标签: AI算力

  • 16.5亿美元买下Ray背后的团队,这家算力公司想把整条链吃掉

    Nscale以16.5亿美元收购Anyscale
    卖算力的公司,开始往软件层爬。图片来源:TechCrunch

    英国算力新贵 Nscale 掏了 16.5 亿美元,把软件公司 Anyscale 买了下来。金额来自彭博社援引匿名信源的报道。

    这笔交易本身不算特别大,但它透露的意图挺清楚:单纯出租 GPU 已经不够看了,算力厂商想把客户那笔 AI 预算里更多的部分留在自己口袋。

    Anyscale 是谁?答案藏在 Ray 里

    做 AI 工程的人对 Ray 这个名字应该不陌生。它是伯克利那边出来的开源分布式计算框架,用 Python 写,专门解决”一台机器跑不动,那就把活儿拆到一堆机器上”这类问题。Anyscale 就是 Ray 原班团队创立的公司。

    公司最早的定位是给那些需要海量算力的项目提供运行平台。2022 年 GPT-3 把大模型推到聚光灯下之后,Anyscale 转了个弯,业务重心挪到围绕大模型的训练与推理服务、数据清洗整理、强化学习这些活儿上。平台整个建在 Ray 之上,对外提供开发工具、可观测性和调度编排。

    Anyscale 在声明里说:合在一起之后,我们可以和 Nscale 一起设计软件层以及底下的基础设施,而这件事任何一方单独优化自己那一层都做不到同样的效果。

    Nscale 想要的是一整条链

    Nscale 属于业内所说的 neocloud——不做通用云,专门围着 AI 算力做生意的新一代云厂商。它的打法一直是往上下游延伸,能自己干的绝不外包。

    目前它已经铺开的业务线包括:

    • 能源:从电这一端就开始掌控成本;
    • 数据中心:自建自营,不租别人的机房;
    • 编排软件:管好机器和任务的调度;
    • 吃下 Anyscale 之后新增的一层:工作负载管理与弹性扩缩。

    这条链拼完,客户从插上电到跑起模型,理论上都能在 Nscale 体系内完成。对于一家靠卖算力起家的公司来说,往软件层走意味着毛利结构会好看不少,客户黏性也完全是另一个量级。


    钱从哪来:一年之内融资、发债、买公司

    Nscale 今年 3 月刚拿到 20 亿美元 C 轮,估值 146 亿美元。投资方名单挺能说明问题:英伟达、诺基亚、Blue Owl、戴尔,还有挪威工业集团 Aker。此外它还做了多笔债务融资——循环信贷、7.9 亿美元的挪威项目贷款、14 亿美元的延迟提取定期贷款。

    这些钱一直在花出去。它先后和微软、英国电信(BT)、Nordcraft 签下算力与数据中心合作。这次收购 Anyscale,是同一套思路的延续。

    被收购方的成绩单也不差。Anyscale 在 2022 年 C 轮时估值 13.8 亿美元,公司称最近一个季度的营收环比增长了 70%。换句话说,16.5 亿美元的价格相对四年前的估值只是小幅溢价,但买到的是一条正在加速的增长曲线。

    200 人全部过去,牌子不摘

    Nscale 表示 Anyscale 会继续以自有品牌运营,现有客户照常服务,大约 200 名员工全员加入 Nscale。这种”保留品牌 + 全员留任”的安排,通常说明买方要的是团队和技术栈本身,而不是想把客户名单吸干后关掉。

    对开源社区来说,短期内 Ray 的走向可能是个值得留意的点——一个被算力厂商收编的商业公司,会怎么平衡开源项目的中立性和母公司的硬件偏好,这事儿以前在别的项目上有过不少前车之鉴。

    放大一点看,这几年 AI 基础设施领域的并购逻辑正在从”抢机器”变成”抢那层把机器变好用的软件”。谁能让客户少踩坑、少浪费卡,谁就能在下一轮价格战里活得舒服些。

  • 美国最大电网撑不住了:以后缺电,数据中心第一个被拉闸

    美国最大的电网运营商PJM最近做了一个挺罕见的决定:以后电不够用的时候,数据中心要第一个被拉闸。这事听起来有点魔幻——全世界都在抢着给AI盖机房,而管着美国最大电网的机构,已经开始琢磨怎么给这些机房断电了。

