据Dell'Oro集团数据显示,去年数据中心资本支出增长57%,达到7260亿美元,这是该研究机构自2014年开始跟踪统计以来记录的最快增长。2026年的情况看起来也类似,预计增长率将超过50%,这意味着今年数据中心资本支出将突破1万亿美元大关。就在一年前,该研究机构还预计要到2029年才能达到这一里程碑。
Dell'Oro分析师Baron Fung表示,数据中心增长已经超出预期。"AI竞赛正在加剧,"他说,"正在发生一场投资竞赛。随着架构变得更加复杂,AI计算成本正在上升。而且这是全面的,不仅仅是GPU,还包括基础设施、网络、存储,以及对非AI类业务的投资。"
四大超大规模云服务商——亚马逊、谷歌、Meta和微软——的数据中心资本支出增长了76%。
根据最近的财报会议,没有迹象表明它们会放缓投资步伐。
亚马逊CEO安迪·贾西在二月份告诉投资者,仅亚马逊一家公司在2025年就花费了1310亿美元的资本支出,其中大部分用于数据中心。在2026年,"我们预计将在亚马逊各业务部门花费约2000亿美元的资本支出,但主要是在AWS上,因为我们有非常高的需求,"他说。
超大规模云服务商的积压订单(代表已签约的未来收入)进一步证实了对AI基础设施的需求。
亚马逊的积压订单现在达到2440亿美元,同比增长40%。"目前AWS的需求很大,无论是在AI领域还是在核心AWS领域,"贾西说。
CEO桑达尔·皮查伊表示,谷歌计划在2026年在资本支出上花费约1800亿美元。谷歌在二月份还报告了2400亿美元的积压订单。
"2025年超过10亿美元的交易数量超过了前三年的总和,"皮查伊说。
这种增长的驱动力是什么?AI支出。AI公司需要更多的计算能力来训练更强大的模型。而部署AI的企业正在推动推理需求的增长。
在一项又一项调查中,大多数公司表示他们计划今年增加与AI相关的支出。
根据波士顿咨询集团1月份发布的一项涉及近2400名高管的调查,公司今年将把AI支出增加一倍,从收入的0.8%增加到1.7%。超过90%的CEO表示,即使投资在下一年没有得到回报,他们也将继续以当前或更高的水平投资AI。
硬件价格上涨给企业带来挑战
所有这些在数据中心容量上的支出正在给希望部署自己基础设施的企业造成问题。
"硬件价格正在上涨,"Fung说。"内存成本已经上涨了两位数。"
内存可能占服务器总成本的一半。
"超大规模云服务商已经表示,资本支出增加的部分原因归因于更高的商品成本,"Fung说。"微软在其财报会议上特别提到了内存。但超大规模云服务商能够承受这些价格上涨的影响。"
企业客户和较小的公司无法匹配这一点。"所以,他们购买更少的服务器,或者使用现有服务器更长时间,直到价格稳定下来,"Fung说。
这可能会推动企业更多地投资云基础设施而不是本地部署。
"有猜测认为超大规模云服务商正在买断所有内存以推高价格,这样就会有更多的云使用,"他说。"但这只是一个假设。"
但即使没有更高的硬件成本,公司在云中部署AI也是有意义的,至少在最初阶段,他补充道。
"在你投资任何资本支出之前,先在云中开发并测试你的AI云使用情况,看看你是否能真正持续利用你的AI硬件,"Fung说。"任何空闲时间都意味着你没有获得期望的回报。"
Q&A
Q1:数据中心资本支出增长有多快?
A:据Dell'Oro集团数据显示,去年数据中心资本支出增长57%,达到7260亿美元,这是该研究机构自2014年开始跟踪统计以来记录的最快增长。预计2026年增长率将超过50%,数据中心资本支出将突破1万亿美元大关。
Q2:哪些公司在大幅增加AI基础设施投资?
A:四大超大规模云服务商——亚马逊、谷歌、Meta和微软的数据中心资本支出增长了76%。亚马逊2025年花费了1310亿美元,计划2026年花费约2000亿美元;谷歌计划2026年在资本支出上花费约1800亿美元。
Q3:硬件价格上涨对企业有什么影响?
A:硬件价格上涨,特别是内存成本已经上涨了两位数,而内存可能占服务器总成本的一半。这导致企业客户和较小公司购买更少的服务器,或使用现有服务器更长时间,可能推动企业更多投资云基础设施而不是本地部署。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。