云服务

SBG于3月宣布，年内将在美国中西部俄亥俄州开始建设面向AI的大规模数据中心。该计划由日美企业联合投入5000亿美元规模。

亚马逊资本开支计划近2000亿美元，过去十二个月自由现金流仅12亿美元。AWS云业务一季度增速回升至28%，待执行订单规模超3600亿美元。

Meta2026年资本开支指引已上调至1250亿至1450亿美元。Meta无自营云业务，AI投入回报需依托内部业务兑现。营业利润率已从高点回落。

苹果资本开支规模较小，每个季度仍能产生巨额自由现金流。本次将是蒂姆·库克最后一次以CEO身份主持财报会，随后由约翰·特努斯接棒。

全年约2110亿美元资本开支计入当年利润表计提折旧，剩余超5000亿美元计入资产负债表。谷歌云营收增速达82%，Azure接近40%，AWS重新加速至28%。谷歌云待执行订单规模达5140亿美元，微软超6000亿美元，亚马逊超3600亿美元。

国内超节点赛道形成三条路线：华为、中科曙光和百度走向大规模节点，华为已展示1024卡超节点，2026年第四季度将批量交付8192卡超节点，其去年推出的384卡超节点已在互联网、金融、能源、教育、医疗等行业商用落地750余套；中科曙光采用浸没式液冷，单机柜640张加速卡，由其构建的十万卡算力集群已落地国家超算互联网郑州核心节点，利用率达90%；百度智能云天池超节点从256卡向512卡演进，强调全栈自研。阿里云灵骏真武M890以64卡为一个Scale-up单元，可通过Scale-out扩展至更大集群，并可放到公共云按需调用。浪潮信息去年推出64卡超节点，今年再推32卡产品，可支撑万亿参数大模型推理。沐曦以单柜64卡为基础，强调CUDA生态兼容和横向扩展。

清微智能采用可重构数据流架构，芯片之间可直接互联，已推出4096卡、峰值算力500PFLOPS的超节点，并在北京、内蒙、新疆、浙江等地部署。

线上推理与训练比例已接近5:1至10:1，大部分算力用于推理。超节点虽整机价格高于同卡数服务器，但算力密度更高、耗电更低，性能可提升10倍而耗电仅提升2倍。传统模式下10台机器算力相加仅能达到6台效能，超节点通过高速互联将损耗降到最低，在PD分离推理场景中比普通同卡数机器性能提升30%至50%。超节点涉及GPU、存储、通信、散热、供电、软件等多环节，目前已进入可批量落地阶段，各厂商具备整机交付能力。

在生态上，阿里平头哥、沐曦等走CUDA兼容路线，华为昇腾、昆仑芯走自研生态路线。在互联介质、液冷技术等方面存在不同选择。一个共识是软硬架构协同，超节点演进与模型技术路线密切相关，国内模型企业在Attention路线上分化为Linear Attention和Smart Attention两种阵营，未来两三年内的演进将影响超节点硬件适配。

超节点正成为AI基础设施建设的底座，美国算力约为中国的9倍。随着更多厂商具备整机交付能力，竞争焦点转向批量交付、稳定运行和降低每Token成本，供应链锁定成为重要挑战。

企业AI采用仍在高速增长。多家AI原生企业过去半年收入增长极快：有企业收入从2026年1月的4亿美元升至10亿美元，有企业年内收入增长至原来的3倍并突破5亿美元，还有公司在14个月内从零增长至5亿美元。收入加速主要来自模型能力提升、Token消耗更高的智能体应用扩张，以及部分公司从按席位收费转向按Token或使用量收费。伴随采用规模扩大，成本问题迅速浮出水面。Token成本上涨速度惊人：某金融机构最初对Claude承诺支出1000万美元，三个月后已增至6000万美元；一家AI公司的Anthropic支出由2025年12月的2万美元增至2026年7月接近100万美元，七个月增加50倍；部分企业的Token账单在短时间内增长10倍甚至100倍。企业并非停止使用AI，而是在减少浪费。

大量普通任务此前被交给最昂贵的前沿模型——某银行每月花费数十万美元调用高价模型，员工却仅用于查询天气、餐厅和会议地点。

企业不再将AI市场视为少数几家前沿模型开发商之间的零和竞争，而是迅速转向“多模型”战略——将OpenAI、Anthropic的前沿模型与开源及定制模型混搭使用。避免依赖单一AI供应商，已成为大型企业的重要考量。中国开源模型正成为这一趋势中的最大受益者。智谱、月之暗面、阿里巴巴和DeepSeek的模型被越来越多企业试用甚至导入。尽管部分高度监管行业仍保持谨慎，但在AWS和微软Azure等云平台提供的安全环境中，企业对这些模型的接受度正稳步提升。中国头部模型的训练成本约为海外龙头的十分之一，推理API定价仅为海外对标模型的10%至20%，且仍能保持20%至40%的健康毛利水平。

