目交付节奏。AWS 对外回应倒是很淡定,说即便需求很大,也还能满足“绝大多数”内外部客户,指导方针没变。但一个细节很说明问题:原本靠折扣甩卖、两分钟就能收回的“竞价实例”(Spot Instances),最近越来越难成批拿到了。

    AI 咨询机构 Elendil Labs 的联合创始人 Jing Xie 观察到,客户的人均 IT 支出直接翻倍,背后的推手正是 AI Agent 的大规模使用。

    AI Agent 成了隐藏的 CPU 吞噬者

    这事的根子,是 Agentic AI 正在大面积铺开。越来越多公司的员工开始用 AI 智能体帮自己写软件、跑流程,而一个 Agent 干活时调用的云资源远比人想像的多,而且对 CPU 是持续性的渴求。哪怕在模型训练的准备阶段,也得靠 CPU 从文档、图片和视频里把原始数据读出来。

    换句话说,GPU 负责“思考”,CPU 负责“打杂”——喂数据、管调度、跑周边服务。当 Agent 数量暴涨,打杂的活儿也跟着塌方,压力就从显卡一路漫到了整座机房。

    • 外部客户目前受影响还有限,合同承诺的算力基本没出问题;
    • 但竞价实例越来越紧,说明 AWS 整体供需缺口在收窄,弹性空间被压薄;
    • 除了 CPU,配套的内存芯片和数据中心物理空间也在添乱。

    芯片厂的数据也在印证这件事

    英特尔给出的数字很直观:今年 4 月,CEO 陈立武(Lip-Bu Tan)说 AI 推理里 CPU 和 GPU 的用量比是 1 比 4;到了 7 月,CFO David Zinsner 改口说这个比例已经接近 1 比 1。AMD 和 Arm 的高管也表达了类似判断。短短三个月,CPU 的存在感翻了好几倍。

    算力在内外部分配上的拉扯,其实不是 AWS 一家的事。谷歌去年专门拉了个高管委员会,在云业务、DeepMind 和消费者业务之间协调算力,明星研究员 Noam Shazeer 夏天就因为拿不到足够算力而离职;微软那边则是另一个故事,CFO 把 Azure 的增长部分归功于 CPU 和 GPU 机群管理上的“效率提升”。


  • 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。

  • 德州按下数据中心暂停键:474吉瓦排队,电网快撑不住了

    德州一直是数据中心最欢迎的落脚地:监管松、电便宜、地也好拿,全美只有弗吉尼亚的数据中心比它多。但本周一,州长 Greg Abbott 突然变脸——所有想接进州电网的新数据中心,先审计通过再说,通不过就别想并网。

    排队申请,比全州峰值还多五倍

    让 Abbott 动手的数字有点吓人。ERCOT(德州电力可靠性委员会)手里的并网排队,今年一月还是 233 吉瓦,不到半年直接翻倍;到今天,待接入申请已经堆到 474 吉瓦,是全州历史峰值负荷的五倍多。其中大约九成,都是数据中心。

    “我们的首要任务是保护德州人的安全和生活质量,说白了,德州人必须排第一。”Abbott 在指令里写得相当硬气。

    当然,这 474 吉瓦不等于真要建这么多。排队早已经是行业惯例,很多项目走着走着就黄了,里面水分和”占坑”的申请不少。可就算只落地一小部分,也够电网喝一壶的。

    之前的好言相劝,基本没人理

    其实 Abbott 上个月就试着用一份自愿调查问卷,让数据中心主动报用水用电情况,结果大多石沉大海。好说歹说没用,这回只能上硬手段:不配合就别接电网。这在向来不爱管事的德州,算是态度的大转弯——休斯顿连分区规划都没有,可想而知以前有多放任。

    数据中心服务器机房
    AI 基建狂飙下,数据中心正成为电网最沉重的负担之一(图:TechCrunch / Getty Images)

    审计到底要查什么

    PUCT 和 ERCOT 被要求对每一个排队项目收集一摞材料:自己发电还是靠电网、预计用多少电、水从哪来、用什么冷却方式、噪音和灯光怎么控、拿了哪些税收减免、背后是谁在控股。简单说,就是让项目把”家底”亮干净。

