昨日Palantir正式發佈了面向美國人工智慧基礎設施的新產品Chain Reaction（連鎖反應），旨在通過與能源生產商、電力分銷商、資料中心和基礎設施建設者合作，加速全美AI基礎設施的建設，助力美國AI基礎設施的建設與管理。Chain Reaction（連鎖反應）產品被定義為“面向美國人工智慧基礎設施的作業系統”。Palantir押注自己能解決AI熱潮中的最大堵點之一電力、算力問題，並拉來兩大創始夥伴，美國最大公用事業公司之一CenterPoint Energy（CNP）與輝達（NVDA）。AI創新的瓶頸已非演算法，而是電力與算力。美國能源基礎設施建設正處拐點，需要為完全不同量級打造的軟體。鏈式反應直接與發電商、電網營運商、資料中心及基建方合作，加速AI基建：將老舊電源轉化為高可用資源，滿足AI巨大需求穩定並擴張電網，應對資料中心與電氣化帶來的激增需求加速新建發電、輸電及算力容量支援未來超大規模AI資料中心的設計、開發與可複製建設Chain Reaction 的發佈標誌著 Palantir 從傳統的資料分析決策智能平台提供商，向國家級AI基礎設施建構者的戰略躍遷。該產品不僅延續了Palantir 在資料整合與本體建模方面的技術優勢，還首次將 AI 訓練、推理與能源調度、資料中心維運深度耦合，形成一個“資料-算力-能源”三位一體的AI智能作業系統。在技術架構上，Chain Reaction 延續了 Palantir 一貫的本體論驅動理念，將現實世界的能源節點、算力單元、AI 模型與任務流抽象為動態知識圖譜。系統可即時感知資料中心的負載、電網的波動、模型的訓練進度，並通過多智能體協同機制，自動調整能源分配、冷卻策略與任務優先順序，實現 AI 基礎設施的自我最佳化 。在輝達 GPU 叢集進行千億級參數模型訓練時，Chain Reaction 可通過與 CenterPoint Energy 的電網資料對接，提前預測區域電力緊張窗口，動態將訓練任務遷移至可再生能源富餘地區，既降低碳排，也避免算力中斷。系統還能識別冷卻系統的異常模式，提前 6 小時預警潛在當機風險，將資料中心年度停機時間壓縮至分鐘級 。在安全性方面，Chain Reaction 採用零信任架構與聯邦學習機制，確保能源拓撲、模型權重與客戶資料在跨域流轉時仍滿足政府級合規要求。所有操作與決策鏈路均被寫入不可篡改的審計日誌，滿足美國國防與能源監管機構的可追溯要求 。Palantir 表示，Chain Reaction允許基礎設施營運商在本地部署核心調度引擎，同時按需訂閱 Palantir 提供的 AI 維運、碳排最佳化與威脅檢測服務。公司計畫在 2026 年前與 50 家能源與資料中心夥伴完成試點，並在 2027 年覆蓋美國 30% 的 AI 訓練用電負荷。正如 Palantir 聯合創始人 Alex Karp所言：“人工智慧的未來不僅在於演算法，更在於支撐它的能源與基礎設施。Chain Reaction 讓每一度電、每一顆晶片、每一個模型都在為國家安全與經濟增長服務。” 隨著 Chain Reaction 的落地，Palantir 再次證明，它不僅是軟體公司，更是國家數字基礎設施的戰略建構者。 (壹號講獅)

2025 年 12 月 4 日，紐約曼哈頓。《紐約時報》DealBook峰會上，主持人 Andrew Ross Sorkin 問了一個所有人都在想的問題：到 AGI（通用人工智慧），還需不需要再來一次像 Transformer 那樣的技術突破？Anthropic CEO Dario Amodei 的回答是：No,I think scaling is going to get us there.（不用，我認為持續擴大規模就能讓我們到達那裡）把模型做大，把算力往上堆，按照這條擴展曲線持續推進，總有一天會撞上類人智能的臨界點。但他緊接著潑了冷水。技術層面，他非常有信心；經濟層面，他看到的卻是巨大的不確定性。Anthropic 過去三年營收增長 10 倍，但Amodei在台上給出的預測模型顯示：未來 Anthropic 收入可能在 200 億到 500 億美元之間波動。只要在資料中心投資上算錯時間點，就可能從盈利軌道滑向現金流危機。在他看來，一些玩家正在用激進方式下重注，把整個 AI 行業推向泡沫邊緣。這場對話引出了三個值得深入的問題：持續擴大規模究竟是怎樣的技術路線？為什麼 Amodei 堅信這條路，卻又不斷強調經濟風險？當 AI 開始重構工作方式，社會準備好了嗎？第一節 | 技術路線：Scaling Law的十年證明不是所有人都敢把 AGI 的終極路徑，說得像流水線一樣簡單。但 Dario Amodei 敢。他說：“我過去十年一直在觀察 Scaling Law，從GPT 到 Claude，我們都是在這條路上。”在這場採訪裡，他這樣描述 AI 能力演化： 你往模型裡加資料、加算力、加結構上的小改動，它就會自然變強。沒有神秘點，沒有範式突破。推理會提升，程式碼會更好，科學、法律、金融、材料……模型在所有方向一起進步。這是他的親身經歷。從GPT-2、GPT-3的早期主導者，到如今帶領 Anthropic 發佈 Claude 4.5。1、Claude 的證明：不是在進化，而是在放大在 Amodei 看來，Claude 的強大不是因為架構更複雜，而是因為整個系統沿著Scaling Law 做到了足夠大、足夠穩、足夠實用。Claude Opus 4.5 的發佈就是一次集中展示： 在SWE-bench Verified編碼測試中達到80.9%，超過GPT-5.1的77.9%和Gemini 3 Pro的76.2%；在科學推理、金融應用、生物醫學資料處理上，Claude 不只是能用，而是開始產生真實的決策影響。更關鍵的訊號來自 Anthropic 內部。Amodei 透露，他們的工程師已經不再打開編輯器從頭寫程式碼，而是讓Claude生成第一版，自己只做編輯和稽核。2、Scaling Law 的驗證路徑，也是一條產品化試驗線Amodei  不只是相信 Scaling Law，他在用真金白銀驗證它。邊走邊投，邊驗證邊調整。Anthropic 三年營收曲線就是最直接的證明：從零到1億美元，再到10億，今年預計達到 90 億美元。模型能力提升，企業需求跟著增長；需求增長，又推動模型繼續進化。Claude 沒有做成爆款對話產品，而是深入企業一線：開發工具、自動化助手、科研合作者。這種更慢但更寬的能力拓展路徑，正是 Scaling Law 在商業化層面的體現。不是打造一個天才，而是批次複製靠譜的合作者。他不是在等 AGI 奇點，而是在把 Claude一步步打造成一整條生產線。這條生產線積累的資料、經驗、客戶關係越多，就越難被覆刻。擴大規模不只是把模型做大，更是把這些積累變成競爭壁壘。