Posts

据 TrendForce 集邦咨询十月十四日发布、十五日经每经报道的最新 AI 服务器产业研究：在超大型云服务商持续扩大投资带动下，预计 2026 年全球前九大 CSP 资本支出总额将超过 9570 亿美元，年增 106%；2027 年有望突破 1.5 万亿美元，年增约 60%。研究同时预估，明年整体服务器产值将首次跨越 1 万亿美元，其中 AI 服务器产值跃升至近 9200 亿美元，年增超 90%，占整体服务器产值约 81%。这组数字把算力军备竞赛的下一站，明明白白摆到了台面上。 1.5 万亿美元资本开支是什么概念？ 这个数字已经超过了很多国家的全年 GDP。它意味着全球最有钱的九家云公司，平均每家每年要砸进一千多亿美元去建数据中心、买芯片、拉电力。而且注意增速：2026 年还在年增 106% 的翻倍节奏，2027 年虽然回落到 60%，但基数已经大到 1.5 万亿——绝对增量比前一年还多。这不是短期脉冲，而是一场被认为要持续多年的结构性基建潮。对上游的 GPU、HBM 内存、光模块、电源、液冷，这是长达数年的景气支撑。 AI 服务器占八成意味着什么？ 过去服务器市场里，通用服务器、存储、企业级设备占大头，AI 服务器只是一小块。TrendForce 预测明年 AI 服务器要吃掉整个服务器市场的 81%——这意味着整个服务器行业的重心已经彻底倒向 AI。传统服务器厂商如果还没转型，基本被挤出主赛道；而液冷、800 伏供电、高速光互联这些过去只在高端 HPC 里出现的技术，现在成了标配。对供应链企业，这是一个明确的产品方向信号：不做 AI 服务器配套，就等于主动放弃未来五年最大的一块蛋糕。 这么高的投入，收入跟得上吗？ 这是悬在整个 AI 叙事头上的一把尺。capex 冲到 1.5 万亿，但对应的 AI 应用收入——订阅、API、企业软件——加起来还远不到这个量级。市场现在的逻辑是「先投基建、后收租金」，赌的是 Agent 和 AI 应用在未来几年会把流量和收入放大到匹配这个基建。一旦收入兑现慢于预期，这堆数据中心就会变成沉重的折旧。Anthropic 那 1.7 美元算力换 1 美元营收的账，就是这个故事的缩影。TrendForce 的数字越亮眼，越要反过来问一句：谁来为这 1.5 万亿买单？ ...

十月十四日，AMD 首席执行官苏姿丰就 CPU 与 AI 市场趋势公开表态，明确提出 2026 年是「推理之年」，并力推 Helios 与 Helion 两代机架系统，试图在 AI 推理算力这波爆发里从英伟达嘴里抢出更大的份额。这不是一句空话：AMD 此前已披露与英伟达在 AI 芯片上的供应关系，其 MI 系列加速卡在推理侧的性价比一直是大客户拿来议价的筹码。苏姿丰选这个时间点喊「推理之年」，瞄准的正是大模型从训练转向规模化服务的这一年。 为什么现在轮到「推理」唱主角？ 过去两年 AI 行业的钱主要烧在训练上——谁有最强的训练集群，谁就能训出下一代模型。但进入 2026 年，一个拐点正在出现：前沿大模型的训练越来越集中到少数几家巨头手里，而真正的增量算力需求来自推理——全球几十亿人、几百万个 Agent 每天都在调用模型。推理算力的消耗量一旦超过训练，整个芯片市场的格局就会松动：英伟达在训练上的统治力极强，但在推理这个更看重性价比、能效、单位 token 成本的市场里，AMD 这类第二供应商有了切入的缝。 Helios 与 Helion 想解决什么？ 机架级产品是这轮竞争的主战场。和英伟达不断把 GPU 堆进一个 NVL 机柜一样，AMD 的 Helios、Helion 也是整柜方案——把加速卡、CPU、内存、网络、供电打包成一个整机柜卖给云厂商。单独卖芯片打不过英伟达，但整柜方案在「单位 token 推理成本」这个指标上，AMD 一直敢喊得更激进。苏姿丰赌的是：当云厂商的推理账单涨到每年几千亿美元，他们会强烈需要一个可信的第二供应商来压价、来分散供应风险。