    美国电网高压输电线路
    PJM电网覆盖从弗吉尼亚到伊利诺伊的13个州,服务6700万用户

    事情的起因是PJM刚办完一场发电容量拍卖,结果新增的发电能力没凑够。眼看着数据中心还在一座接一座地开工,PJM干脆摊牌:从2027年6月起,一旦出现电力短缺,50兆瓦以上的数据中心将被临时切断供电,以此避免整个电网崩溃、居民家里大面积停电。

    PJM的辖区从弗吉尼亚一直延伸到伊利诺伊,覆盖6700万用户。过去一年,这片区域的批发电价几乎翻了一倍,而PJM的独立市场监督机构直接把涨价的主要责任算到了数据中心头上。

    被拉闸有补偿,但代价可能更大

    这套机制其实不算新发明。美国电网几十年前就有所谓”需求响应”计划,制造业大厂缺电时被要求停产,事后拿补偿,提前通知的时间从30分钟到几天不等。这次只是把数据中心也纳入了名单。真正的问题在于,AI机房和工厂不一样——训练任务可以暂停,但在线推理服务一断,用户那边立刻就能感觉到。

    所以行业的连锁反应已经可以预见:新建的数据中心会加速自建电源,没条件自建的就得靠备用发电机扛过限电时段。而备用发电机绝大多数烧柴油,成本高不说,污染也重。按美国联邦法规,这类柴油机每年最多只能为需求响应运行50小时,紧急情况和维护加起来也不能超过100小时。

    柴油发电机的健康账单

    就在同一周,数据中心运营商Vantage在弗吉尼亚闹出了另一桩风波。一份研究报告估算,北弗吉尼亚一座96兆瓦数据中心的柴油备用发电机,每年可能给周边居民造成5300万到9900万美元的健康损失。而Vantage被曝出与州环保监管部门”协调配合”,试图淡化这份报告的可信度。

    • PJM从2027年6月开始执行限电,只针对50兆瓦以上的大型数据中心
    • 过去一年PJM区域批发电价接近翻倍,市场监督机构点名数据中心
    • 到2035年,数据中心的用电量预计将达到今天的4倍
    • 被限电的用户会获得补偿,通知提前量从30分钟到几天不等

    这件事的信号意义大于实际影响。AI行业一直默认电力是”花钱就能买到”的资源,PJM的决定第一次明确划出了优先级:真缺电的时候,居民用电排在AI前面。对那些正在规划千兆瓦级园区的公司来说,自备电源从加分项变成了生存必需品——电网靠不住了,这就是2026年AI基建的新现实。

  • 刚出道就砸4.1亿美元买算力:Recursive把身家押给了AWS

    一家5月才走出隐身模式的AI公司,本周二直接把融来的钱的大头拍在了算力上。Recursive Superintelligence宣布与亚马逊AWS签下一份约4.1亿美元的多年期算力协议——要知道,这家公司出道时的总融资额也就6.5亿美元。等于刚拿到钱,转手就把六成多押给了云厂商。

    这家公司做的方向听名字就知道:开放式的自我改进AI系统。创始人Richard Socher在跟TechCrunch的电话里毫不掩饰胃口,他说这份协议”很可能是我们未来几年要签的算力协议里最小的一份”。

    亚马逊AWS数据中心
    AWS将为Recursive共建专用基础设施(图片来源:TechCrunch/Getty Images)

    “不看人头数,看智能体数”

    “对我们来说,重点不是headcount(人头数),而是agent count(智能体数)。”——Richard Socher

    这句话基本解释了钱为什么这么花。传统AI公司预算的大头在工资和运营,Recursive想让AI自己干产品研发的活,人省下来的钱全灌进GPU。公司要自动化的第一个对象,就是它自己的产品开发流程。

    这笔交易还有个值得玩味的地方:亚马逊没有掺投资。对比一下行业惯例——微软之于OpenAI、亚马逊谷歌之于Anthropic,大厂给算力的同时往往顺手入股,算力订单和股权深度捆绑。这次是干干净净的商业采购。但采购规模够大,AWS也愿意下本:双方约定共同开发专门面向这类自我改进型AI公司的定制基础设施。AWS初创与风投业务副总裁Jason Bennett直说,这套东西以后还能吸引其他基础模型公司上门。