別人還在爭論要不要相信 Scaling Law，Anthropic 已經用它建起了護城河。第二節 | 經濟帳本：500億投資如何不翻車Amodei 對Scaling Law 的技術路線有信心，但他也強調：能不能做到是技術問題，做不做得起是經濟問題。模型可以持續變強，但你也必須算清楚經濟帳：那一年能賺錢、要買多少晶片、什麼時候可能資金斷裂。他說：“我們每年收入翻十倍，但我必須今天就決定，要不要買 2027 年的計算資源。”1、500 億投入，是押注也是賭未來Anthropic 公佈了一個驚人的數字：未來四年將在美國投資 500 億美元用於 AI 基礎設施。這包括德州與紐約的資料中心，以及對微軟 Azure雲平台 300 億美元的採購承諾。但 Amodei 給出的解釋是： 如果我買少了，客戶排隊排不到就走了；如果我買多了，收入沒跟上，現金流撐不住，甚至有破產風險。他提出了一個核心概念：不確定性錐形（cone of uncertainty）。這不是 PPT 上的增長曲線，而是 Anthropic 內部做戰略預算時真正畫出來的風險模型：Anthropic 明年的收入可能是 200 億美元，也可能是 500 億美元，這種巨大的不確定性決定了現在該買多少算力、能承受多大風險。2、YOLO派和保守派的路線分叉而 OpenAI 的路線截然不同。雖然 Amodei 沒有直接點名，但他在採訪中提到了 Sam Altman 從巨額虧損衝向 2030 年盈利的計畫，並評價道：“我們看到有公司在YOLO（孤注一擲），把所有籌碼都押上了，幾乎不給自己留容錯空間。”Anthropic 的選擇是另一條路：所有算力採購按最壞10%的收入預期做預算保留高利潤率，用於覆蓋未來兩年scaling投資放棄消費級入口，只服務企業客戶，減少不確定變數這不是慢，而是先確保企業能活下去。為什麼如此謹慎？因為Amodei對未來的高增長保持懷疑。他在對話裡說： 過去三年，每年收入翻10倍。如果我照這條線繼續推，就是明年1000億。 但我不相信真會這樣增長。那只是理論上的最好情況。他強調的是經濟可行性，不是技術可能性。Claude Opus 4.5能力再好，如果企業不續費、資料中心養不起、資本斷供，那Scaling Law再正確，也推不動。真正的路線判斷不是能不能做，而是值不值得投、投不投得起。第三節 | 社會影響：誰受益，誰被替代對於 Dario Amodei 來說，AGI 不是終點，只是過程。技術能力每年增強，但普通人並不會自動跟上。AI 可以快速寫程式碼、做科學研究、處理金融建模，但誰來決定它該做那件事？誰來負責它做錯時的後果？誰從中受益，誰最先被替代？這才是他更關心的問題。1、AI 變強的同時，工作正在加速重構Anthropic 在今年 8 月做了一次內部研究，調研了 132 名工程師和研究員。結果顯示：AI 工具確實提升了生產力，讓工程師能夠處理超出原有專業範圍的任務。但同時削弱了團隊協作、導師制度和技能發展路徑。整體趨勢是，團隊正在變成少數高手+AI的組合。更關鍵的變化是：入門級工程師的工作正在被 AI 取代，寫程式碼變成了監督程式碼，技術崗開始往全端、策略、審校方向轉移。這不只是效率提升，而是職業路徑的根本重構。當新人無法通過寫簡單程式碼來積累經驗時，如何培養下一代技術專家？這是 Anthropic 內部也在思考的問題。2、Amodei的預測：比你想的更冷靜，也更現實在這場 DealBook 對話之前，Amodei已經在11月中旬的 CBS《60分鐘》節目中直面過一個問題：AI 是否會讓大批人失業？他的回答很直接：是的。AI 取代的第一批人不是工人，而是入門級白領，特別是那些在保險理賠、客服、行政、初級技術支援等崗位上工作的人。這些崗位很可能會面臨大規模的工作轉型壓力。但他不是為了製造恐慌，而是提出了三層解決方案：企業層面：不要只用 AI 減人，更要用 AI 放大人的價值。Claude 的正確用法是讓一個人做原來 10 個人的產出，而不是裁掉 10 個人。政策層面：政府需要參與再培訓，但更重要的是分配機制。如果 AI 帶來每年5%-10%的經濟增長，那是一個可以再分配的超級大蛋糕。社會層面：長期來看，人類社會的結構要調整，不再把工作當成唯一意義來源。這不是烏托邦。早在1930年，著名經濟學家凱恩斯（John Maynard Keynes）就在《我們後代的經濟可能性》（Economic Possibilities for Our Grandchildren）中提出過這個預言：技術進步可能最終解放我們，不再為了生存而工作。未來，問題不再是 AGI 能不能做出來，而是你準備好怎麼與它共處了嗎？這條擴展路線不只是技術問題，更是社會問題。誰能率先摸索出人機協作的有效模式，誰就贏得了未來。結語 | 能到 AGI，前提是活著到Dario Amodei 不是來講 AI 奇點故事的。他講的是一條用資料和財務驗證過的路線：Claude 每年變強一點，處理程式碼bug、生成科學推論、搭建專業工作流。這背後是 Amodei 十年如一日相信的一件事：Scaling Law 不靠靈光一現，只靠一步步推演。他用它造出了 Claude，也用它規劃了 500 億美元的投資、90 億營收目標和風險緩衝線。核心問題不是“我們快到AGI了”，而是我們能不能在做出 AGI 的過程中活下來。別人在賭誰先做出突破，Anthropic 在算誰能撐到終點。把模型一路做大，就真能到 AGI 嗎？Amodei 的回答是：可以。前提是你準備好了承擔相應的經濟風險和社會責任。 (AI 深度研究員)

輝達官方稱其技術領先行業一代，是唯一能運行所有AI模型並應用於所有計算場景的平台。周二（11月25日），輝達官方表示，其技術依然領先行業一代，是唯一能夠運行所有人工智慧（AI）模型並應用於所有計算場景的平台。分析認為，輝達此舉是為了回應華爾街對該公司在AI基礎設施領域主導地位可能受到Google晶片威脅的擔憂。輝達在社交平台X上發文稱：“我們對Google的成功感到高興——他們在人工智慧方面取得了巨大進展，而我們也將繼續向Google供貨。”“輝達領先行業整整一代——是唯一一個能運行所有AI模型、並在所有計算場景中部署的平台。”輝達補充道：“與專為特定AI框架或功能設計的ASIC（專用積體電路）晶片相比，輝達提供更高的性能、更強的通用性以及更好的可替代性。”此番表態發佈之際，有報導稱輝達重要客戶之一的Meta，可能與Google達成協議，在資料中心使用Google的張量處理單元（TPU）。受此影響，輝達股價日內一度跌超7%。上周，Google發佈了最新的大語言模型Gemini 3，多位業內權威人士認為其已經“超越”了OpenAI的GPT模型。該模型是使用TPU進行訓練的，而不是輝達GPU。