    • 审计覆盖用电、用水、噪音光照、税收优惠和完整股权结构
    • 未通过审核的项目将被直接拒绝并网,没有缓冲期
    • ERCOT 同步搁置了原定 8 月 7 日发布的 Batch Zero 分组研究

    行业松了口气,还是有苦难言

    代表大厂的”数据中心联盟”表态支持,说法是审计能帮监管方把”负责任的开发商”和”占坑的投机客”区分开。但没人知道审计要审多久——官方没给时间表,Batch Zero 也跟着推迟。对谷歌、微软这些早就在德州铺项目的公司来说,手里的计划一下子悬在了半空。

    更微妙的是,其它州此刻恐怕正在偷着乐。德州这一停,等于给那些审批更顺、确定性更高的地方递了橄榄枝。一个靠”少管”起家的市场,第一次因为管得太少而不得不开始管。


  • 16.5亿美元买一家软件公司,Nscale不想只做卖GPU小时的

    英国 AI 云厂商 Nscale 出手了,把 Anyscale 买了下来。价格 16.5 亿美元,来自彭博援引的匿名消息源。

    AI 数据中心内部(图片来自 David Paul Morris/Bloomberg / Getty Images,TechCrunch)
    AI 数据中心内部(图片来自 David Paul Morris/Bloomberg / Getty Images,TechCrunch)

    被买的是谁

    Anyscale 在开源圈不算陌生:创始团队正是做出 Ray 的那批人。Ray 是从伯克利出来的分布式计算框架,用 Python 写,早年解决的问题很朴素——一台机器跑不动怎么办。公司最初也沿着这条思路做平台,帮人把吃算力的任务跑起来。

    2022 年 GPT-3 把行业气氛点着之后,Anyscale 调转方向,改做大模型这一摊的扩展服务:训练、推理服务化、数据整理、强化学习都在覆盖范围里,产品围着 Ray 长,提供开发工具、可观测性和调度编排。最近一个季度,营收环比涨了 70%。

    2022 年 C 轮,Anyscale 的估值是 13.8 亿美元;四年之后卖出 16.5 亿。放在 AI 基建这条最热的赛道上,这个涨幅几乎是在说:中间件很关键,但很难自己长成一门大生意。


    买家的算盘:从电到调度,一层层往上包

    Nscale 属于这几年冒出来的一批 neocloud,不做通用云,专攻 AI 算力出租。它的打法是纵向整合,业务线已经从能源、数据中心一路铺到编排软件,Anyscale 进来补上的是工作负载管理和弹性扩展这一层。

    Anyscale 在声明里说得直白:两边可以把软件层和它下面的基础设施放在一起设计,各自单独优化达不到这个效果。

    钱不缺。Nscale 今年 3 月完成 20 亿美元 C 轮,估值 146 亿美元,股东名单里有英伟达、诺基亚、戴尔、Blue Owl 和挪威工业集团 Aker,此外还叠了好几笔债务融资。这些钱一部分变成了算力和数据中心合作,微软、英国电信、Nordcraft 都在名单上。交易之后,Anyscale 保留自有品牌独立运营,约 200 名员工整体加入。

    为什么算力厂商都在往软件层爬

    卖 GPU 小时是一门看着热闹、其实脆弱的生意。卡从英伟达买,电从电网买,客户随时能比价搬走,毛利被两头夹。真正留得住人、收得上溢价的是上面那层软件:谁的调度更省卡、谁的可观测性做得细、谁能让同一份代码换个集群跑起来不用返工。

    • 裸算力同质化严重,价格战几乎躲不掉
    • 编排调度带来切换成本,客户搬家意味着重写整条流水线
    • 拿到工作负载视角,才知道客户真实用量和瓶颈在哪,采购和排产更有底
    • 软件毛利远高于机时转售,能把整体利润率往上拉一截

    反过来看,这笔交易对开源社区也是个提醒。Ray 如今是不少训练与推理栈里的默认件,主力开发团队从一家独立公司变成算力厂商的一部分,路线会不会慢慢向自家硬件倾斜,是接下来值得盯的地方。收购方说会保持独立运营,不过这话每次收购都会说。