    RSI是拐点还是渐变?他说十月见真章

    递归自我改进(RSI)这个概念在AI圈流传已久:一旦AI不需要人类介入就能改进自己,进步速度可能瞬间起飞。但随着越来越多实验室往这个方向挤,它的定义反而越来越模糊——有人赌突破近在眼前,有人认为所谓自我改进更像一条连续渐变的曲线,根本没有那个戏剧性的”奇点时刻”。

    • Recursive的差异点在于不空谈概念,要用RSI直接做出能用的产品;
    • Socher给了明确时间表:”几个月内,不是几个季度或几年”,大约10月就会有看得见摸得着、可以上手玩的东西;
    • 4.1亿美元的算力储备,就是为这些自我改进系统的规模化扩张备的粮草。

    把公司大部分现金押在算力上,赌的是”智能体替代人力”这条路径能跑通。如果十月拿出来的产品足够硬,这份4.1亿美元的合同真有可能像Socher说的那样,只是个开胃菜;如果跑不通,那就是一家创业公司把弹药一次性打光的反面教材。留给他的时间窗口,其实就这几个月。

  • 谷歌悄悄研发新 AI 芯片 Frozen v2:要让 Gemini 省下大笔电费

    Google 自研 AI 芯片相关示意图
    大厂自研 AI 芯片已成趋势,Google 的 Frozen v2 瞄准的是推理能效(图源:TechCrunch)

    Alphabet 正在悄悄搞一颗新的服务器芯片,内部代号叫 Frozen v2,专门用来让自家的 Gemini 模型跑得更省、更稳。消息来自 The Information 的爆料,说这颗芯片大概会在 2028 年前后亮相。

    能效说是现在的六到十倍

    按那篇报道的说法,Frozen v2 的衡量标准是「每消耗一单位电力能生成多少 token」,在这个口径下,它要比 Google 现有的 AI 芯片高效 6 到 10 倍。对此 Google 既没承认也没否认,只给了一句四平八稳的回应。

    「我们的团队一直在研究和试验各种新方案,为用户和客户带来极致的性能与效率。」

    大厂为什么都在自己造芯

    把模型训练和推理从通用 GPU 上挪到自己定制的芯片上,已经成了大厂的共同动作。动机很直白:一是让自家模型跑得更划算,二是摆脱对英伟达的依赖——这家公司长期把持着 AI 芯片市场,也让所有大模型厂商都被它的硬件绑住。

    就在今年 6 月,OpenAI 刚亮出第一颗自研推理芯片 Jalapeño;本月初又有消息说,Anthropic 正在和三星谈新的芯片合作。Google 自己本来就有 TPU 这条线,Frozen v2 像是把这条路继续往下走。

    • 代号 Frozen v2,目标 2028 年前后发布,专供 Gemini 使用。
    • 能效按 token / 单位电力计,号称达现有芯片 6 到 10 倍。
    • 背景是 OpenAI、Anthropic 相继布局自研芯片,全行业试图降低对英伟达的依赖。

    股价先涨为敬

    这类消息背后,其实是投资者的算盘。大家一直担心 Alphabet 为了 AI 基建砸下的天价开支——公司年初说今年要花 1800 亿到 1900 亿美元。钱花出去了,得证明能回本。Frozen v2 一旦坐实,等于给市场一个「我们在把成本压下来」的信号。报道出来后,Google 股价周一上午就涨了大约 3%。

    当推理成本变成卖点,AI 的故事就从「大力出奇迹」变成了「谁更会过日子」。


  • AI芯片又一笔10亿美元:SambaNova估值冲到110亿,摩根大通把算力搬回自家机房

    SambaNova 这家公司,你可能没怎么听过,但在 AI 芯片这条赛道上,它刚干了一件挺有象征意义的事。7 月初,这家 2017 年成立的帕罗奥图创业公司宣布完成 10 亿美元 F 轮融资的第一笔交割,投后估值来到 110 亿美元。领投方是老牌成长基金 General Atlantic,贝莱德、卡塔尔投资局、Intel Capital 等一众机构跟投。

    有意思的是,这笔钱距离它上一次融资只隔了不到五个月。今年 2 月它才拿下 3.5 亿美元 E 轮,同时发布了第五代芯片 SN50。换句话说,资本市场的钱还在疯狂往 AI 基础设施里灌。

    SambaNova 的 CEO Rodrigo Liang 说了一句很直白的话:摩根大通这种级别的银行开始自己搭私有、安全的算力底座来跑推理,这个信号会传到银行业之外。