分析師指出，輝達在AI晶片市場的份額超過90%，儘管Blackwell價格昂貴，但性能強大。不過，近幾周以來，Google的自研晶片作為Blackwell晶片的一種可行替代方案，受到了越來越多的關注。Google雲內部高管透露，擴大TPU的市場採用率，有望幫助公司搶佔輝達年收入份額的10%。不同於輝達，Google並不向其他公司出售其TPU晶片，但會將其用於內部任務，並允許企業通過Google雲來租用。Google發言人在先前一份聲明中提到：“我們對自研TPU和輝達GPU的需求都在加速增長。我們將一如既往地同時支援這兩種技術。”輝達CEO黃仁勳在本月早些時候的財報電話會上也談到了來自TPU的競爭。他指出，Google本身就是輝達GPU晶片的客戶，Gemini模型也可以在輝達的技術上運行。黃仁勳還提到，他一直與GoogleDeepMind的CEO德米斯·哈薩比斯（Demis Hassabis）保持聯絡。黃仁勳稱，哈薩比斯給他發簡訊表示，科技行業裡認為“使用更多的晶片和資料可以打造更強大的AI模型”的理論——也就是AI開發者常說的“規模化法則（scaling laws）”——依然成立。輝達認為，規模化法則將帶動對其晶片和系統形成更強勁的需求。 (科創板日報)

上月底，亞馬遜啟動了近年規模最大的一輪裁員，約14000個崗位被直接削減。這並非一場常規的降本增效，而是一輪面向AI時代的組織重構。對許多一線員工而言，真正的危險不是績效下滑，而是崗位本身正被系統性稀釋。亞馬遜CEO今年強調“Use AI or Bye-bye”。公司計畫將更多資源加速投入到AI基礎設施、大模型、雲端運算及自動化系統中。隨之而來的，是大量原本支撐跨境電商、國際零售和中後台營運的崗位，被壓縮、合併，甚至直接消失。在這一背景下，裁員邏輯變得簡單而冷硬：不是你不夠努力，而是你的崗位已不再被需要。面對AI，那些過去依靠經驗、溝通、流程和耐心維繫的普通崗位，正逐漸失去支點，被悄然移出職場版圖。我們對話了三位被“一鍵清退”的亞馬遜基層員工。相比財報與公告中的冷資料，他們的講述更貼近地面。從裁員郵件降臨的一刻，到系統帳號被瞬間註銷；從AI工具的真實使用體驗，到安穩感被擊碎的瞬間——在這些細節裡，一場工業級的AI轉型，變得具體、冰冷，也更加接近普通人的真實命運。上一秒還在對接客戶，下一秒被裁了得知自己被裁員那一刻，李明嵐正在加班。10月28日傍晚，她正對著電腦核對客戶資料。“叮”一聲，右下角彈出一封新郵件。標題很短，沒有多餘修飾。她愣了幾秒，才意識到，那是一封裁員通知。李明嵐從事電商行業近10年，入職亞馬遜擔任客戶經理一年多來，績效排名始終靠前。裁員名單中突然出現自己的名字，讓她一時難以回神。她立刻告訴兩位上級領導，但對方同樣一臉錯愕。除了表示驚訝與惋惜，他們也無法提供更多資訊。據稱，他們也是從前一天的媒體報導中才得知裁員消息，對具體安排並不知情。想到仍有客戶在等待回覆，李明嵐回到電腦前打算處理交接，並逐一向客戶道別。系統卻彈出提示：“您已無法登錄。”沒有交接，沒有過渡。她手中未完的項目和問題，就此戛然而止。圖 | 接到裁員郵件後，系統帳號很快就被註銷“快到甚至不需要交接。”在李明嵐看來，這次裁員更像一場迅速而徹底的清算。國內商務崗基層員工劉令一，也在這場裁員中一夜出局。在他的經驗中，公司以往裁員遵循“PIP機制”——績效尾部淘汰。流程包括書面通知、領導及HR約談，再到數月評估緩衝，被裁員工通常有兩個月左右的周旋期。但這一次，從收到裁員郵件到與HR確認賠償方案，劉令一隻用了不到48小時。曾經讓人避之不及的HR約談，這幾天成了需要搶位的稀缺資源。由於涉及人數眾多，HR行程排滿，劉令一在收到郵件後立即預約，才擠進了第二天下午的空檔。會議室裡，一名素未謀面的主管與一名HR直接宣讀裁員結果，並提供三種賠償方案，全程幾乎沒有寒暄。明明沒有外籍人員在場，對話卻全程使用英文。劉令一覺得，這種難以說明緣由的“硬裁”，似乎更適合用一種非母語完成。他對這份工作本就沒有強烈留戀，但面對冷靜而程式化的話術，仍感到不適。會議桌上的檔案，字字句句似乎都與公司反覆強調的“領導力準則”形成微妙反差。“成為全球最好的僱主，關注員工成長與發展。”他在心裡默念，簽下了名字。受衝擊更大的，是林夢穎這類員工。在國內網際網路大廠經歷三年高壓工作後，林夢穎於去年底入職亞馬遜中國，擔任電商營運。不到一年，她第一次感受到所謂的“work-life balance”：每周三天到崗，六點下班，雙休，團隊節奏穩定，沒有強烈內卷。她將這裡視作一處“修復空間”，開始恢復運動、閱讀和社交節奏，並與男友計畫未來，相信這份相對穩定的崗位可以支撐更長遠的生活。10月27日，是林夢穎的生日。晚上，她正舉起手機準備給蛋糕拍照，螢幕突然彈出一封公司郵件。她以為是節日祝福，點開後才發現是領導預告即將裁員的通知。“裁員賠償大禮包”，成了今年最突兀的生日禮物。更意外的是，她所在的小組整體被裁，相關業務線在全球範圍內同時撤除。對於一些跨境工作的員工而言，裁員還意味著簽證、居留和生活安排的連鎖變化。社交平台上，關於此次裁員的討論持續發酵。一位網名為“小戶裡的小布”的新員工形容，這輪裁員像“滅霸的響指”。“不看績效，只為消滅人口”，他寫道。與AI鬥智鬥勇大半年，最終被幹掉實際上，在裁員消息公佈之前，亞馬遜內部早已出現過“預警”。6月底，李明嵐收到一封系統郵件，附上了CEO安迪·賈西在公司官網發佈的一篇長文。密密麻麻的英文中，“AI”幾乎每隔幾行就出現一次。從基礎設施、大模型，到雲服務、電商和物流應用，亞馬遜今年展開了有史以來最大規模的技術投入。1000個人工智慧相關的項目正在開發，公司物流倉儲、雲服務、電商業務等都正在被AI重塑。滿屏都是與AI相關的雄心壯志。在文章結尾處，賈西寫道：隨著AI效率的提升，未來幾年公司員工規模將隨之縮減。當時看到這句話，李明嵐並未放在心上。AI取代人，是一種被講了太多年的“未來命題”。直到裁員郵件彈出，她才反應過來：原來，未來這麼快就來了。這輪裁員，安迪·賈西的公開說法是，為適應AI技術變革，將資源進一步集中至人工智慧相關領域。“Use AI or Bye-bye”是他掛在嘴邊的企業新口號。這場“All in AI”的轉向，其實從年初起，劉令一就已感知到。公司內部網路陸續上線AI搜尋外掛和辦公工具，鼓勵“全員開發”，員工可以使用內部平台搭建自己的AI應用。部門還要求在每周例會上分享AI使用場景，輪流講述“如何用AI為業務提效”。但在劉令一看來，這更像一項行政任務。聽說有同事開發了一款生成銷售話術的智能體，他只覺得是“紙上談兵”。商務工作本質上是一種高頻互動。對接中小賣家，談判、維繫關係，靠的是情商、語境判斷和即時反應。而AI生成的話術往往生硬、範本化，很難真正嵌入真實的商務場景。同事們心照不宣，默認在核心業務上與AI保持距離。