AMD 这两年在大客户那里的份额，就是靠这个逻辑一点一点抠出来的。 英伟达会被抢掉多少？ 短期内不用太担心英伟达的基本盘——最赚钱的前沿模型训练，AMD 还够不着。但推理这块，份额慢慢被分走是大概率事件。真正的看点是单位 token 成本这个指标：如果 AMD 的整柜方案在跑成熟模型时能比英伟达同价位方案便宜两到三成，云厂商出于成本和议价双需求，一定会把相当比例的推理负载切过去。苏姿丰喊「推理之年」，本质是在给这条第二曲线定调。接下来两个季度 AMD 的 MI 系列出货数据和云厂商客户名单，是检验这句口号成色的关键。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

十月十四日，据多家媒体报道，Anthropic 正与日本 NTT Data 集团进入最终谈判：双方拟在大阪建设 Anthropic 在日本的首座专用 AI 数据中心，建设造价最高可达约 1 万亿日元（约合 63 亿美元）。这是 Anthropic 继美国本土之外，在亚洲落地的第一座专属算力枢纽，也是日本政府近年来极力招揽的旗舰 AI 基建项目之一。消息人士称，协议已进入敲定阶段。 为什么是日本，为什么是大阪？ 日本这两年在抢 AI 数据中心上非常积极：电费相对稳定、自然灾害频发但电网韧性强、海底光缆登陆点多，而且政府给了税收和土地优惠。Anthropic 选大阪，一方面是绑定 NTT Data 这个本地电信与基建巨头——后者握有电力、土地、制冷全套资源；另一方面也是在地缘上做对冲：把一部分算力放到亚太，既靠近日本、韩国、新加坡这些付费企业客户，也降低全部押注美国本土的政策与电力风险。对 Anthropic 这种马上要上市的公司，把资产分布讲清楚，本身就是给投资人看的风险分散故事。 63 亿美元在 AI 基建里算什么级别？ 这个数字听起来吓人，但放在 Anthropic 的盘子里其实是常规操作。路透社此前披露，Anthropic 未来十年要在 AI 基建上至少投入 5180 亿美元，其中约八成不可取消。大阪这 63 亿只是这台吞金兽里的一个站点。但它的信号意义大于金额：Anthropic 不再只是租别人的云算力，而是开始自建、自持、专属的海外数据中心。这和它每花 1 美元算力换回 1.7 美元营收的账是配套的——只有把基建握在自己手里，长期单位成本才压得下来。 对亚洲 AI 格局意味着什么？ 过去亚太的 AI 算力，主要被 AWS、谷歌、微软三大云在新加坡、东京的区域节点覆盖。Anthropic 自己下场建专属数据中心，等于告诉亚洲企业客户：我把算力放在你旁边，数据不出境，延迟更低，合规更好谈。这会倒逼日本、韩国本地的云服务商和电信巨头加速跟上。对国内算力企业而言，这是一个微妙的参照——隔壁日本在用国家力量承接海外大模型的基建外溢，而我们自己的大模型公司则在另一套生态里循环。两边的算力地理，正在被这些上百亿美元的选址一笔笔画出来。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

十月十四日，据多家科技媒体报道，微软在周一发布的声明中披露：公司计划把自研 AI 芯片线 Maia 扩展到「多吉瓦级部署」，从 2027 年开始大规模上线，具体目标产能与完成时间表未给出精确数字。这是微软迄今为止对自研芯片最激进的一次表态——它不再只是做几颗测试芯片，而是要在自己的数据中心里跑出吉瓦级的自有算力。背后的动机不言自明：过去几年，微软每年给英伟达的 GPU 采购账单已经膨胀到难以忽视，自研芯片成了大客户必然的第二供给。 为什么大厂都要自研芯片？ 逻辑很简单：当你一年买几百亿美元的 GPU，你就有强烈的动机自己造。英伟达的 GPU 强在通用性和生态，但它为了覆盖所有客户，在微软自己的工作负载上其实是「过度设计」的——很多晶体管浪费在微软用不到的通用性上。