    AI 基建这一层的整合还没到头。上游是芯片和电,下游是模型和应用,夹在中间的 neocloud 要么把自己做厚,要么等着被当成可替换的机房。Nscale 显然选了前者,16.5 亿美元是它给这条路开出的价。

  • 25岁AI神童的基金一个月栽了,股票甩给Citadel,Anthropic股份一股没卖

    AI基础设施股票下挫与对冲基金抛售
    AI基建类股票集体回撤,杠杆玩家被迫平仓。图片来源:TechCrunch

    一个月之前,Situational Awareness 还是华尔街最风光的AI故事。现在,这只基金把手上大部分公开市场股票组合卖给了 Ken Griffin 的 Citadel,起因是过去一个月的巨额亏损。消息最早由《华尔街日报》披露。对创始人 Leopold Aschenbrenner 来说,这是一次相当难堪的回落。

    从超级对齐团队到450亿美元

    Aschenbrenner 今年25岁,德国出生,15岁进哥伦比亚大学,19岁以毕业生代表的身份毕业。2023年他加入 OpenAI 的“超级对齐”团队,那支队伍当时由联合创始人 Ilya Sutskever 和研究员 Jan Leike 带领。一年后他被公司解雇,理由是不当披露内部信息。之后三个人各奔东西:Sutskever 自立门户,Leike 去了 Anthropic,Aschenbrenner 则在2024年办起了对冲基金——在那之前,他没有任何交易经验。

    让他出名的是一套论证:AI 的规模化会倒逼半导体、算力、内存和能源基础设施的大规模扩建。他照着这个思路下注,一度顺得不像话。据《金融时报》,截至6月,基金年内回报率高达439%;CNBC 报道称,管理规模峰值一度接近450亿美元。

    杠杆把回撤放大了

    转折来得很快。AI基础设施类股票集体下挫,公开市场投资者开始担心,那些天量资本开支短期内换不回收入。基金重仓的几只标的过去一个月跌幅都超过30%:内存芯片厂 SK 海力士和 Sandisk、清洁能源开发商 Bloom Energy,以及 neocloud 服务商 Nebius。

    更要命的是杠杆。用借来的钱买股票是对冲基金的常规操作,涨的时候放大收益,跌的时候同样放大窟窿。

    Citadel 接手这批持仓之后,Situational Awareness 的总资产降到约100亿美元。而在此前几个月,这个数字还在200亿美元左右。

    亏成这样,Aschenbrenner 倒是没有认输。7月24日他给投资人写信,把这轮抛售称作去年初以来最好的买入机会,邀请客户从8月1日起追加资金。据彭博社,响应远不如他期待。

    Citadel 为什么接得这么痛快

    Griffin 的基金一向有这个名声:等着加了杠杆的玩家被迫平仓,然后把便宜筹码捡走。值得留意的是,在接手这批股票之前,Citadel 自己的组合里本来就有同类AI基建押注。

    换句话说,两边对这个行业的判断其实差不多,区别只在于谁扛得住时间。Aschenbrenner 就算方向看对了也没用,杠杆不给他等下去的机会。


    真正压箱底的是 Anthropic

    有一点必须说清楚:卖掉的只是公开市场持仓,私募部分一股没动。其中最值钱的是 Anthropic 的股份,据彭博社,眼下估值约50亿美元。Anthropic 在5月的H轮融资中估值9650亿美元,最快10月就可能上市,届时估值还有上抬空间。这笔资产如果兑现,足以填掉一部分公开市场的亏损。

    组合里的其他私募资产还包括芯片公司 MatX 和AI数据中心创业公司 Fluidstack——后者今年4月传出正在以180亿美元估值募资。

    早期出资方名单也能说明这只基金当初的号召力:量化交易公司 Jane Street、Stripe 创始人 Patrick 与 John Collison 兄弟,以及 Meta 高管 Daniel Gross 和 Nat Friedman。

    裂缝出现在两个市场之间

    这件事最值得看的地方,是公开市场和私募市场对同一个故事的定价已经明显对不上了。二级市场开始给AI基建打折,一级市场还在按最乐观的情景估值,中间那道差额,就是当下AI交易最诚实的体温计。