一次聚餐中，有同事向劉令一抱怨：“鼓勵用AI提效，說白了，不就是讓我們加速被替代。”焦慮之下，周會裡的“AI分享”更多淪為PPT美化、資料整理，真正能直接進入業務鏈條的場景，少之又少。但在季度匯報節點，部門又被要求配合領導，設計一套“AI賦能業務”的方案，對上匯報。讓底層員工設法用AI提效，更像一種自上而下的焦慮傳導。7月底，亞馬遜召開第二季度財報電話會議。CEO安迪·賈西遭受了電話另一頭的輪番拷問。亞馬遜雲服務營收增速遠低於微軟和Google、人工智慧領域的發展也落後於競爭對手。在投資人輪番追問中，賈西試圖用宏大的AI藍圖穩住情緒。但會後，AWS股價在盤後交易中下跌7%。顯然，資本並未完全買帳。亞馬遜還需要講出更能讓市場信服的AI故事。然而這場AI浪潮，在基層員工這裡，並未形成真正的共振。林夢穎忙不過來時，也會用公司AI工具輔助分析廣告資料。但從輸入指令、生成結果再到人工覆核，流程複雜，效率提升有限。而且AI不瞭解具體商家背景，結論常常流於表層。她給這個系統打的分數是“60分”。這讓她產生一種錯覺，AI短期內無法替代自己。李明嵐也有類似判斷。她認為，客戶是否出席活動，往往取決於長期信任和人際關係的積累。即使公司AI系統能答業務問題，但人與人之間的連接，機器無法取代。只是從公司整體視角看，這些價值微乎其微。根據2024年亞馬遜財報，國際零售業務營收約佔22%，利潤只貢獻約5.5%；而云服務業務雖僅佔總營收約17%，卻貢獻了近60%的營業利潤。今年，亞馬遜計畫投入超1000億美元加碼AI領域，傳統業務的戰略權重進一步下滑。在AI浪潮下，個體在業務鏈中的價值被稀釋成可隨時替換的變數，在系統化裁剪面前顯得可有可無。李明嵐們曾努力維繫的崗位、積累的經驗與信任，在一夜之間被結構化淘汰。系統生鏽，螺絲釘背鍋帳戶被公司系統一鍵註銷後，李明嵐努力保持平靜。她感覺這種不快就像一個原本自己也並不痴迷的人，突然甩了自己。作為客戶經理，李明嵐的日常被電商平台上各種瑣碎問題圍繞，其中最常遇到的是客戶資質稽核。8月初，一位服裝零售客戶發來求助。李明嵐打開稽核系統，卻提示依舊模糊：“請核實提交資料的完整性”，她頓感頭疼。在亞馬遜，為了過濾風險帳戶，跨境電商需要不定期接受資格審查，內容包括賣家身份、經營資質、財務狀況等。稽核系統高度自動化，演算法能敏銳判定合規與否，卻難以解釋具體原因。通常，這類問題交由公司統一負責的部門處理。客戶經理能做的，往往只是將客戶情況整理成郵件上報。面對“演算法黑箱”，對面的回應，也多是：“請客戶重新上傳檔案。”接下來的幾周，李明嵐陪客戶反覆試錯：壓縮圖片、修改註冊資訊、重新掃描帳單，甚至調整掃描清晰度，如此循環再提交。直到月底的一次系統刷新，提示忽然變為“稽核通過”。客戶連聲道謝，而李明嵐卻笑不出來——問題的解決並非源自自己，也許是演算法更新了參數，也許是模型重新訓練。她能起的作用，僅是“提供情緒價值”，耐心回覆客戶的疑問，並安撫焦慮情緒。最初加入亞馬遜時，她期待在新領域積累業務能力，但這種耗費精力卻難有收穫的日常，不斷削磨她的底氣。系統架構帶來的結果，是基層員工不得不承擔的“副作用”。李明嵐及部門的績效與客戶營業額直接掛鉤。客戶因稽核問題暫停交易，損失的銷售額同樣會被模型算出，而後精準扣在業績上。那個月，她還有兩位客戶的店舖因同樣問題關停，績效免不了下滑。在這個全球規模龐大的跨境電商平台裡，資訊高效流通本就不易，這也是劉令一日常困擾所在。在亞馬遜工作的這段時間，他使用過三套內部通訊工具，有時為開會要在三個平台輪番通知。公司沒有統一的OA系統，需要檢索內部網路或依靠零散文件獲取資訊。郵件仍是日常溝通的主管道。一次上門拜訪客戶時，劉令一被客戶指向新上線的功能，詢問具體操作。面對陌生的功能名稱，他低聲應了兩句，裝作淡定：“我得跟團隊確認一下，再告訴您。”事實上，他完全不知何時上線，也不清楚細節。平時，他清楚的僅是自己明確的KPI，對項目全景和產品體系理解有限。幾次向直屬領導提出疑問，得到的回答也模糊不清，資訊量並不多。與他們相比，林夢穎更像一隻在實驗項目裡的“小白鼠”。去年底，她從國內頭部大廠跳槽，進入亞馬遜中國的一個新型電商客戶項目組。此前投遞過亞馬遜職位未果，這次意外被HR在人才庫中發現。面試時，她在兩天經歷了六輪考核。與以往不同，面試官更關注她與“領導力準則”下企業價值觀的契合度，而非過去經歷的細節。這讓林夢穎感受到，公司對員工能力的包容度更高，而非“即來即用”。加上對外企“不卷”“自由度高”的印象，她接下了offer。即便降薪、無年終獎、缺少食堂或健身房等“大廠待遇”，她依然覺得值得嘗試。入組後，鬆弛氛圍超過預期。前兩個月，她幾乎沒有正式任務，主要在系統上學習崗位知識。遇到困難，向同事請教，總能得到耐心而細緻的解答。在此前的工作經歷中，林夢穎一直感受同級間暗自較勁。而在這裡，她幾乎沒有壓力感。並非亞馬遜所有項目組都如此鬆弛，在裁員前，她曾一度覺得這份工作理想得有些不真實。直到得知該項目將在全球撤裁，林夢穎意識到，這或許本身就是一場業務實驗，而那些曾讓她覺得不真實的鬆弛感，也終於有了答案。圖 | 大裁員的同時，亞馬遜依舊在招聘AI人才裁員同步進行的，是招聘。社交平台上，一條亞馬遜營運崗招聘帖寫著：“會用AI就行。”亞馬遜這艘大船仍在航行，只是改了航向。而那些基層員工，則成了隨時可能被卸下的艙內貨物。 (虎嗅APP)

超級賽道傳來重磅利多消息。11月16日，三星集團宣佈，將在未來五年內投資450兆韓元於韓國本土，重點投向半導體、AI基礎設施以及研發。該計畫涵蓋研發與新生產線建設，包括在韓國平澤第二園區新建的第5條半導體線將於2028年投產，以及通過收購FlaktGroup佈局AI資料中心市場。與此同時，現代汽車也承諾在同一時期投資125.2兆韓元；LG集團將投入100兆韓元，用於關鍵材料領域。據悉，當天早些時候，包括三星、現代和LG集團等在內的韓國主要商業集團的掌門人與韓國總統李在明進行了會面，討論與美國達成貿易協議後的後續措施。三星集團重磅宣佈當地時間11月16日，韓國科技巨頭三星集團表示，未來五年內將計畫總計450兆韓元的韓國國內投資，涵蓋研發（R&D）等多領域。這是韓國與美國達成貿易協議後，韓國商業巨頭為加大國內投資力度而採取的更廣泛舉措的一部分。三星集團計畫擴大半導體投資，在韓國平澤第二園區新建的第5條生產線計畫於2028年全面投產。三星電子方面表示：“隨著全球AI時代全面展開，我們預計儲存半導體的中長期需求將擴大，因此將通過提前確保生產線，以便迅速應對市場變化。”三星電子還計畫通過11月初收購的FlaktGroup在韓國建設一條生產線，專注於AI資料中心市場。三星SDI正在推進在國內建立下一代電池生產基地的計畫，例如被稱為“夢想電池”的固態電池，並正在考慮將蔚山工廠視為有力的候選者，正細化相關建設計畫。