塔斯娱乐资讯网

【腾讯从甲骨文租赁10万枚芯片，以加快人工智能竞赛步伐】腾讯与美国云服务提供商甲骨文（Oracle）签署了其最大的海外租赁协议。据两位知情人士透露，腾讯今年同意了一项为期五年的租赁协议，涉及甲骨文位于东南亚多个数据中心的设施。该协议使腾讯能够获得约10万枚在中国无法获得的先进人工智能芯​【腾讯从甲骨文租赁10万枚芯片，以加快人工智能竞赛步伐】腾讯与美国云服务提供商甲骨文（Oracle）签署了其最大的海外租赁协议。据两位知情人士透露，腾讯今年同意了一项为期五年的租赁协议，涉及甲骨文位于东南亚多个数据中心的设施。该协议使腾讯能够获得约10万枚在中国无法获得的先进人工智能芯片，以进一步推进其人工智能模型和开发代理工具。该协议估计价值约70亿美元，首付比例为30%。这导致腾讯第二季度财报中自由现金流为负138亿元人民币（20亿美元）——这是十多年来的首次季度负值。国内供应短缺以及美国出口管制收紧，促使中国科技集团在海外寻求更多算力。尽管腾讯正通过数十亿美元的租赁协议迎头赶上，但字节跳动（ByteDance）和阿里巴巴仍是东南亚数据中心的最大客户。随着美国收紧出口管制，海外对先进AI芯片的需求进一步加剧。这导致数据中心租赁协议的价格上涨、期限延长以及首付比例提高。

据《金融时报》报道，腾讯已与美国云服务商甲骨文签署其史上最大的海外租赁协议，这家中国科技巨头正努力在不断升级的AI竞赛中迎头赶上。据两位知情人士透露，这家中国领先的社交媒体和游戏集团今年同意在甲骨文位于东南亚的多个数据中心进行为期五年的租赁。该协议使腾讯得以使用约10万颗在中国无法获得的先进AI芯片，以进一步推进其AI模型并开发智能体工具。据其中一位知情人士透露，该协议价值估计约为70亿美元，预付款约占30%。而这导致腾讯第二季度财报出现138亿元人民币（20亿美元）的负自由现金流，也是十多年来首次出现季度负值。科技AI芯片

原来云服务器不是真的给你一台独立电脑藏在互联网背后没人说透的云服务真相，搞创业开网站的人至少能省几十万冤枉钱。前几年我帮朋友搭个人网站，踩过最离谱的坑就是自己买服务器硬扛。那时候啥都不懂，为了保证网站24小时能正常访问，自己托关系找机房塞设备，拉专线、装散热，天天盯着怕断电，半夜机器崩了都得从床上爬起来修。最坑的是流量根本摸不准。有时候内容爆了，瞬间几万用户涌进来，机器直接卡成PPT，临时买新服务器走流程要等一周，等机器到位流量热度早就退了，新机器直接躺平吃灰，钱全打了水漂。后来云厂商直接把这个死穴给捅破了。他们把全国各地的机房、成千上万台服务器、带宽存储资源全攒到一起，切成一小块一小块可灵活调用的资源块，你想用多少点几下鼠标，几分钟就能开出一台属于自己的云服务器。算力不够点一下就升级，存东西不够点一下就扩容，用多少付多少钱，再也不用堆一堆闲置硬件当冤大头。很多人以为“云”是飘在天上看不见摸不着的虚东西，其实底下全是实打实的电线、光纤、一排排亮着灯的服务器机架，只是你根本不用管它放在哪个城市哪个角落。说白了云服务器就是你按月甚至按小时租别人的电脑算力，一台物理机拆成好几台虚拟的分给不同用户用，半点儿资源都不浪费。最爽的是啥？哪天你网站突然爆了，百万用户同时点进来，云服务自动把流量分流到几十上百台服务器上，根本不会像以前那样直接死机崩站。就算某一台机器坏了，后台瞬间就能调另一台顶上，哪怕整个城市的机房出故障，别的城市的备份数据也能立刻把你的业务续上，普通用户半点儿异常都感知不到。当然我也得说句公道话，云不是万能的，也不是所有场景都比自己搭机房便宜。刚起步的小公司、创业团队，本来就几个人想把精力全扑在做产品上，根本不想天天研究机房湿度、电费涨了多少、硬件又出新版本要迭代，用云直接省掉几十万买设备搭机房的钱，连专职运维的工资都能省下来，性价比拉满。但等你业务做的特别大，用户量稳得一批的时候，自己建专属机房或者混合部署的方案反而更划算。这里还要提一个很多人踩过的大坑：你要是把所有核心业务全绑在同一家云厂商身上，用久了之后想换平台，那迁移成本高到能让你直接放弃。所以现在但凡有点规模的企业，都得在成本、稳定性、数据安全性、合规要求这些维度反复权衡，最后选最适配自己的方案，根本不存在什么“用上云就万事大吉”的好事。有没有搞互联网的朋友当年自己搭服务器踩过坑？你最多一次为硬件闲置花了多少冤枉钱？

