人工智能正在重塑世界,但其最重要的变化正在幕后发生。虽然模型变得更加强大,能力不断增长,但少数主导公司正在设计一个存在于资产负债表和董事会中的新系统。
OpenAI、英伟达、AMD、博通和CoreWeave不仅在技术上创新,它们正在构建一个金融结构,投资、基础设施和需求在一个紧密控制的循环中流转。每笔交易都将一个参与者与另一个联系起来,模糊了客户、供应商和合作伙伴之间的界限。
2025年9月,英伟达宣布将向OpenAI投资高达1000亿美元,以支持下一代模型的开发。作为交换,OpenAI承诺建设至少10千兆瓦的数据中心容量,由英伟达芯片驱动。这不是一个简单的资金协议。英伟达的投资流入的基础设施保证了对其自身硬件的长期需求。不久之后,OpenAI与AMD达成芯片供应协议,并获得收购该公司10%股权的选择权。对OpenAI而言,此举确保了第二个关键计算能力来源和对路线图的战略影响。对AMD来说,这是一个胜利,带来了顶级客户并加强了其在AI军备竞赛中的地位。
随后,OpenAI与博通合作共同开发定制AI加速器。这种安排将芯片设计直接纳入OpenAI的战略规划。博通通过将自己嵌入AI堆栈的核心而受益,远远超出了传统组件供应商的角色。
随着CoreWeave的加入,情况变得更加复杂。OpenAI签署了65亿美元的云基础设施合同。CoreWeave运行在英伟达硬件上。英伟达拥有CoreWeave的股份。资金和价值的流动形成了一个紧密的循环。英伟达支持CoreWeave。CoreWeave运行英伟达的芯片。OpenAI租用这些基础设施。
在这种循环经济中,资本、基础设施和需求被保持在循环内部。这种结构提供了真正的优势。OpenAI获得了大规模基础设施的访问权,而无需完全依赖外部资金。像英伟达和AMD这样的硬件制造商锁定了长期需求,可以更确定地规划生产。与博通等公司的合作伙伴关系允许软件和硬件之间更深入的集成,提高性能和效率。
尽管如此,这种模式引入了复杂性。当投资和采购重叠时,很难分辨增长中有多少是有机的,有多少是由金融结构本身维持的。如果链条中的一家公司放缓,影响不会保持孤立。它会通过网络传播,以难以控制的方式影响供应商、客户和合作伙伴。这种相互依赖也引发了关于准入的问题。随着主要参与者围绕彼此建设,外部人员更难进入这个紧密结合的网络。计算、芯片和云容量可能对那些不属于内部循环的人变得不太可用。这个行业可能偏离开放竞争,转向选择性参与。
目前还不清楚这种方法会扩展到多远。它可能扩展到软件、边缘计算或AI数据平台。未来的交易甚至可能包括能源指标或与碳效率相关的激励措施。但可以确定的是,创造AI未来的公司也在重塑这个未来如何得到资助、交付和扩展。
Q&A
Q1:AI基础设施循环经济模式是什么?
A:这是一种新的商业结构,其中投资、基础设施和需求在少数主导公司之间形成紧密的循环。比如英伟达投资OpenAI,OpenAI承诺使用英伟达芯片建设数据中心,同时通过CoreWeave租用基础设施,而CoreWeave也运行英伟达硬件,形成闭环。
Q2:循环经济模式对AI行业有什么影响?
A:这种模式提供了真正的优势,如确保长期需求、改善软硬件集成、提高效率。但也带来复杂性,包括难以区分有机增长和结构性增长,以及可能限制外部公司进入这个紧密网络的准入问题。
Q3:哪些公司参与了AI基础设施循环经济?
A:主要参与者包括OpenAI、英伟达、AMD、博通和CoreWeave。这些公司通过投资、供应协议、合作开发等方式相互关联,形成了一个资本、基础设施和需求循环流动的封闭网络。
好文章,需要你的鼓励
AWS与AMD联合发布Amazon EC2 M8a实例,搭载第五代AMD EPYC处理器,最高频率4.5GHz。相比M7a实例性能提升30%,性价比提升19%。支持最高192个vCPU和768GB内存,网络带宽达75Gbps,EBS带宽60Gbps。适用于Web托管、微服务架构、数据库等通用工作负载,已在美国俄亥俄、俄勒冈和欧洲西班牙区域上线。
丹麦技术大学研究团队开发出首个商业鱼类重新识别系统,通过AI技术为鱼类配备"电子身份证",解决渔业电子监控中的重复计数难题。研究采用Swin-T视觉变换器,在AutoFish数据集上达到90.43%的识别准确率,显著优于传统CNN方法。技术可实现全自动捕捞记录,为可持续渔业管理提供重要工具。
IBM发布了适用于SAP的IBM咨询应用管理套件,利用生成式和代理AI简化并加速现代化进程。SAP传统ECC系统支持将于2027年结束,但目前仅45%的组织已迁移到新的S/4HANA系统。IBM的工具可创建符合客户标准的特定代码更改,提供主动监控和影响分析。然而分析师指出,迁移工具未能解决核心问题:价值创造,因为客户需要处理多年积累的ECC系统定制化技术债务。
本田研究院开发出突破性的机器人听觉预测技术,让机器人能够通过分析当前声音预测未来几秒的音频变化。该技术采用流匹配算法,在装水和钢琴演奏实验中表现出色,装水任务达到100%成功率。这项技术将声音从辅助信息提升为核心感知能力,为机器人智能发展开辟了新方向,在制造、医疗、服务等领域具有广阔应用前景。