三星SDI表示：“我們在全固態電池商業化方面持續建構差異化競爭力，包括近期與德國寶馬集團簽署‘全固態電池示範項目’業務協議。”最新公告是在韓國與美國最終敲定貿易協議之後發佈的。該協議涉及韓國對美國市場3500億美元的投資計畫的細節，以換取美國將所謂“對等關稅”從25%降至15%。該協議引發了外界對韓國國內投資不足以及韓元匯率走弱的擔憂。當地時間11月16日早些時候，韓國總統李在明會見了包括三星電子會長李在鎔、現代汽車集團會長鄭義宣、LG集團會長具光謨在內的多位企業領袖，敦促他們擴大在韓國本土的投資，並表示政府會提供支援，甚至不排除通過認購企業發行的次級債或由政府先行承擔部分損失等新型支援方式來加大扶持力度。李在明在會議上指出：“隨著對美投資力度持續加大，我期待各位企業負責人積極採取有力舉措，確保國內投資不會因此萎縮。”李在鎔表示：“三星將通過擴大國內投資、為年輕人創造良好就業機會，以及更加努力地與中小企業和風險投資公司實現共同繁榮，來確保這種情況不會發生。”三星集團已決定在未來五年內僱用60000名新員工。李在鎔表示：“我們將加大對韓國國內設施的投資，包括研發投入。”他還補充道，三星將竭盡全力開發未來技術。三星電子及其附屬公司還將對首爾都市圈以外的地區進行全面投資，以實現區域均衡發展。三星還表示，將積極採取措施，增強韓國產業支柱——半導體行業的競爭力。三星電子近日召開臨時經營委員會，決定推進韓國平澤第二園區5號生產線的主體結構施工。該生產線計畫從2028年起正式投入量產。AI大動作據三星集團的聲明，AI 資料中心的區域均衡佈局由三星SDS牽頭推進。作為韓國國家AI算力中心特設法人（SPC）聯合體的主營運商，三星SDS正積極推進在全羅南道建設大型AI資料中心，計畫到2028年配置約1.5萬顆 GPU，為高校、初創企業及中小企業提供算力支援。此外，三星SDS還規劃在慶尚北道龜尾第一工廠建設另一座大型AI專用資料中心。該項目將於2028年完成改造並投入營運，主要為三星電子及其他三星關聯公司提供AI服務。本月剛被三星電子收購的歐洲最大暖通空調企業FlaktGroup亦計畫在韓國建設生產線，並集中發力AI資料中心市場。為加快本土佈局，FlaktGroup正在評估於光州廣域市建設產線及擴充人員編制的可行性。據悉，FlaktGroup歷史悠久，擁有一個多世紀的深厚技術積澱與行業經驗，為全球多個行業的客戶提供中央空調和精密冷卻解決方案。FlaktGroup不僅參與了5000億美元的“星際之門”（Stargate）項目，還與眾多主要超大規模客戶建立了合作關係，還開發、提供了專門針對AI資料中心部門和快速增長的AI行業需求的定製解決方案。另外，在顯示領域，三星Display正在忠清南道牙山基地建設面向IT產品的8.6代OLED產線，預計本年底啟動試運行，明年年中實現IT用顯示面板的量產。此外，三星Display今年已向去年成立的忠南科技園創新製程中心捐贈包括光刻機在內的14台閒置裝置。 (券商中國)

AMD預計，到2030年，AI資料中心的總市場規模（TAM）遠超今年的約2000億美元，復合年增長率（CAGR）超過40%；未來三到五年，AMD的年均營收CAGR將超過35%，AI資料中心的營收將平均增長80%。蘇姿丰講話期間，盤中曾跌近4%的AMD股價一度轉漲。美東時間11日周二，在AMD首次舉行的公司金融分析師日活動上，AMD CEO蘇姿丰給出了樂觀的人工智慧（AI）市場預期，並預計未來五年AMD的銷售會加速增長。本周二蘇姿丰稱，AMD預計，包括處理器、加速器、網路產品在內，到2030年，AI資料中心的總市場規模（TAM）將突破1兆美元，遠超今年的約2000億美元，復合年增長率（CAGR）超過40%。最新TAM目標。今年6月蘇姿丰表示，預計到2028年，AI處理器的市場規模將超過5000億美元。與去年的預期相反，今年蘇姿丰說，AI基礎設施的需求增長不會變平穩，而是會持續旺盛。她說，客戶的AI投資並沒有“趨於穩定”。AI計算基礎設施的需求得不到滿足。同樣不同於此前觀點的是，蘇姿丰認為，AI和GPU的增長正在增加、而非減少對CPU的需求。她說，AI加速器並沒有造成CPU市場下滑。本次蘇姿丰說，有明顯的跡象表明，AI的工作負載正從訓練轉向推理。今年6月她在Advancing AI 2025大會上說，AI加速器領域正以超過60%的CAGR增長，還說，推理晶片的市場“將增長得更快”。蘇姿丰透露，AMD預計，未來三到五年，公司的年均營收CAGR將超過35%，其中，AI資料中心的營收將平均增長80%。相比之下，目前分析師預計的均值為，今年AMD的年銷售將增長32%，此後兩年——2026年和2027年將分別增長31%和39%。蘇姿丰講話期間，美股午盤刷新日低時跌逾3.8%的AMD股價曾拉升轉漲，盤中一度漲約2%，但漲勢未能保持，此後重回跌勢，收跌2.65%，在周一反彈超4%後回落。截至本周一收盤，AMD股價今年內累漲約102%。評論認為，今年AMD股價高漲主要得益於該司與OpenAI和甲骨文等公司簽署的協議。這些協議驗證了AMD產品的質量，並表明其技術有望在數百億美元的新建資料中心投資中分一杯羹。上周二美股盤後AMD公佈的三季度營收同比超預期增長36%至92.46億美元，資料中心業務的收入同比增長22%至43億美元，也高於預期。但AMD的四季度指引不夠驚豔。AMD預計四季度營收約為93億-99億美元，指引區間中值為96億美元，雖然高於分析師預期均值92億美元，但還低於一些分析師的樂觀預期值99億美元。AMD的四季度毛利率指引為54.5%，符合分析師共識預期。蘇姿丰在業績電話會上首次明確了公司的長期AI收入目標，預計到2027年，資料中心AI業務年收入將達到“數百億美元”的規模。她同時披露，在與OpenAI的里程碑式合作中，首批基於下一代MI450系列加速器的計算叢集將於2026年下半年開始上線。然而，這些積極的長期展望，疊加超出分析師平均預期的第四季度收入指引，仍未能阻止AMD股價周二盤後一度跌超3%。當時媒體指出，部分投資者對AMD的預期更高，這表明市場認為AMD從AI熱潮中獲得回報的速度，可能比此前預期的要慢。AMD超過20%的銷售增長指引遭到投資者的冷淡回應是因為，大部分增長來自個人電腦（PC）和伺服器處理器，而非最受關注的AI加速器業務。電話會上，蘇姿丰接連面對分析師關於AI晶片增長何時才能“真正爆發”的追問。會議還透露一個關鍵資訊：三季度，AMD傳統的伺服器業務增長甚至略微超過了其備受矚目的AI晶片部門，這與市場將AMD視為AI領域“下一個輝達”的火熱預期形成了鮮明對比。 (invest wallstreet)