Maia 这类自研芯片，专门为微软自己跑的大模型推理优化，能效比可以高出一大截，而且不被英伟达的产能排期卡脖子。亚马逊 Trainium、谷歌 TPU、微软 Maia，三家云巨头现在全在走同一条路：先用自研芯片跑自己最赚钱的那部分推理负载，把英伟达留给训练和最难的那部分。 多吉瓦部署到底是多大规模？ 一吉瓦约等于一个大型核电站的装机功率。微软说的「多吉瓦」，是指这些芯片在数据中心里消耗的总算力功率级别。参考行业数字，一个吉瓦的 AI 数据中心大约需要数十万张加速卡的等效算力。微软敢喊出这个目标，说明它不打算把自研芯片当实验玩具，而是要真刀真枪地撑住 Copilot、OpenAI 这一整套推理需求。但要泼冷水：自研芯片从流片到规模化部署，良率、软件栈、编译器、生态迁移全是坑，2027 年这个时间点本身就说明它自己也知道，这两年还得继续买英伟达。 英伟达会因此失去微软吗？ 短期不会，长期是个缓慢分流的过程。最可能的结果是：训练主力仍买英伟达，推理负载逐步切到 Maia；高端跑前沿模型用 Blackwell、Rubin，中端跑已经成熟的模型用自研芯片。这其实是英伟达已经接受的现实——它的估值里早就假设了大客户会自研。真正值得盯的不是微软砍不砍英伟达订单，而是 Maia 的能效比到底能比同代 GPU 强多少：如果差距拉到 2 倍以上，整个云行业的自研芯片节奏都会被带快。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

十月十五日，据陆家嘴财经早餐披露，英伟达宣布向外部厂商开放其下一代 AI 平台 Vera Rubin 的服务器设计规范，同时发布一款搭载多达 256 颗自研 CPU、专为 AI 智能体打造的机架系统。在供电架构上，新方案把机架直流电压从常见水平一口气提到了 800 伏。这是英伟达从「卖芯片」进一步走向「卖整机架构」的标志性一步：过去它只供 GPU，现在连机架怎么组、电怎么供，都把规范公开给 OEM 照着造。 为什么要把设计规范对外开放？ 过去英伟达的机柜参考设计是半封闭的，大客户要照着搭一整套 NVL72 机柜，基本只能找少数几家合作 OEM。这次开放 Vera Rubin 设计规范，等于把制造门槛降下来——更多服务器厂商、代工方都能合法照着图纸造整机，把整个生态绑在英伟达的技术栈上。这招其实是从英特尔的 x86 开放模式学来的：我不自己造所有机器，但所有机器都必须按我的标准造。对国内算力产业链，这既是压力——你很难再绕开英伟达的机架规范另起炉灶——也是代工与配套零部件的机会窗口。 256 颗 CPU 加 800 伏电是在为什么铺路？ 两个细节都指向同一件事：下一代 AI 智能体集群的功耗密度。256 颗自研 CPU 一个机架，说明推理和智能体编排正在从 GPU 旁边「长」出一个巨大的控制面——成千上万个 Agent 并发跑起来，CPU 侧的调度、内存、网络开销被放大到需要一个机柜专门塞 CPU。而 800 伏直流供电，是因为整柜功率已经高到传统 400 伏方案在线损上扛不住了。电压翻倍、电流减半、线损按平方下降，这是物理定律逼出来的升级。换句话说，AI 智能体不是软件概念，它正在实打实改写数据中心的供电与散热标准。 对国内算力链是机会还是压力？ 短期看是压力：Vera Rubin 规范一开放，全球 OEM 都会加速转过去，国产机架想进海外超大规模数据中心的门槛更高了。但中长期看也有窗口——800 伏供电、高压直流、液冷、铜连接、光模块这一套配套，是全球统一的新规格，谁能先把这些零部件做到低成本高良率，谁就能吃到这一轮整机换代的订单。国内供应链在电源、液冷、光模块上本就有分量，关键看能不能赶在 Vera Rubin 大规模上量前，把配套产能和认证做进去。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