面壁开源2B模型，端侧AI创业越来越有盼头了2026年9月8日，面壁智能（ModelBest）联合清华衍生的OpenBMB开源了MiniCPM5-2B——一个参数约25亿的端侧语言模型。它值得记录，不只因为"小模型跑分高"，更因为它印证了一个拐点：端侧小模型正从"会聊天"走向"能办事"。面壁智能孵化自清华大学自然语言处理实验室（THUNLP），2022年8月成立，早于ChatGPT公测。首席科学家刘知远为清华长聘副教授，CEO李大海曾任知乎CTO，CTO曾国洋为信息学奥赛金牌保送清华。当2024年行业集体卷千亿云端大模型时，面壁逆势押注端侧【别人卷云端大脑，它卷设备里的"本地神经"】2026年8月，面壁完成股份制改造、与中信证券签署IPO辅导协议，公开报道估值突破200亿元，上半年融资超50亿元，投资方含华为哈勃、中国电信、茅台基金等。端侧小模型指能直接在手机、PC、车机、机器人本地运行、不依赖云服务器的AI模型。它的价值不在"比大模型聪明"，而在三个刚需：隐私（工资条、合同、病历本地抽取，数据不出设备）、离线（车内、工厂无网仍可用）、成本（不月月交API租金）。本次开源的MiniCPM5-2B已能接工具、读长文、写代码、规划多步任务，并把训练配方一并开源。同类还有Qwen小尺寸、Gemma、Phi-4-mini、Llama小模型、Nemotron3Nano等。howto用AI抢救一切AI搞事业howto大模型硅谷创业小模型端侧模型端侧AI面壁智能智能硬件