    它到底造的是什么芯片

    SambaNova 走的是和英伟达不一样的路子。它的芯片不是要取代英伟达,而是贴着英伟达一起用。公司主打”高端推理”——把今天动辄几万亿参数的前沿大模型,塞进一个机柜里跑,而且跑得飞快。Liang 对外说过,SN50 跑推理的解码部分比竞品快五到十倍。

    SambaNova AI 芯片
    SambaNova 的 AI 推理芯片(图源:TechCrunch)

    今年 2 月发布的 SN50 基于数据流架构,计算能力是上一代 SN40 的 5 倍,网络带宽是 4 倍,预计 2026 年下半年开始向客户发货,软银是它的第一个部署伙伴。

    三类客户,和一个 IPO 悬念

    Liang 把客户分成三块:一是主权云,各国政府出钱扶植本地私有云;二是新云(neocloud);三是自建自用的大企业。除了摩根大通,沙特阿美、英特尔以及一些日本企业也在客户名单上。


    • SambaNova 成立以来累计融资规模已相当可观,本轮后现金储备进一步增厚
    • 资金一大用途是锁供应链——在汹涌的需求面前先把产能和物料攥在手里
    • 与英特尔的关系也在加深,双方从投资到联合开发产品一起推向市场

    至于公司未来,Liang 话讲得很活。被问到连续融资是不是意味着铁了心独立,他说”一直有人来找我们”,这扇门在动态的 AI 市场里还开着,但增长势头更可能把公司推向”某天上市”。据 CNBC 报道,他甚至提到了 2027 年 IPO 的可能性,大概率选美国。

    AI 基础设施建设的热度,从这 10 亿美元里就能看出来。当大行都不愿意把最敏感的模型推理完全交给云厂商,像 SambaNova 这样专做”把大模型安全跑在自己地盘上”的芯片公司,就有了存在的理由。

  • Reflection 签 10 亿美元算力大单:开源模型商的弹药库焦虑

    Reflection 与 Nebius 10 亿美元算力协议
    算力正在变成 AI 公司的战略物资(图源:TechCrunch)

    开源模型公司 Reflection AI 最近像在囤弹药一样,连续签下大笔算力合同。7 月 14 日,这家估值 250 亿美元的美国初创公司宣布,和欧洲 AI 基础设施厂商 Nebius 签下一份价值 10 亿美元的算力协议。

    拿到的是英伟达最新的芯片

    Nebius 的前身是俄罗斯科技巨头 Yandex 的国际业务,这次它会把英伟达最新一代芯片的使用权交给 Reflection。有意思的是,这已经是 Reflection 几周里第二笔大型算力交易了——上一份是和 SpaceX 拿计算资源。两家公司都在抢同一件东西:训练和部署模型所需要的算力。

    当特朗普政府上个月施压 Anthropic 和 OpenAI 限制最强模型,业界开始担心模型访问权限可能被”一夜收回”。加上中国开源模型越来越能打,主流市场对开源 AI 的兴趣被彻底点燃。

    为什么开源模型商比谁都怕算力断供

    Reflection 由两位前 Google DeepMind 研究员在 2024 年创立,已经从英伟达、红杉、Lightspeed 手里融了近 26 亿美元。它的处境正好戳中当下最热的争论:闭源旗舰模型到底值不值那个价?当数据留存顾虑和政府干预一起涌上来,能自己掌控权重、不受制于单一厂商的开源路线,突然成了香饽饽。

    Nebius 才是幕后那个大赢家

    • 拿到英伟达 20 亿美元投资后,Nebius 转头就和 Meta 签了最高 270 亿美元、为期五年的基础设施协议。
    • 去年它跟微软也签了最高 194 亿美元的多年的协议。
    • 从 Yandex 拆分出来后,Nebius 几乎成了各大 AI 实验室的”算力二道贩子”。

    算力正在变成一种战略物资,谁先把芯片和机房锁死,谁就握住了下一代模型的命门。Reflection 连签两单,表面上是为了训练和部署,底下其实是整个行业对”算力稀缺”的集体焦虑。