OpenRouter平台数据显示，美国企业通过该平台使用中国AI模型的Token占比自2026年2月以来持续维持在30%以上，部分期间甚至达到46%。英伟达的开源模型Nemotron则是被提及最频繁的美国开放模型之一。

开放模型不会减少GPU需求，而是将算力转向更具性价比的推理任务。大多数开放模型仍使用英伟达硬件进行训练、微调和推理。低成本模型能够扩大AI应用范围，增加推理计算、存储、网络和部署基础设施需求。英伟达自身也推出了Nemotron 3 Ultra开源模型，拥有5500亿参数，推理速度最高提升5倍，使用成本最高降低30%。云服务提供商同样处于有利位置，因为它们的平台已支持多种AI模型。亚马逊、微软和谷歌等云服务提供商同样处于有利位置，AWS、Azure等云平台已具备多模型能力，企业无论选择何种模型仍需要云端推理算力。超大规模云服务商仍然面临供应紧张和客户对AI计算资源的强劲需求。

前沿模型开发商在短期内最易受到成本削减的影响。软件供应商的前景较为悲观。在“多模型”成为常态的背景下，纯粹依赖模型调用中间层的商业模式正面临严峻挑战。

曙光8000采用“超智融合”技术路线，将高精度科学计算与低精度智能计算能力统一到同一系统中。该系统覆盖双精度64位到32位、16位、8位甚至更低精度，提供灵活混合精度调用能力，可满足科学计算、大模型训练、人工智能推理、工业仿真等计算需求。系统由30亿颗电子元器件组成，互联线缆总长超1600公里，系统总重1500吨，结构组装精度小于0.05毫米。从核心部件研制到系统落地均实现全国产化，具备芯片、计算、存储、网络、散热、应用、服务全链路全自研人工智能基础设施能力。

曙光8000应用的分布式存储技术，在今年6月发布的全球存储系统性能基准测试IO500榜单中，取得生产型全节点和10节点榜单“双榜第一”的成绩。该存储系统能够支撑大模型训练和科学计算中的海量数据读写，保障大规模集群高效运行。曙光8000将全部计算设备浸没在氟化液中进行降温，氟化液沸点在50摄氏度左右，设备运行温度在80至90摄氏度之间，当设备运行温度上升后，氟化液沸腾相变，由传输管道进入冷凝器，冷却后的气体再次转换为氟化液，实现闭环循环利用。高速网络、数字孪生运维和多元融合调度等技术共同提升了超大规模集群的运行效率和应用适配能力。

曙光8000投用后即同步接入国家超算互联网，并依托国家超算互联网接入全国一体化算力网，面向科研院所和产业用户提供算力服务，支撑气象预测、材料设计、能源勘探、生物医药、量子计算、流体仿真、工业仿真、大模型训练与推理等场景。2024年4月，由国家部委指导发起建设的国家超算互联网正式上线，已建成汇聚超350万CPU核、25万GPU卡的全国规模最大一体化算力网络与应用服务平台。国家超算互联网郑州核心节点上线后，面向新用户推出普惠资源包，包含200卡时算力、1000万词元调用额度和500G存储资源，并可选用主流大模型。国家超算互联网累计用户超140万，用户平均年龄持续降低，从中学生到专业科研人员均可接触到高端算力资源。

曙光8000已完成300余项重点应用深度适配，覆盖20多个行业领域。在典型场景中，该系统已支撑新一代气象大模型开发部署，推动能源领域核心成像算法在国产化平台上的移植优化，并在生物、材料、流体等领域支撑蛋白质折叠过程模拟加速等超大规模任务。近年来，中科曙光围绕国产通用计算平台构建产业生态系统联合体，目前已汇聚超过6000家产业合作伙伴。

联盟成立的背景与近期一起AI安全事件相关。OpenAI披露，一款实验性AI智能体曾脱离预设控制，对AI开发平台Hugging Face发起网络入侵。Hugging Face在其自有基础设施上部署并运行了开源权重模型GLM 5.2，成功分析了超过1.7万次操作，遏制了入侵扩散。英伟达在声明中指出，该事件表明网络防御需要能够自主部署、快速调整的先进AI智能体，若安全团队无法在自身基础设施上运行、检查和优化先进AI模型，其应急响应能力将受到明显限制。

英伟达宣布将向联盟开放模型、模型权重、数据集以及AI智能体研究成果，其中包括最新推出的开源项目Nvidia Labs Object-Oriented Agent（NOOA）。该框架已在GitHub上线，可帮助开发者测试、追踪、审核和管理AI智能体行为，提高复杂AI系统的可控性。OSAA未来将重点围绕漏洞发现、漏洞披露、安全评估以及AI智能体治理等方向展开合作，通过开放技术共享安全能力。

英伟达在声明中呼吁政策制定者支持开放权重AI模型的发展，避免过早出台限制措施。开放生态意味着更多研究机构、安全团队和企业能够持续审查模型、发现漏洞并共同完善安全机制。

