AI泡沫持续膨胀。由BlackRock、微软、英伟达、xAI和MGX组成的财团正在收购Aligned Data Centers,这笔交易对该运营商的估值约为400亿美元,据报道这是迄今为止最大的数据中心收购案。
总部位于美国的Aligned Data Centers目前由麦格理资产管理公司拥有,正被通过AI基础设施合作伙伴关系(AIP)主导的财团收购。AIP是去年由BlackRock、其全球基础设施合作伙伴部门、阿布扎比国有基金MGX和微软组成的集团,后来英伟达、埃隆·马斯克的xAI、科威特投资局和新加坡淡马锡也加入其中。
ADC的投资组合包括北美和南美的50个数据中心,总容量达5GW——或者说这是所有规划设施投入运营后将拥有的容量,据麦格理称。该公司在宣布收购的新闻稿中表示,在麦格理管理下的仅仅七年时间里,ADC已从达拉斯和凤凰城市场的两个数据中心发展到50个。
现在,AIP财团将进一步推动这一发展,为其旗舰科技公司的AI扩张提供燃料,并且还有大量扩展工作要做。
根据AIP关于这笔交易的新闻稿,该合作伙伴关系的目标是"加速对下一代AI基础设施的投资,推进支持AI未来发展所需的基础设施和创新",并计划通过调动投资者300亿美元的股本来实现这一目标,"包括债务融资在内有潜力达到1000亿美元"。该公司指出,这笔交易是AIP的首笔投资。
这只是AI公司抢购计算资源的一系列高调交易中的最新一笔,虽然这可能是迄今为止最大的一笔,但它只是表明公司愿意承担巨额债务来推动AI泡沫的又一个迹象。
投资银行高盛最近预测,数据中心容量在未来两年可能激增50%,但它在预测这种增长时也提醒说,最近围绕AI投资的"狂热氛围"正促使公司以防御性方式部署资本,以防止被甩在后面。
OpenAI及其Stargate计划大举借贷来推动其增长雄心,上个月与Oracle签署了3000亿美元的云基础设施协议,分析师预测这将要求Oracle承担1000亿美元的债务才能支持。
埃隆·马斯克本人(通过xAI)作为AIP的投资者,对OpenAI的债务交易大加嘲讽,在OpenAI宣布Stargate后不久声称,参与的公司实际上都没有他们计划在该项目上花费的资金,而是创造了一个债务旋转门,AI投资者只是简单地交易期票来推进他们的雄心。
"通过AIP、MGX和GIP的全球影响力、丰富资源以及在AI、能源和金融方面的深厚专业知识,我们准备更快地扩展、进一步创新,并重新定义可持续数据中心基础设施的可能性,"ADC首席执行官Andrew Schaap在谈到这笔交易时说道。
让我们希望在这些账单到期之前,泡沫不要破裂。
Q&A
Q1:这次数据中心收购案涉及哪些公司?
A:收购方是由BlackRock、微软、英伟达、xAI和MGX组成的财团,他们通过AI基础设施合作伙伴关系(AIP)主导收购。被收购的是美国Aligned Data Centers公司,目前由麦格理资产管理公司拥有,交易估值约400亿美元。
Q2:AI基础设施合作伙伴关系计划投资多少资金?
A:根据AIP的新闻稿,该合作伙伴关系计划调动投资者300亿美元的股本,包括债务融资在内有潜力达到1000亿美元。他们的目标是加速对下一代AI基础设施的投资,推进支持AI未来发展所需的基础设施和创新。
Q3:当前AI投资是否存在泡沫风险?
A:是的,文章多次提到AI泡沫持续膨胀。高盛预测数据中心容量未来两年可能激增50%,但也警告当前围绕AI投资的"狂热氛围"促使公司以防御性方式部署资本。许多公司愿意承担巨额债务来推动AI发展,存在泡沫破裂的风险。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。