  • Meta要把富余算力租给Anthropic,百亿美元协议藏着什么信号

    AI行业里最微妙的一幕出现了:Meta,这个社交媒体巨头,正在和Anthropic谈一笔可能高达100亿美元的生意——把自家数据中心的AI算力租给竞争对手用。据《纽约时报》报道,双方初步谈的是两年期协议,按月付费,任何一方都可以提前退出。这不像一份稳固合同,更像一份带有期权性质的“算力期货”。

    Anthropic不是第一次这么干。今年5月,它刚和SpaceX签了一份三年450亿美元的算力租赁协议,用Colossus 1的GPU资源跑付费订阅服务。4月,它跟Google和博通签下5GW的下一代TPU容量;两周后又和亚马逊签了最高5GW的新协议,承诺未来十年在AWS技术上砸超过1000亿美元。所以,Anthropic同时找Meta买算力,说明它觉得单一供应商已经喂不饱自己了。

    扎克伯格今年5月在股东会上说,几乎每周都有外部公司问能不能买Meta的算力,而且愿意溢价。“我们还没这么做,因为我们觉得自己用得上。”现在谈判开始,意味着Meta可能觉得自己手头的卡,开始多起来了。

    Meta为什么要当“算力房东”?

    Meta今年的资本支出预计最高达到1450亿美元,几乎翻倍。这么多钱砸下去,投资者当然会问回报率在哪。广告收入虽然稳,但满足不了市场对“AI故事”的期待。把富余算力租出去,哪怕只是杯水车薪,也能把成本中心的一部分变成现金流,顺便验证“算力即服务”的商业逻辑。

    更值得玩味的是人事信号。前亚马逊AWS高级负责人Dave Brown已经加入Meta,负责基础设施。一个做云生意的老手,跑到一个几乎不卖云的公司里管基础设施,摆明了是在为云计算业务铺路。

    但这件事离“落槌”还很远

    • 谈判还在早期,双方都能提前退出,100亿美元只是理论上限。
    • Anthropic要把自己的Claude模型跑在Meta的基础设施上,技术和安全磨合是个大工程。
    • Meta自己的Llama、Reels推荐、Meta AI都还在疯狂吃算力,真有多少“富余”还不好说。
    • 把算力租给竞争对手,长期来看会不会养虎为患,也是Meta内部会争论的问题。
    Meta与Anthropic算力租赁示意图
    AI算力正在从“内部消耗品”变成可交易的战略资产。

    这件事真正的意义不在100亿本身。它标志着AI算力正在从“军备竞赛里的弹药”变成“可交易的大宗商品”。从SpaceX到Meta,科技巨头纷纷把自己的GPU集群对外出租,而Anthropic这种顶级模型公司则在到处锁定长期供给。供需两端的紧张,远比任何一份合同的金额更能说明行业的真实状态。

  • OpenAI 自研芯片 Jalapeño 出炉:九个月造出推理加速芯,英伟达不再是唯一答案

    一颗用墨西哥辣椒命名的芯片

    6月24日,OpenAI 把第一颗自己设计的芯片亮了出来,代号 Jalapeño,就是墨西哥菜里那颗青辣椒。这颗芯片不是找人代工贴牌,而是 OpenAI 自己定架构,博通负责把设计变成硅片,台积电用 3 纳米工艺代工生产。它也不是一颗通用 GPU,OpenAI 管它叫”智能处理器”(Intelligence Processor),说白了就是专门为大模型推理场景打造的一块加速芯片。

    要理解它为什么重要,得先想清楚一件事:你每次问 ChatGPT 一句话、开发者调一次 API、Codex 跑一个任务,背后都是一次推理。这是 OpenAI 每天发生最频繁、也最烧钱的动作。把这部分成本攥在自己手里,比再去买一堆英伟达 GPU 更有战略意义。Google 老早有自己的 TPU,亚马逊有 Trainium 和 Inferentia,头部的 AI 公司走到一定规模,都会补上自己的算力路线。

    “我们对自己要跑的负载理解很深,一直在找那些现有芯片没服务好的工作,然后想办法把它加速。”OpenAI 总裁 Greg Brockman 在自家播客里这么解释他们的思路。

    九个月,AI 帮着设计自己的硬件

    最让人意外的是速度。Brockman 说,Jalapeño 从最初的架构设计到完成制造流片,前后只花了大约九个月。作为对比,Google 第一代 TPU 从架构到流片花了差不多三年,传统芯片公司做同等规模的项目通常要五到七年。OpenAI 自己的说法是,这可能是高性能半导体领域有史以来最快的 ASIC 开发周期。他们半开玩笑地说,参与设计的还有 OpenAI 自己的模型——AI 正在帮着造跑自己的硬件。