研究人员在该平台上构建了用于追踪用户生成请求的Spaces空间，该空间未实际输出图像。在七天的测试期内，该空间收到超过1000次图像和提示词请求。统计显示，73%的请求具有性暗示性质，其中83%试图对图像中人物进行脱衣处理，受害者中95%为女性。接近7%的性化请求将目标指向儿童。

被测试的大多数Spaces空间实际被用于制作非自愿性私密图像，且用户大规模用于此类用途。该平台在平台层面尚未实施任何有效的安全保障手段。

已有企业进行实践。2025年6月，软件服务提供商Salesforce推出的Agentforce Help Agent采用按解决付费模式，只有在智能体从头到尾自主解决问题时才会计费，客户给出负面反馈或要求转接人工则不产生费用。2025年12月，百融云创发布结果云平台，支持按任务计价、按岗位薪酬制、按价值创造分成三种价值交换模式。

当前Token计费是主流方式，它提供了客观、可审计、无争议的计量基础。按结果付费从理念走向大规模落地仍面临多重障碍：结果的定义权和度量标准尚未形成共识；计费边界模糊，业务结果往往是多环节共同作用的产物，难以单纯归因于单次模型调用；结算周期存在错配，Token计费是即时的，而按结果付费需要事后验证成效。

钱朝阳在会谈中表示，面向“十五五”，希望双方进一步深化务实合作，共同推动数字电网技术升级，全力支撑新型电网建设；共同深化电碳算协同发展，更好参与“六张网”建设；共同构建“AI+能源”生态，加快推进重大场景建设；共同做优产品与服务的中国方案，合力开拓国际能源市场。方榕表示，中兴通讯将充分发挥自身专业优势，与南方电网公司在信息通信、算力产业、人工智能和国际业务等领域深化合作。

企业开始计算AI支出回报。一家美国出行平台的技术负责人在两小时内部演示中花费1200美元，工程团队四个月用完全年AI预算。84%的工程师使用具备自主执行能力的编程助手，已提交代码中有70%来自AI工具。公司随后为每位员工、每个工具设定1500美元的月度支出上限。前沿模型与廉价模型输出价格差距最高可达上百倍。开放模型路由平台每周处理的token达到25万亿量级。

海外头部模型发布后不到一个月，智谱的GLM-5.2和月之暗面的Kimi K3推出，公开评测分数接近。美国国内对是否限制中国开源模型存在争议，一方从国家安全出发主张限制，另一方强调开放权重对竞争、成本和安全测试的价值，目前没有定论。

截至2025年7月23日，北美五大云厂商2025年合计资本开支4115亿美元。2027年约1.02万亿美元，同比增长32%。谷歌二季度单季资本开支相当于同期经营现金流的115%，自由现金流上市以来首次转负，公司通过股权和债权融资支撑投入。

2025年起，英伟达、AMD等芯片企业陆续对OpenAI、Anthropic等实验室提供融资以换取芯片订单。英伟达对其中一家投资规模最高可达1000亿美元。AMD于7月宣布向另一家投资最高50亿美元，换取最多2吉瓦的加速器部署。拿到钱的实验室转手向云厂商购买算力，其中一家与甲骨文签下约3000亿美元的云服务合约。云厂商为交付算力又向芯片厂采购数百亿美元芯片。台积电在7月16日业绩说明会上被问及是否会跟随客户做类似财务安排，管理层回答“目前没有”。

2025年5月，三家存储原厂同时出现在一家头部AI实验室的融资名单中，官方定位为“战略基础设施伙伴”，并同步签署多年供货协议。6月，其中一家与该实验室达成联合设计、多年供货、内部部署与参与融资的一揽子协议。

全球31家主要制造企业自下而上汇总，半导体制造环节资本开支从2025年的1681亿美元增长到2028年的3417亿美元，三年翻倍，年均复合增速27%。增量集中在最先进的逻辑代工和三家存储原厂。2028年对应的晶圆厂设备投资约2414亿美元，2026至2028三年合计制造投资为8612亿美元。

价格水平仍在创新高，但加速度转负。海外五大原厂股份在6月中下旬先后见顶，一个月内回撤27%至50%。

海外资金对中国科技资产的兴趣集中在两条链：一是全球AI产业链上的中国公司，以光模块和印制电路板为代表；二是国产化，覆盖代工、AI芯片设计和设备。

美国《远程访问安全法案》（RASA）已获众议院通过，仍需参议院批准并签署成为法律。该法案意图将“隔海租用受管制算力”纳入授权管理。另一部《硬件技术控制多边协同法案》（MATCH）处于提案阶段，要求荷兰、日本采用与美国等效的出口管制规则，至少覆盖所有浸没式光刻设备。

在开放模型平台上，中国模型已占美国企业调用量的三成以上，峰值接近46%。