    对普通人来说,能带走的经验也简单:在这轮行情里,判断方向对不对是一回事,能不能撑到方向兑现是另一回事。杠杆决定的往往是后者。

    • Situational Awareness 将大部分公开股票组合卖给 Citadel,总资产从约200亿美元降至约100亿美元
    • 基金截至6月年内回报439%,管理规模峰值一度接近450亿美元
    • 重仓的 SK 海力士、Sandisk、Bloom Energy、Nebius 一个月跌超30%,杠杆放大亏损
    • 私募持仓未动,Anthropic 股份估值约50亿美元,该公司最快10月IPO
  • 三星把话说明白了:内存荒2027年更糟,2028年之前别指望缓解

    如果你最近打算换手机、加内存条或者买显卡,可能得做好心理准备:这轮涨价短期内不会结束,而且还要更贵。

    三星电子
    三星供应着全球约三分之一的内存芯片 | 图片来源:TechCrunch

    三星在二季度财报电话会上给出了一个相当悲观的时间表:眼下的内存芯片短缺不但会延续到明年,2027 年还会进一步加剧,供应紧张的局面至少要持续到 2028 年。说这话的分量不轻——三星自己就供应着全球大约三分之一的内存芯片。

    AI 实验室开始直接把未来几年的需求交给三星

    三星在会上透露了一个此前不太常见的细节:那些急着抢内存资源的前沿 AI 实验室,已经在直接向三星“共享它们的中长期需求预测”,目的就是提前锁定未来的供货。

    需求太旺,让三星可以优先照顾那些愿意签长期合同的客户。多年期的能见度意味着它可以放心装设备、拉产能,不必担心需求突然消失。

    这一点比涨价本身更有意思。内存一直是典型的周期性行业,涨一波、扩一波产、然后崩一波,几十年来都是这个节奏。现在下游客户主动把几年后的用量报上来换供货优先级,等于把这门生意从“赌行情”变成了“接订单”。三星显然乐意接受这种转变。

    芯片部门创纪录,手机部门被自家芯片吃掉利润

    涨价对三星来说是把双刃剑。二季度半导体业务销售额创下历史新高,但手机和电视部门的盈利能力反而缩水了——因为它们要用更贵的元器件。

    三星的应对是把成本往下游传:Galaxy 手机和平板已经提价。代价也很直接,这些设备的需求随之下滑。左手挣的钱,右手在赔。

    “RAMaggedon”正在给整条消费电子链条加价

    这轮短缺被业内戏称为 RAMaggedon(RAM 版世界末日),受影响的远不止三星自己。

    • 苹果上个月上调了 MacBook、Mac 和 iPad 的价格,iPhone 暂时没动;最新一季财报会上,苹果把下季营收同比增速的预期下调到 9% 到 11%,而此前几个季度是 16%。
    • 英伟达的消费级显卡预计要涨 20% 到 30%,这会顺着链条传导到游戏本、台式机、主机等一大批产品。
    • 存储厂商正在把产能从消费电子挪向 AI 数据中心,这才是价格上行的真正源头。

    这不是短缺,是一场重新分配

    把这些拼在一起看,“缺货”其实是个不太准确的说法。晶圆产能没有凭空蒸发,它只是被挪到了利润更高的地方。数据中心愿意为 HBM 和高端内存付出的价格,消费电子厂商跟不上,于是普通消费者手里的产品自然被排到了后面。

    换个角度说,AI 基建的账单正在以一种非常间接的方式,摊到每一个买电脑、买手机、买显卡的人头上。你并没有为哪个大模型付费,但你多花的那几百块,确实流向了同一条产业链。

    还有一个值得留意的风险:长期合同锁产能,前提是 AI 需求真的能兑现到 2028 年。三星现在按客户报上来的预测去扩产能,如果哪天这些实验室的融资节奏或者算力规划出现变化,那批设备就会在最不该的时候一起转起来。周期性行业最惨的不是缺货,是缺完之后一起过剩。眼下没人愿意讨论这一段,但它一直在时间表的另一头等着。