    早期测试的数据挺漂亮:OpenAI 称 Jalapeño 的每瓦性能明显好于当前最先进的方案。不过公司没公布具体的基准数字,目前也还没有第三方独立验证。按定位,它主打推理而不是训练,像预训练这种吃算力的重活,短期还得靠英伟达。哪怕推理成本只降一点点,对 OpenAI 的账本也是实打实的好处。

    OpenAI 首颗自研芯片 Jalapeño
    OpenAI 与博通联合打造的首颗自研推理芯片 Jalapeño(图源:TechCrunch)

    全栈野心与冷现实

    OpenAI 的算盘不止一颗芯片。它和博通的合作要部署到吉瓦级的数据中心,计划 2026 下半年开始落地,到 2029 年全部完成,外界估算整个盘子可能花掉数千亿美元。OpenAI 想的是把模型、产品、芯片、数据中心全捏在自己手里,每一层都朝着”更快、更稳、更便宜”同一个目标优化。

    但别急着宣布英伟达时代结束。训练、显存、集群网络、软件栈,任何一环都不是单颗芯片能独立解决的,更何况 CUDA 生态、供应链和部署经验是 AI 公司绕不开的现实。Jalapeño 的出现更像一个信号:OpenAI 不想永远只当算力的买家了。

    • Jalapeño 是推理专用芯片,不是用来替代英伟达做训练的通用 GPU。
    • 从设计到流片约九个月,AI 模型本身也参与了设计流程。
    • 和博通、台积电合作,瞄准吉瓦级数据中心,2026 下半年起逐步部署。

  • Meta要把囤的 AI 算力卖出去:从最大买家变身云厂商

    Meta要把囤的 AI 算力卖出去:从最大买家变身云厂商

    7月1日彭博社爆料,Meta在筹划一项叫“Meta Compute”的云业务,打算把自己囤的 AI 算力和模型访问权卖给外面的公司。消息一出,Meta 股价当天涨了 8.8%,市值多了大概 1270 亿美元;而专门做算力租赁的 CoreWeave 和 Nebius 分别跌了 14% 和 17%,连美光、闪迪这些存储芯片股也跟着跳水。一边是狂欢,一边是恐慌,同一条新闻让两拨人看到了完全不同的未来。

    全球最大的 GPU 买家之一,正式转身成为算力卖家——这被不少人视为 AI 基础设施商业模式的一个分水岭。

    为什么要卖?

    Meta 今年 4 月把全年资本开支指引提到 1250 亿到 1450 亿美元,比去年的 722 亿差不多翻了一倍,钱都花在了数据中心、芯片和电力上。问题是,训练一个大模型可能几个月里把几万张 GPU 吃满,但训练一结束,这批集群的利用率就掉到三成到五成,剩下的算力就在那儿空转、烧电费。扎克伯格的打法一直是“先囤够再说”,先按最高峰的训练需求把地基打好,至于建完怎么用,回头再想。现在“卖出去”就是那个回头再想的答案。

    两条路子:托管模型,或者直接出租 GPU

    据知情人士说,Meta Compute 至少规划了两条线。一条学 AWS 的 Bedrock,把托管在自家基础设施上的模型(包括自研的 Muse Spark)开放给开发者,按 token 收费。这对 Meta 是头一回能从 Llama 生态里直接赚到钱——开源这么多年,Llama 被别家云厂商免费拿去商用,Meta 一分授权费都收不到。另一条更直接,学 CoreWeave 那种新型云公司,把 GPU 集群按小时租给企业客户。两条线同时推,牵头的是基础设施负责人 Santosh Janardhan、超级智能实验室的 Daniel Gross,还有 Meta 总裁 Dina Powell McCormick。

    Meta 计划把囤积的 AI 算力对外出租,直接闯进云计算市场
    Meta 计划把囤积的 AI 算力对外出租,直接闯进云计算市场

    市场为什么慌?

