AI竞赛进入“基建军备赛”:算力成生死线
2026年,AI公司90%的融资并未用于算法研发,而是锁定了未来三年的GPU交付份额。这一反常识的事实揭示了一个正在成型的新现实:在大模型竞赛中,算力不再是可选项,而是生死线。从Anthropic承诺向谷歌云投入2000亿美元,到Meta与AMD签下超千亿美元芯片协议,再到OpenAI重谈微软协议以摆脱单一算力依赖,一场围绕基础设施的“军备竞赛”已全面展开。这些动辄千亿级别的协议背后,是AI公司对算力供给确定性的极度渴求——没有机房、电力和网络,再先进的算法也只是空中楼阁。
重资产投入是否可持续?
支持派:基础设施即护城河
头部AI公司必须通过长期绑定锁定算力,否则无法维持模型迭代与商业化节奏
- Anthropic已获四大巨头(亚马逊、谷歌、英伟达、微软)超11吉瓦算力承诺,其年化收入从90亿飙升至470亿美元,证明多云多芯战略可支撑高速增长
- Meta同步与英伟达、AMD签署数百亿级协议,构建“三足鼎立”算力架构以降低供应链风险
- 算力租赁价格5个月内暴涨40%,凸显市场供不应求,自建或长协成为刚需
质疑派:循环交易扭曲市场
云厂商既是投资者又是供应商,形成利益闭环,可能抑制创新并抬高行业成本
- 谷歌投资Anthropic 400亿美元,后者承诺5年内支付2000亿美元云费用,构成典型的“循环算力交易”
- OpenAI原计划的千亿美元英伟达协议因监管与风险顾虑被搁置,显示单一绑定模式不可持续
- 算力成本结构中硬件仅占25%-30%,70%以上为运营支出,盲目堆砌GPU反而造成资源浪费
AI公司对基础设施的依赖并非源于技术懒惰,而是由大模型本身的物理特性决定的。训练一个千亿参数模型需数万张GPU连续运行数周,而推理成本更是训练的15倍以上。更关键的是,随着MoE(混合专家)架构普及,模型虽能稀疏激活降低计算量,却将50%-70%的时间消耗在GPU间通信上。这意味着,算力竞争已从“谁拥有更多GPU”转向“谁能构建更低延迟、更高带宽的互联网络”。液冷成为标配(Blackwell机架功耗达150kW),Kubernetes集群规模突破10万节点,甚至冷却系统占基建成本10%-15%且持续上升——这些细节共同指向一个结论:AI增长的本质,是一场跨学科的工程能力比拼。
这种依赖正深刻重塑行业格局。中小玩家因无法承担千卡集群的资本开支(单集群硬件投资4-5亿元)和运维复杂度(万卡集群需日均9000名技工),被迫转向算力租赁或托管服务。而头部公司则通过股权绑定(如Meta以采购换取AMD 10%股份)、多云部署(OpenAI获准接入AWS/GCP)等方式构建弹性供应链。未来18个月,AI公司的生死线将不再由论文指标定义,而是由机柜上架速度、电力获取能力和故障恢复效率决定。算力不是水电,没法随用随取;签了千亿协议,才敢对外宣布突破。
当前文章无评论,是时候发表评论了