#当TPU走出Google机房：a16z重押“机器时代”的拐点信源：[a16z｜WhyTopFoundersAreRacingIntoAIInfrastructure｜2026-08-28]这场访谈最抓人的说法，是AI需求“近乎无限”、关键供给已经排到2028年，以及瓶颈正转移到“模型以下”。但a16z刚刚募集11亿美元成立MachineAgeFund，芯片、内​当TPU走出Google机房：a16z重押“机器时代”的拐点信源：[a16z｜WhyTopFoundersAreRacingIntoAIInfrastructure｜2026-08-28]这场访谈最抓人的说法，是AI需求“近乎无限”、关键供给已经排到2028年，以及瓶颈正转移到“模型以下”。但a16z刚刚募集11亿美元成立MachineAgeFund，芯片、内存、网络、存储和数据中心正是它准备投资的方向，因此这些判断不能脱离募资语境照单全收。反而是视频之外的两项最新披露，更能解释a16z为何此时重返硬件：[Alphabet在2026年第二季度首次把TPU系统交付到客户自己的数据中心并开始确认收入]；[Amazon则披露，其芯片业务年化收入运行率已超过250亿美元]两项数字不能直接比较——Alphabet披露的是已经开始确认、但未公布金额的季度收入，Amazon给的是按当前速度外推一年的runrate，也不是单列财务报表收入。不过，它们共同指向一个比“缺货”更重要的变化：自研芯片正在从云厂商内部的降本工具，变成可以通过云服务或整套系统向外收费的基础设施产品。a16z押注的核心，是系统效率开始具备独立的商品属性。所谓“可出售的系统效率”，不是某颗芯片的峰值算力更高，而是把计算、内存层级、互联、供电、散热和编译器组合起来，在目标质量不变的前提下，降低每个有用任务的成本与延迟，并把这种改善变成收入或毛利。传统软件公司可以把硬件藏在云的抽象层之后；AI公司却必须为每一次推理持续支付显存带宽、数据搬运、电力和折旧。物理架构因此从后台成本进入了产品经济学。视频以超大规模云厂商的资本开支证明需求，并给出2026年约7000亿美元的量级。按最新公司口径重新核对，[Amazon预计2026年资本开支约2000亿美元]，[Alphabet指引为1950亿至2050亿美元]，[Meta为1300亿至1450亿美元]，[微软对2026日历年的最新预期约为1750亿美元]。四者合计约7000亿至7250亿美元；[IEA也估计五家大型科技公司的资本开支将由2025年的逾4000亿美元在2026年再增长约75%]，视频的数量级因而能够成立。但这个合计只能确认投入规模：这些都是公司指引或预期，并非全年已实现支出；各家对资本开支、融资租赁的处理不同，而且Amazon的预算还包括芯片、机器人和低轨卫星等项目，不能把总额全部贴上“AI”标签。供给端也要做同样的降噪。嘉宾所说“全产业链基本排满到2028年”以及“某头部内存厂当前订单需要三年产能”，公开信息不足以独立验证。能够确认的是，[微软称客户需求仍超过可用产能]，Alphabet需要在第三季度临时增加第三方容量，而[IEA在2026年4月的更新报告中判断，近半年形成的HBM短缺至少可能延续到2027年底]。这些证据足以说明瓶颈仍在，却不能推出每一种器件、每一个地区都已锁单到2028年。“模型以下”之所以成为利润变量，还因为AI工作负载不是一块均匀的计算。随附的PIC与SRAM材料把这条链条补得很清楚：Prefill偏计算密集；Decode中的Attention要反复读取KVCache，更受内存容量与带宽约束；FFN又大量读取权重。SRAM适合低延迟和高带宽访问，却难以独自容纳不断扩大的KVCache；HBM容量更大，但数据在芯片、机架和数据中心之间移动时，互联功耗与距离又会成为新约束。铜互联触及信号完整性、线缆体积和能耗边界后，光互联便会从Scale-out继续向Scale-up和封装附近推进。这里没有一颗芯片能够单独解决问题，上一层优化总会把压力传给下一层。这也是视频中“每个模型定制一颗ASIC”最需要谨慎的地方。a16z用一个上限测算说明其可能性：训练一个前沿模型耗资30亿至50亿美元，假设推理收入达到100亿美元，20%的效率价值就足以覆盖20亿美元的ASIC开发。但20%的效率提升不等于能直接节省20%的收入，模型架构、上下文长度、批量、算子和服务流量也会在Tape-out、量产与验证期间继续变化。更可能出现的路线，是面向一组稳定工作负载的平台级ASIC，再用异构系统分别处理Prefill、Attention和FFN。定制单位不会无限收缩到单一模型，而会停在足以摊薄研发成本、又能保留优化空间的平台层。这会把竞争从“谁有一颗更快的芯片”推向“谁能交付一套可复用的系统”。Alphabet销售TPU系统、Amazon把自研芯片变成云端收入，意味着CSP开始具备商用基础设施平台的角色，与NVIDIA式全栈平台形成新的正面重叠。对创业公司而言，仅有一项器件指标远远不够；它还要解决封装、编译器、互联、供应链、客户验证和量产。对HBM、PIC、CPO、SRAM加速器等环节而言，需求增长也不自动等于利润增长，价值最终取决于它是否占据难以替换的系统瓶颈，以及能否通过标准、良率、认证或软件协同留住议价权。a16z最薄弱的前提仍是“需求无限”。[IEA的2026年更新显示，2025年全球数据中心用电量为485TWh，预计2030年增至约950TWh，以AI为主的数据中心用电同期可能增长至三倍；但近年单个AI任务的耗电量至少每年下降一个数量级]，资本开支的持续性将对利用率、投资回报和融资环境高度敏感。效率提升与总需求扩张可以同时发生，却不保证每一轮提前建设都能兑现回报。[按Amazon口径，截至2026年6月底的过去十二个月自由现金流已转为流出76亿美元]，公司明确把主要原因指向以AI为主的物业和设备投入增加。这不是需求崩塌的证据，却说明现金回收已经成为和供给同样重要的约束。因此，接下来最值得跟踪的不是Token总量还会增长多少，也不是资本开支能否再创纪录，而是这批专有系统能否跨过“内部好用、外部难卖”的边界。若到2027年，TPU系统销售仍不成规模，芯片runrate无法转化为可持续的确认收入与利润，同时利用率和云业务毛利被折旧持续侵蚀，那么MachineAge更像一场供给短缺交易；反之，芯片、编译器、互联和运维被封装成多个客户愿意长期采购的平台，硬件才真正重新获得软件时代曾经独享的复用经济。到那时，芯片公司、云厂商和系统厂商的边界会进一步模糊。领先者未必拥有每一项最强的器件，而是能把局部的物理效率，稳定变成客户可以买到的“每个有用任务成本下降”。这才是a16z所谓“机器时代”比一轮缺货周期更值得重视的部分。