十月十四日，谷歌把前沿模型 Gemini 4 Argon 推到付费 API 与付费订阅档：开发者通过付费 API 即可调用 Argon，定价临时定为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存 token 享受 95% 折扣。据 Ars Technica 报道，这个体验价只持续到十一月三十日，十二月一日起恢复标准价——也就是约翻倍。与此同时，Argon 在 Vals Index 金融、编程、法律综合评测中排名第一，物理空间推理基准 ERQA 拿到 87 分，并已面向机器人与复杂智能体场景做专项优化。 谷歌为什么要搞「限时体验价」？ 这套打法很标准：先用半价把开发者和企业用户从竞品那边吸过来，把调用量、习惯、工作流先锁进自己的 API，等十一月三十日涨价时，大多数已经迁移好的客户会嫌再迁回去太麻烦，只能接受涨价。这是云计算行业玩了十几年的「首年折扣、次年涨价」老套路，只不过第一次被谷歌用在前沿大模型上。对开发者的实际建议很朴素：如果你现在打算把生产系统切到 Argon，务必先按十二月的翻倍价重新算一遍成本账，别被体验价骗着签了长约。 和 GPT-6 系列比贵不贵？ 横向一比就有感觉：输入 2 美元、输出 10 美元每百万 token，这个价位卡在 OpenAI GPT-6.1 Sol（输入 2 美元、输出 10 美元）的同一档——谷歌等于把旗舰模型直接对标 OpenAI 的定价，没有用低价抢市场。真正的让利只在缓存 token 那 95% 折扣上。这传递一个信号：前沿模型的价格战阶段基本结束了，各家在旗舰档位上反而默契地守住高价，把低价竞争留给 Flash、Luna、Haiku 这些小模型。对做应用的人来说，旗舰模型的调用成本不会再像上半年那样逐月腰斩，架构上必须自己做缓存、路由、小模型兜底。 八十 ERQA 分意味着什么？ ERQA 那 87 分是 Argon 这次最值得注意的一个数字——它测的不是刷题，而是物理世界的空间推理。配合谷歌同期单独发布的 Argon for Robotics 分支，谷歌的意图很清楚：前沿模型不再只比聊天和写代码，而是开始卷「能不能理解物理世界、能不能指挥机器人」。当一个大模型在物理推理基准上甩开同辈，它就不只是文本生成器，而是在往「世界模型」这个方向补。这对所有还在卷自然语言评测的厂商，是一次赛道维度上的提醒。 ...

当地时间十月十四日，马斯克旗下人工智能公司 SpaceXAI（即更名后的 xAI）正式发布 Grok Voice 3.0，官方称其为「全球最智能的语音转语音模型」，并已通过语音代理 API 开放调用，定价与上一代持平、每分钟 0.08 美元。在独立评测机构 Artificial Analysis 的 Speech-to-Speech 指数上，Grok Voice 3.0 拿到 86.9 分排名第一，领先 OpenAI 的 GPT-Live-1（83.2 分）与谷歌 Gemini 3.8 Live（82.6 分）。更实在的是落地数据：它已在星链客服中心每天处理约 2 万通多语言来电，其中约 70% 无需人工介入即可解决。 这份「第一」含金量有多高？ 跑分第一要分场景看。Artificial Analysis 的综合指数里 GroK 登顶，但在带口音、有背景噪音的 Tau-Voice 测试中，OpenAI 仍以 74.5% 对 71.6% 反超。这说明语音模型的「榜首」已经分裂成两个战场：干净客服场景里 Grok 反应快、成本低；嘈杂真实通话里 OpenAI 更稳。对企业采购而言，盯着总分选模型是会踩坑的——你得把自己真实通话里的噪音、口音、打断比例测一遍，再决定买谁。Grok Voice 3.0 的意义，是把「低延迟加低成本加高任务完成率」这个组合第一次打到了可用区间。 为什么是星链客服先跑通？ 