人工智慧的崛起曾如一場席捲全球的熱潮，點燃了投資人的熱情，推動科技巨頭市值飆升，也讓無數新創公司一夕之間成為獨角獸。然而，正如歷史所昭示的，每一次科技革命都伴隨著泡沫的膨脹與破滅。 2025年11月6日，我們正站在這樣一個十字路口：AI投資熱潮已然冷卻，新創企業倒閉潮湧現，創投輪次趨於謹慎。根據Crunchbase的資料，2025年上半年AI相關新創公司的融資總額雖達1,927億美元，創下歷史新高，但環比下降20%，顯示出投資人從盲目追逐轉向審慎評估。約95%的企業AI試點計畫在啟動6個月內未能產生可衡量的財務影響，這一數字源於MIT的最新報告《GenAI Divide: State of AI in Business 2025》，它揭示了AI從實驗室走向商業應用的巨大鴻溝。回溯2023年的“淘金熱”，ChatGPT的推出如同一枚火星，點燃了整個產業。 Nvidia的市值從少於1兆美元飆升至如今的4.887兆美元（根據CompaniesMarketCap的11月資料），超過德國所有上市公司總和。更令人咋舌的是，微軟和蘋果已雙雙突破4兆美元市值，Google母公司Alphabet剛公佈首個1000億美元季度營收，而Meta和亞馬遜則持續上調AI基礎設施支出預測。 Alphabet預計2026年支出高達930億美元，比數月前預測多出200億美元。這些數字超乎人類直覺：Nvidia單一公司的估值已大於德國GDP。但在這些耀眼數字之下，隱藏著一個不實的真相──資本正處於一個封閉循環中。最大的AI玩家，如晶片製造商、雲端提供商和模型公司，正在相互“串通”，模糊了客戶、供應商與投資者的界限。例如，Nvidia為OpenAI提供晶片，OpenAI則從微軟和Oracle購買元件，後兩者又依賴Nvidia硬體。這種循環生態強化了少數巨頭的霸權，卻也讓系統極度脆弱：一旦節點失靈，整個網路將會顫抖。在6月的耶魯執行長領導研究所CEO高峰會上，超過150位全球頂尖主管齊聚，40%的人警告AI產業正面臨修正。摩根大通的分析佐證了這個擔憂：自2022年底ChatGPT推出以來，AI相關股票驅動了S&P 500指數75%的回報、80%的獲利成長，以及驚人的90%資本支出增加。 2025年上半年，AI相關資本支出甚至超越美國消費者，成為GDP成長的主要驅動力，貢獻1.1%的經濟擴張。這麼高的成長集中一產業，歷史上鮮少有好結局。就在高峰會後不久，MIT發佈了一份爆炸性報告：調查52家組織後，發現95%在生成式AI專案上投資高達400億美元，卻實現零回報。這不是技術故障，而是策略失誤：企業急於試點，卻忽略了資料品質、技術成熟度和人才短缺。 Informatica的2025年CDO洞察調查顯示，43%的AI失敗源自於資料問題，35%因技能缺失。那麼，這個泡沫將如何破滅？我們探討三種主要可能性，每一種都基於最新資料和專家洞見。第一種情景：集中導致傳染──一個巨頭的倒下，引發系統性崩盤AI生態高度集中，幾家巨頭如OpenAI、Nvidia、微軟、Google和Oracle主導了幾乎所有重大交易。這種互聯性如同一張蛛網，美則美矣，卻脆弱不堪。參考2008年金融危機，雷曼兄弟的倒閉如骨牌般引發連鎖反應。類似地，OpenAI的巨額承諾就是一個定時炸彈：它與Oracle簽訂了5年內3000億美元計算能力的合同，儘管每年虧損數十億美元，營收僅為其零頭。當協議公佈時，Oracle市值一日暴漲3,000億美元，但CNBC最新報導顯示，該公司資料中心租賃業務正虧損纍纍。假設OpenAI無法履約，或Nvidia供應鏈中斷，整個鏈條將會崩塌。Forbes在2025年10月的文章《AI Bubble May Burst, Wiping Out $40 Trillion From Nasdaq》中警告，這種情景可能抹去納斯達克40兆美元市值。分析師Garran在CNN的訪談中稱，當前AI狂熱是網路泡沫的17倍、2008房地產危機的4倍，資本錯配已達「人類史上最大最危險的泡沫」。 Ray Dalio，橋水基金創辦人，在CNBC 2025年10月29日的訪談中表示：「泡沫正在形成，但可能要等到聯准會收緊政策才會破滅。」X平台（前Twitter）上，使用者@RonanLTynan在11月5日的貼文中寫道：「AI泡沫恐懼拖累市場。大泡沫破滅不可避免，因為AI距離完全潛力還遙遠，新技術甚至可能讓過剩資料中心過時。」AI泡沫標籤下，類似擔憂如潮水般湧來，反映了散戶投資者的恐慌。最新資料顯示，這種傳染風險已初現端倪。 2025年Q3，科技巨頭資本支出總額達1,550億美元（Guardian報導），其中AI基礎設施佔大頭。但Gartner預測，全球AI支出將達1.5兆美元，卻有54%的基金經理人（BofA調查）認為AI股票已成泡沫。假如Nvidia——AI經濟的「皇冠上的明珠」——因地緣政治或供應鏈問題股價腰斬，其4.887兆美元市值蒸發將拖累整個納斯達克指數下跌30-40%。聯准會或被迫干預，類似2008年的量化寬鬆，但這次的規模將會更大，因為AI已嵌入全球經濟脈絡。第二種情境：治理衝突暴露AI弱點－監理風暴引發信任危機正如FTX崩盤揭露了加密貨幣的黑暗面，一個重大AI治理失敗可能引發全球監管反彈。目前，全球AI標準缺失，權力高度集中於私人手中，一個「失控模型」即可釀成災難。 Elon Musk早在2023年就警告AI的災難性濫用，而2025年，領先AI提供商發佈了前所未有的惡意使用分析報告（世界經濟論壇），顯示AI已被用於網路攻擊和假新聞傳播。想像一個場景：一個企業AI系統因偏見或駭客入侵導致大規模資料洩露，或生成式AI被用於選舉操縱。監管機構將蜂擁而至。歐盟的AI法案已在2025年生效，要求高風險AI系統接受嚴格審計；美國SEC則在調查OpenAI的估值是否涉嫌詐欺。 Sam Altman，OpenAI CEO，在2025年8月的CNBC採訪中承認：「我們正處於泡沫中。聰明人因一絲真理而過度興奮。投資者整體對AI過度興奮，我的觀點是肯定的。但AI本身不是泡沫。」他的坦白雖緩解了部分恐慌，卻也暴露了行業內部分裂。專家意見分歧明顯。 Derek Thompson在Substack的2025年10月文章《This Is How the AI Bubble Will Pop》中寫道：「有些人認為AI是21世紀最重要的技術，其他人視其為明顯泡沫。我相信雙方都對。」The Atlantic的2025年9月報導指出，AI投資已超過相信雙方都對。」The Atlantic的2025年9月報導指出，AI投資已超過dot-com高峰份額的電信水平，若有主要經濟份額，若是失靈率，已超過1dot-com高峰份額將佔靈率。 X使用者 @disabledcowboy 在11月5日發文：「當AI泡沫破滅時，比特幣會怎樣？#Bitcoin #CryptoMarket #Trump #ai #ChatGPT」，引發數百回覆，多數擔憂監管將扼殺創新。