    这事真正戳中的,是撑了 AI 产业两年狂奔的那套逻辑——算力稀缺。过去两年,“算力不够用”维持了坚挺的租赁价格,也给巨头们疯狂扩张提供了理由。可要是连 Meta 这种级别的买家都开始往外卖“富余”算力,投资人自然会问:基建是不是要到顶了?高盛的交易台已经警告,一旦供给上来、租赁价往下走,最先扈不住的就是硬件。衡量 H100 租赁价格的 ORNN 指数最近确实在往下掉。

    • 出租的是上一代 H100/H200 推理算力,前沿训练要用的 GB200、自研 Rubin 芯片 Meta 还在拼命买
    • 目标据说是每 GW 每年变现 100 亿到 150 亿美元,把“成本包被”变成创收资产
    • SpaceX/xAI 已经跑通类似模式:把孟菲斯的 Colossus 集群按月租给 Anthropic,月租 12.5 亿美元

    一家 To C 公司,能做好 To B 吗?

    麻烦也在这儿。AWS、Azure、谷歌云做了几十年,靠的不只是机房,还有成熟的软件平台、企业销售队伍和客服体系。Meta 靠广告活了 21 年,是个彻彻底底的 To C 公司,突然要去伺候企业客户,节奏、文化、人才都得重搭。更微妙的是反垄断:Meta 跟 CoreWeave 还有总额 352 亿美元的长期采购合同没走完,一边是人家最大的客户,一边又下场抢生意,这种双重身份监管一看一个准。

    短期看,Meta 卖算力是笔资产周转的买卖——把上一代推理算力拿出来回血,同时继续囤最新的训练卡。但往长了看,当算力从“抢都抢不到的稀缺品”慢慢变成“能挂牌出售的大宗商品”,整个行业的定价方式、竞争格局和投资故事,可能都要重写一遍。扎克伯格说过,几乎每周都有公司来问能不能买他们的算力,甚至愿意出高于成本的价。现在,这些人等到回音了。

  • 谷歌限制Meta使用Gemini,AI算力短缺连大客户也照顾不过来

    谷歌限制Meta使用Gemini
    谷歌对Meta实施Gemini使用限制,AI算力短缺凸显

    一件挺有意思的事发生了:谷歌告诉Meta,你们用我们Gemini用太多了,得限一限。这件事背后,其实是整个AI行业都在面对的一个尴尬现实——即便你是有钱有势的大客户,也不一定能买到足够的AI算力。

    三月的一通电话改变了什么

    根据《金融时报》的报道,今年3月左右,谷歌告知Meta,无法满足其全部Gemini算力需求。这让Meta有些措手不及——毕竟这两家公司虽说是对手,但在AI算力这块,Meta一直依赖谷歌的云服务。

    结果就是,Meta的一些内部AI项目因为算力短缺而被迫延期或者调整计划。受影响的不止Meta一家,谷歌的其他客户也遇到了类似情况,只不过Meta受到的冲击最大,因为它的需求量实在太惊人了。

    据FT报道,由于受到限制,Meta已经开始鼓励员工更”节约”地使用AI token——那些用来衡量AI使用量的计算单位。

    谷歌自己的麻烦也不小

    这件事其实也暴露了谷歌的一个软肋。今年第一季度,谷歌云的收入增长到200亿美元,看起来很亮眼对吧?但CEO Sundar Pichai承认,算力限制阻止了更高的增长,而且直接导致云业务积压订单几乎翻了一番。

    也就是说,即便像谷歌这样的巨头,在AI算力需求暴涨的当下,也感到力不从心。他们一边在芯片和数据中心上砸几百亿美元,一边还是跟不上需求的增长速度。

    AI算力短缺会成为新常态吗

    这件事其实预示了一个趋势:AI算力可能会像石油一样,成为战略资源。谁能拿到足够的算力,谁就能在AI竞赛中占据主动。

    对于Meta来说,这次被谷歌”卡脖子”,说不定会加速他们自建算力基础设施的决心。毕竟扎克伯格已经在AI上投入巨资,如果再被供应商限制,那确实有点被动。

    而对于其他依赖第三方AI服务的公司来说,这件事也是一个提醒:如果你的核心业务建立在别人的AI能力上,那你可能需要在某个时候认真考虑一下备选方案了。


    • 谷歌今年3月告知Meta,无法满足其全部Gemini算力需求
    • Meta的一些内部AI项目因此延期或调整
    • 谷歌云Q1收入200亿美元,但算力限制阻止了更高增长
    • Meta鼓励员工更节约地使用AI token
    • AI算力短缺可能成为新常态,影响大客户优先级