每天 2 万通电话、七成自动解决，这个数字比任何跑分都有说服力。原因在于星链是马斯克自家场景：用户问题高度标准化（装锅、信号、账单），话术可控，失败转人工的兜底机制现成，而且它不在乎模型是哪家的——只要便宜、快、能解决问题。这其实点破了语音 Agent 落地的真相：不是先做一个万能语音助手，而是先在一个边界清晰、话术重复、错误成本低的垂直场景里把自动解决率堆到七成以上。特斯拉车内语音交互也是同一套逻辑。 每分钟 0.08 美元意味着什么？ 0.08 美元一分钟，一小时约 4.8 美元，比一个印度或菲律宾客服外包便宜一个数量级，而且不需要排班、不会请假、不会情绪失控。当语音模型的边际成本压到这个水平，整个呼叫中心行业的人力账就被重新算了一遍。但要注意，70% 这个数字是「自家场景」里跑出来的——换到银行催收、医疗咨询、政务问答这种高容错率敏感场景，自动解决率会断崖式下跌。接下来半年，值得盯的不是 Grok 又拿了什么第一，而是它在非马斯克系的第三方企业里，真实的自动解决率能守住多少。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。 ...

十月十五日，据熟悉情况的人士透露，OpenAI 在把 IPO 计划推迟到 2027 年初之后，正寻求在新一轮融资中至少募集 300 亿美元，目标估值约 1.4 万亿美元（不含本轮新募集资金）。报道称，这轮融资仍处早期洽谈阶段，条款可能变化，其定位是一笔「过桥钱」——在上市窗口关闭前，先靠私募市场把扩张所需的现金补上。若按 1.4 万亿估值落定，OpenAI 将与苹果、微软这种量级的公司并肩。 为什么急着再融 300 亿？ 表面原因是上市推迟。OpenAI 原计划更早 IPO，但市场对 AI 公司的盈利模型仍在观望，于是它转而继续吃私募。深层原因是烧钱速度：据此前报道，OpenAI 刚完成一笔约 1220 亿美元承诺总额的融资、投后估值约 8520 亿美元，英伟达、软银、亚马逊出资约九成。这笔钱看着吓人，但对照它在算力上的天量长约——和 SpaceX 签下的数百亿算力协议、自研芯片、全球数据中心——现金消耗极快。估值从 8520 亿半年内喊到 1.4 万亿，本质是用更高的倍数换更多的现金。 1.4 万亿估值是谁在买单？ 这个估值已经逼近「要不要上市」都不重要的阶段——因为私募市场的钱还愿意进来。但要看到结构：据此前披露，这轮近九成来自英伟达、软银、亚马逊这类战略方。英伟达出钱是为了锁算力订单，亚马逊出钱是为了云服务绑定，软银出钱是为了生态协同。换句话说，这不是中立的财务投资人在给 OpenAI 投票，而是它的上下游在互相交叉持股、互相抬轿子。这种结构在行情上行时是放大器，一旦算力回报不及预期，就会变成互相牵制的债务网。 推迟上市对行业意味着什么？ OpenAI 把 IPO 推到 2027 年初，等于给整个 AI 一级市场续了命——大家还能继续靠私募估值讲故事。但与此同时，Anthropic 反过来抢跑、要在十一月上市。一前一后，信号很微妙：要么 OpenAI 觉得现在估值还能在私募市场再挤一段，要么它觉得公开市场给的价格会让它难堪。接下来三个月，OpenAI 这轮过桥轮到底能不能按 1.4 万亿关账、谁领投，是观察 AI 泡沫究竟有多大的最直接的一根探针。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