问题是为什么要让一个电商平台年赚千亿？而不让一万家平台年赚百亿？这是为什么？大家好好想想正常吗？一个平台的巨大收益背后，到底藏着怎样的商业逻辑？未来的竞争，拼的可能不只是卖货能力，而是谁掌握了数字时代的基础设施。很多人看到电商平台一年赚取巨额利润时，第一反应是疑问：为什么财富会集中到少数几个超级平台手里？如果把市场拆散，让更多企业获得机会，是不是会带来更健康的竞争？这个问题表面看是在讨论利润分配，实际上触碰的是互联网时代最核心的资源分配方式。过去几十年，全球商业规则发生了一次巨大变化。工业时代，企业比拼的是工厂、设备、渠道和资本；进入互联网时代，企业争夺的是用户入口、数据规模、技术能力和生态控制力。一个拥有数亿用户的平台，它创造的价值并不只是商品交易本身，而是一整套连接消费者、商家、物流、支付、金融和技术服务的系统。这也是为什么超级平台能够产生远超传统企业的利润。它们不是简单开了一家更大的商场，而是在数字世界里修建了一条高速公路。当越来越多的人、企业和商品进入这条道路，平台自身的边际成本不断降低，规模优势会越来越明显。但问题也随之出现。互联网经济的特点，就是容易形成强者越强的局面。早期平台为了扩大市场，会投入大量资金补贴用户、扶持商家、建设基础设施。等生态成熟后，流量入口和用户习惯已经形成，新进入者想复制同样的规模，需要付出更高成本。所以，“为什么不是一万家平台各赚百亿”的背后，本质上是一个技术时代的问题。不是简单地让谁赚钱，而是市场是否存在足够多可以支撑大型生态的基础条件。一个平台能够达到千亿级利润，依靠的是千万商家、亿级消费者、庞大供应链和多年技术积累共同形成的网络效应。中国互联网产业的发展路径，也说明了这个规律。从电商到移动支付，从即时配送到云计算，中国平台企业经历了高速扩张阶段，也逐渐进入更加重视技术投入和产业赋能的新阶段。过去依靠流量增长的模式正在改变，人工智能、大数据、智能物流成为新的竞争方向。特别是在2026年的科技竞争环境下，平台价值已经不只是商业问题，而是产业能力的一部分。全球范围内，美国科技巨头依靠操作系统、云服务、芯片生态和人工智能模型建立优势，中国企业则需要在应用场景、制造体系和产业链协同方面寻找突破。很多人只看到电商平台赚了多少钱，却忽略了背后的投入规模。一套覆盖全国甚至全球的交易系统，需要持续投入服务器、算法、物流网络、安全体系和人工智能技术。没有长期资本投入，很难形成这样的数字基础设施。但与此同时，超级平台也必须面对新的挑战。市场需要活力，不能只有几个巨头掌握所有资源。如果平台利用优势限制创新、挤压中小企业空间，就会削弱整个产业生态。因此，如何在效率和公平之间找到平衡，是全球数字经济都在探索的问题。对于中国而言，未来真正重要的不是简单限制大平台，也不是放任平台无限扩张，而是推动平台从“流量中心”转向“产业服务中心”。让大型企业带动供应链升级，让中小企业借助数字工具成长，这才符合产业发展的方向。从全球竞争来看，未来的平台战争也正在发生变化。过去比的是谁拥有更多消费者，现在比的是谁能把人工智能、制造业、物流体系和商业场景结合起来。一个平台如果只是卖商品，它的价值会不断下降；如果能够推动整个产业效率提升，它的竞争力才会持续增强。

摩根大通刚刚绘制出人工智能热潮背后循环融资的地图。超大规模云服务商（$MSFT、$GOOG、$AMZN、$META、$ORCL）已向OpenAI、Anthropic、xAI及其合作伙伴注入了460亿美元的股权资金……同时锁定8790亿美元的多年采购承诺，用于购买这些实验室所提供的精确云服务、芯片和服务。他们在资助这些公司，然后再从它们手中买回一切。这个循环每天都在扩大。