在這種情景下，失敗率將飆升。 MIT報告顯示，95%的AI試點卡在「試點煉獄」中，因為企業缺乏治理框架。假如一個像OpenAI規模的失敗曝光，投資者信心崩塌，融資凍結，新創企業倒閉潮將如2022年加密冬天般猛烈。 Bloomberg在2025年10月的文章《Why Experts Are Warning the AI Boom Could Be a Bubble》中採訪多位專家，他們一致認為，監管將是「最後一根稻草」。第三種情境：新興創新讓兆基礎設施過時－效率躍進重塑賽道今天的AI基礎設施建得太快、太貴、遠超實際需求，正如1990年代光纖泡沫，效率突破讓現有網路冗餘。 Bethany McLean在華盛頓郵報的文章中比擬：如果量子運算或新型晶片設計提前到來，巨型資料中心將面臨相同命運。 2025年，量子新創企業融資激增，IBM和Google的量子里程碑讓傳統GPU黯然失色。Loop Capital在11月3日的報告中預測，Nvidia市值或達8.5兆美元，但前提是無顛覆性創新。假如一個開源量子模型以1/10成本實現當前AI性能，亞馬遜的1250億美元2025年資本支出將成沉沒成本。 Guardian的2025年11月2日文章《Boom or bubble? Inside the $3tn AI datacentre spending spree》警告，債務驅動的狂熱可能適得其反，儘管暫無破滅跡象。專家如Will Lockett在Medium的2025年9月文章《The AI Bubble Is About To Burst, But The Next Bubble Is Already Growing》中指出：「AI泡歷史如Charles Mackay的《Extraordinary Popular Delusions and the Madness of Crowds》（1841）所述：「人們成群思考，成群瘋狂，卻只一個一個慢慢恢復理智。」AI或將重演此模式：慢慢膨脹，突然破滅。泡沫的遺產：從狂熱中提煉真實價值無論那種情景，AI泡沫的破滅不會終結科技本身，而是迫使產業回歸理性。 2025年的教訓已清晰：95%的失敗源自於「學習落差」——工具與組織的脫節。成功的5%企業（如MIT報告所述）聚焦於可擴展治理、人才投資和ROI導向試點。投資者應分散風險，轉向小型股和價值股，正如Peter Schiff在X上的警告：“比特幣泡沫破滅將損失慘重，但AI更大泡沫將接踵而至。”展望未來，AI將重塑經濟，但需分離炒作與實質。 The Guardian的2025年10月23日社論《Once the AI bubble pops, we'll all suffer. Could that be better than letting it grow unabated?》建議：泡沫破滅或促成更公平的增長，如AI增強而非取代勞動力。 HBR的2025年10月文章《Is AI a Boom or a Bubble?》呼籲領導者審視歷史：dot-com泡沫雖痛，卻孕育了亞馬遜和Google。在X平台，@hvgoenka的貼文引發熱議：「想像川普禁止印度使用美國科技平台——無X、Google、Instagram、Facebook或ChatGPT。後果可怕！」這提醒我們，AI不僅是技術，更是地緣政治戰場。 @zerohedge列出三種終局：資本錯配崩盤、美中軍備競賽，或AGI革命引發的UBI時代。無論那種，聯准會的干預將不可避免。最終，當人群恢復理智，真偽將決定倖存者。 AI或將轉型全球經濟，但它並非免疫萬有引力。聰明的聲音並非預言末日，而是敦促我們辨別真實與炒作。因為，當泡沫終於破滅，倖存者將是那些腳踏實地者。 （周子衡）

美股市場正盯著一場決定AI命運的“大考”。本周一筆為科技巨頭甲骨文相關的資料中心項目提供資金、規模高達380億美元的超級債務融資即將登場。這是迄今為止最大規模的AI基礎設施融資。表面上，這筆錢將用於德州和威斯康星州的兩座巨型資料中心，以履行甲骨文對OpenAI等客戶的算力承諾；但在更深層是未來十年整個 AI 產業能否繼續擴張的試金石。問題來了：為什麼甲骨文如此迫切地依賴這筆外部資金？這筆巨額舉債背後的有利條件與致命弊端是什麼？它將如何影響甲骨文作為OpenAI“官方備選”的角色定位？更關鍵的是，這次融資會不會成為AI從“講故事”走向“講現金流”的真正拐點？如果這條高槓桿的“AI算力債務鏈條”出現鬆動，市場是否會立刻進入“去泡沫化”洗禮？而如果融資順利，誰又會成為這場資金重新定向下的最大贏家？今天，我們就來看看這筆 380 億美元的融資，為什麼成了AI資本周期的真正“分水嶺”——以及，它將怎樣重新定義接下來十年，美股AI賽道的贏家與風險。甲骨文的AI加速邏輯我們先來說積極的一面，甲骨文如果此次拿下380億美元融資，說明一個清晰的訊號：訂單已經堆在面前，但產能完全跟不上節奏。它正處在典型的市場“臨界點”——AI算力需求呈指數級爆發，而資料中心的建設卻仍遵循線性邏輯，這筆錢，正是用來打破這個速度瓶頸。這也進一步印證了甲骨文雲基礎設施（OCI）在承載高密度AI負載上的獨特優勢——市場認可其技術能力，也願意為確定性買單。從戰略層面看，這是一次典型的“以速度換壁壘”的金融操作。甲骨文敢於在高息周期大手筆融資，核心底氣來自訂單的高度可見性：客戶已簽約、產能即收益，時間成本遠高於資金成本。管理層實質上是在用金融槓桿放大營運槓桿，將AI基礎設施迅速打造成可複製、高確定性的增長飛輪。更深遠的是，此舉也揭示了AI產業競爭重心已發生遷移：從“晶片爭奪戰”轉向“產能落地戰”。過去是誰能搶到更多GPU，現在是誰能更快把資本轉化為電力、機櫃與散熱能力。在這場新競賽中，建設速度就是護城河，產能效率就是話語權。為什麼甲骨文如此很依賴這筆外部資金？但機會也帶來了壓力：訂單簽得越多，交付就越不能掉鏈子；要在兩三年內把產能拉滿，光靠自有資金根本撐不住——這也是為什麼甲骨文必須轉向外部融資，而且如此緊迫。我們來看資料：首先，甲骨文面臨的訂單壓力異常巨大。公開資料顯示，甲骨文與OpenAI簽署的算力服務協議總金額約為3000億美元，而甲骨文當前未完成的全部履約訂單總額為4550億美元——其中，OpenAI的訂單就佔了約三分之二。甲骨文與OpenAI這份價值約3000億美元的雲訂單，將從2027年開始，分5年執行，意味著甲骨文每年需承接高達600億美元的新增業務。這個數字意味著什麼？2025財年，甲骨文的總營收為574億美元。也就是說，僅OpenAI一家客戶，就將在數年內為甲骨文“再造一個甲骨文”，使其業務規模翻倍。然而，與輕資產的網際網路公司不同，雲服務是重資產模式。 未來的天量收入，必須靠前期的天量資本開支來換取。這筆訂單與OpenAI的“Stargate”超大規模資料中心項目直接掛鉤，該項目計畫新增4.5GW的算力容量。