十月十五日，英国金融时报援引多名知情投资者报道称，Claude 开发商 Anthropic 在旧金山向投资者披露：其三季度营收达到 168 亿美元，较二季度的 115 亿美元单季增加约 53 亿美元，环比增长近 46%，并连续第二个季度实现调整后经营利润为正。公司在会上展示了约 11% 的运营利润率与正向现金流，同时透露每花 1 美元买算力可换回约 1.70 美元营收。Anthropic 官方拒绝置评，但多家媒体报道其正争取投资者支持，计划于十一月上市。 这个增速到底快不快？ 把三个季度连起来看就清楚了：一季度约 48 亿美元，二季度 115 亿美元，三季度 168 亿美元。二季度比一季度翻了一倍还多，三季度环比回落到 46%——绝对增量仍在扩大，但翻倍式的狂野增速开始换挡。这其实是健康的信号：基数越大，百分比自然走低，关键是单季还能净增 53 亿美元。真正的看点不是增速，而是它第一次在 AI 大模型这个普遍烧钱的赛道里，拿出了「正向现金流加调整后盈利」的报表。 1.7 美元换 1 美元算力意味着什么？ 这个投入产出比是会上最被投资人盯住的数字。它意味着 Anthropic 现在卖推理服务的边际账是算得过来的——不是靠融资烧补贴换增长，而是每一块钱算力投入都能产生回收。但要泼一盆冷水：这个数字没算上其他运营开销，也没把那约 80% 不可取消的十年期算力长约算进成本端。路透社此前披露，Anthropic 未来十年要在 AI 基建上至少砸 5180 亿美元，其中绝大部分不管用不用都得付钱。营收涨得再快，也得追得上这台基建吞金兽。 上市前为什么要先讲风险？ 据报道，Anthropic 九月底已向少数合作方传阅早期 S-1 文件，其中近三分之一篇幅在谈风险——包括模型可能出现操纵、敲诈等难以预测的异常行为，甚至自家技术可能对人类构成「生存风险」。一家要上市的公司主动把三分之一招股书用来吓唬投资人，这在科技史上不多见。但这恰恰是 AI 公司定价的核心矛盾：你越相信它安全、可控、能赚钱，它的估值才撑得住 9650 亿美元；而它越承认自己有「生存风险」，投资人越要打折。十一月的这一上市，本质是整个 AI 行业第一次向公开市场交真金白银的答卷。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。

十月十五日，彭博社马克·古尔曼在 X 平台发帖称，苹果计划于十二月通过 iOS 27.3 系统更新，在中国大陆首次推出 Apple Intelligence，这是该 AI 平台自发布以来首度正式落地中国市场。首波功能据披露包括 Genmoji 生成、系统层写作工具与 Siri 升级后的对话能力，首批覆盖 iPhone 16 系列及后续机型。这意味着拖了两年多的苹果在华 AI 落地，终于从合规谈判走到了推送日程表上。 苹果为什么挑这个时间点？ 苹果智能入华谈了很久，卡点从来不是模型能力，而是数据合规与本地伙伴。据古尔曼此前的系列报道，苹果选择与国内云服务与模型伙伴合作，把用户的提示词与个人数据留在境内处理，模型本身也通过了监管侧的备案流程。十二月这个窗口，正好压在年底换机季之前——苹果需要一个像样的 AI 卖点来拉动新一波硬件升级，而中国是它不能放弃的单一最大市场。 首波功能为什么只给这么点？ 从已曝光的范围看，首波并不是把美版 Apple Intelligence 整套搬过来，而是先放最不敏感、最容易本地化的那一批：Genmoji、写作润色、通知摘要、Siri 基础对话。真正吃算力的那部分——跨 App 代理操作、照片智能回忆、深度系统集成——大概率要等后续版本。这种「先上轻功能、再上重代理」的节奏，和谷歌 Gemini 在中国通过百度落地时的路径几乎一样：先证明合规可控，再逐步放开权限。 对国内用户意味着什么？ 最直接的变化是，iPhone 终于不用靠第三方输入法来补 AI 写作这一课。但要冷静看两点：第一，首波体验和已经用了一年多的国产大模型 App 相比，惊艳程度有限；第二，苹果的护城河从来不是模型跑分，而是系统级权限——当 Siri 能读你的日历、邮件、相册并真正跨 App 办事时，那才是它区别于所有聊天机器人的时刻。十二月能不能给到那一步，是接下来两个月最值得盯的信号。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论。