其次，是雄心與現金流的落差。根據行業資料估算，建設1GW算力的成本約為500-600億美元。據此推算，完成4.5GW資料中心的建設，甲骨文需要投入高達2250至2700億美元的資本開支。 這個數字，與美銀的宏觀預測相互印證——該行預計，甲骨文未來七年的累計資本開支可能高達2060億美元。現在，將訂單、開支與目標三者對照，結論無比清晰：一方面，是美銀預測的2060億美元累計資本開支和公司遠不足以支撐的自由現金流；另一方面，是公司設定的2030年2250億美元的激進營收目標，對資金供給提出了更高要求。將這個天文數字與時間線對照，危機感撲面而來：若要在2027年訂單啟動前建成，意味著甲骨文兩年內要投入超過其總資產的資金，這顯然不現實。一個更合理的假設是，建設周期從2025年持續至2031年。即便如此，甲骨文每年也需為此平攤約321億美元的資本支出。最終，所有的線索都指向同一個結論：甲骨文自身的自由現金流，無論是應對OpenAI單個項目的年均開支，還是滿足公司未來七年的整體資本支出，都捉襟見肘。如果僅靠自有資金，其資產負債表將迅速承壓，現金流會極度吃緊。因此，為承接這份“甜蜜的負擔”並實現其宏偉目標，甲骨文已被逼入牆角，必須尋求大規模的外部融資。甲骨文輕資產模式破局算力擴張為了破局，甲骨文選擇了一種更“聰明”的輕資產玩法：自己不掏錢建，而是“預租”產能，讓市場來買單。具體來說，它通過與資料中心開發商Vantage簽訂長期租約，鎖定了未來的算力空間。這份穩定的租金預期，就成了一份優質的信用憑證。Vantage以此為基礎，成功籌集了這筆由摩根大通、三菱日聯金融集團等銀行牽頭、創紀錄的380億美元項目融資。如此一來，便形成了一個精妙的閉環：債券市場提供了巨額資金。Vantage負責持有資產並完成建設。甲骨文則以輕資產的“租戶”身份，獲得了寶貴的算力產能，再轉售給OpenAI等客戶。這個模式的精髓在於，它將未來不確定的AI需求，包裝成了一份當下可融資的、穩定的“算力租金”資產。如果一切順利，甲骨文便能以最小的資產負債表負擔，實現產能的急速擴張。然而，這場豪賭背後藏著不容忽視的風險。這筆融資的關鍵風險在於其財務性質：未來的需求訂單可能推遲削減甚至取消，但高達380億美元的債務卻一分都不能少還。這本質上是一場高風險的槓桿遊戲——無論市場最終是否買帳，甲骨文都必須履行這份償債承諾。進一步看，這種需求並非完全“鎖定”。微軟與OpenAI的合作關係已明確：微軟擁有的是“優先拒絕權”。這相當於給甲骨文的角色下了一個定義：它是官方認證的“備選”。這意味著，OpenAI在尋求新的計算能力時，必須第一個問微軟。只有微軟說“我不要”，訂單才能輪到甲骨文。這種業務模式，使得甲骨文看似穩固的營收基礎，其實存在著相當的脆弱性，一旦微軟自身突破產能瓶頸，甲骨文的預期收入就可能大幅縮水。如果我們將視野再拉高一點，會發現這不僅僅是甲骨文一家的考驗。根據多家投行預測，像 OpenAI 這樣的公司，明年仍需大量外部融資，才能履行對甲骨文、輝達等供應商的採購承諾。這意味著，甲骨文今天借來的這 380 億美元，其實是整條“AI 算力債務鏈條”的第一環。只要第一環出現鬆動，後面幾環的現金流就可能瞬間失衡，引發連鎖反應。根據 UBS 的研究，全球 AI 支出預計在 2025 年達到 3750 億美元，到 2026 年將增至 5000 億美元。換句話說，這不再是甲骨文單獨在借錢冒險，而是整個科技行業，正集體投入數千億美元，進入一場“資本軍備競賽”。在這個背景下，資金來源的兩極分化開始顯現：以微軟、Meta、Google為代表的“富裕階層”。它們自家印鈔機（成熟的搜尋、廣告、軟體業務）火力全開，現金流極其充沛，投資AI基礎設施如同“自有資金建房”，底氣十足，風險可控。而以甲骨文和OpenAI為典型的“負債階層”。則需要大規模舉債融資，其發展命運與外部融資環境的冷暖緊密掛鉤。380億融資正在“拷問”AI估值體系在這種資金流向的分化背景下，這筆380億美元融資的定價和市場反應，將深刻影響整個AI行業的估值體系。如果市場對像甲骨文這樣的雲服務商，尤其是其基於“長期租約”模式營運的業務失去信心，就意味著市場對輝達未來訂單的穩定性產生了疑慮。“訂單永不間斷”這一驅動輝達股價上漲的核心敘事，可能因此面臨風險。接著，融資的衝擊波將波及到AI應用層，特別是像OpenAI這樣的公司。OpenAI的生存與發展直接依賴於基礎設施層的穩定支援。如果基礎設施層的融資鏈條出現斷裂，應用層的成本將急劇上升，開發成本不斷攀升，利潤周期被無限延長。這不僅讓OpenAI的營收承壓，還可能導致整個AI行業被迫進入“去泡沫化”的洗禮。“去泡沫化”的過程意味著，市場將不再盲目追逐遙遠的“增長故事”，而是要求企業展示實實在在的營收和利潤。投資者將更加注重企業的現金流、盈利能力以及其基礎設施支撐的可持續性。如果企業無法在短期內實現可觀的盈利，投資者的熱情會逐漸消退，從而影響行業整體的估值體系。然而，危機之中，也正蘊藏著歷史性的機遇。這筆融資它恰恰是驗證AI基礎設施這個兆級資產類別能否持續、穩定受益的試金石。如果這筆融資能被市場順利消化，就等於向全球資本發出一個強烈訊號：為AI提供動力的重資產，本身就是一個值得信賴、能產生穩定回報的優質資產。這一資產類別的核心優勢在於其不可替代的底層地位與清晰的商業模式：不參與模型競爭： 它們無需承擔“那個模型會贏”的科技風險，專注於提供基礎資源。穩定的現金流： 通過與巨頭簽訂長期服務合約，它們賺取的是巨頭髮動“算力軍備競賽”時必需的、穩定的服務費。高准入壁壘： 土地、能源、建設許可等構成了天然的護城河，排除了普通競爭者。在AI資本大潮下，資金流向的框架因此變得非常清晰：頂層的贏家分為兩類：一類是既有充足現金流又能制定行業規則的科技巨頭（如MSFT、META、Google），它們是“自有資金建房者”。另一類則是上述不直接參與應用競爭的基礎設施“賣鏟人”，它們提供“AI世界的鋼鐵水泥”，直接受益於算力短缺和巨頭的擴張競爭。這一類別的典型代表：算力託管服務商:NBIS、CRWV、IREN，最近新增加了一個CIFR。基礎設施供應商CEG、NEE、VST、EOSE、NNE。核能供應商（為AI基礎設施提供能源支援）:OKLO、SMR、GEV，CCJ。高風險的則是那些自身造血能力不足、嚴重依賴外部融資的應用層AI公司。因此，我們判斷AI時代能否從“資本敘事”平穩過渡到“資產時代”，關鍵觀察點就落在這筆融資的微觀資料上：它的定價利差（市場要求多高的風險補償）、認購倍數（資金追捧的熱度）、租約年限（需求的穩定性），將成為最真實的訊號燈。這筆融資的表現，將直接回答那個核心問題：我們看到的，是一個將破裂的“債務泡沫”，還是一個正被夯實的“兆基石”？ (美股投資網)