亚马逊一家云计算巨头每年在数据中心基础设施上的资本支出就超过1000亿美元,这个数字大致相当于哥斯达黎加的整个GDP,甚至超过了卢森堡或立陶宛的GDP总量。
据研究机构Omdia的数据显示,其他主要云计算厂商的投资规模同样惊人:谷歌的资本支出达到820亿美元,超过了斯洛文尼亚的经济体量;微软投入750亿美元,超过乌干达的GDP;Meta投资690亿美元,超过巴林的经济产出。
Omdia预测,2025年全球数据中心资本支出将突破6570亿美元,这意味着自2023年的3300亿美元以来,投资规模几乎翻了一倍。
这些令人震惊的数字主要源于企业对计算能力的持续渴求,以推动AI开发,期望未来能够获得回报。尽管麦肯锡公司今年早些时候的报告显示,许多企业高管对当前在AI基础设施上的大量投资能否在短期内产生可衡量的投资回报持怀疑态度。
Meta在第二季度财报中也透露,为其推荐系统提供动力的传统机器学习模型正在带来利润,而非公司的生成式 AI项目。
然而,数据中心运营商很乐意为那些不断要求更多AI功能基础设施的客户提供服务,这正是"淘金热中卖铲子"的绝佳例子。
在其最新的云计算和数据中心市场快照中,Omdia表示,至少在短期内,对AI计算资源的需求继续超过供应。最近推出的GPT-5等更新、更大模型的开发正在推动训练需求。
同时,AI的广泛采用正在推动推理需求。Omdia声称,发达经济体的大部分人口都在某种程度上使用AI,仅ChatGPT用户就超过7亿,每日访问量超过1.2亿次。
深入分析数据中心投资,Omdia表示,在未来几年内,IT设备仍将是数据中心成本清单上的最大项目。即便如此,物理基础设施的支出增长速度会更快,这是由于需要在发电、配电和热管理方面采用新解决方案,以应对那些高温大功耗的AI服务器。
数据中心机架的计算密度正呈指数级增长,这需要在冷却和供电方面进行"重大而持续的创新",而所有这些IT基础设施所需的能源很可能促使运营商投资现场发电设备和微电网即服务。后者是指服务公司为数据中心运营商提供现场发电服务。
展望未来,Omdia表示数据中心建设的速度正在加快,最大站点的容量正在扩大,多吉瓦设施(相当于加拿大等国家的整个当前容量)正在出现。
这些项目已经在筹备中。Meta已经宣布了几个多吉瓦园区,计划从2026年开始上线,而德勤洞察最近的一份报告声称,一些目前处于早期规划阶段的站点可能会超过5吉瓦。
Q&A
Q1:数据中心投资规模有多大?
A:根据Omdia的数据,仅亚马逊一家的年度数据中心资本支出就超过1000亿美元,相当于哥斯达黎加的整个GDP。全球数据中心资本支出预计2025年将突破6570亿美元,比2023年的3300亿美元几乎翻了一倍。
Q2:为什么数据中心投资增长这么快?
A:主要原因是企业对计算能力的持续需求,以推动AI开发。新型大语言模型如GPT-5的开发推动了训练需求,同时AI的广泛采用(如ChatGPT用户超过7亿)也推动了推理需求,导致对AI计算资源的需求持续超过供应。
Q3:未来数据中心会有什么变化?
A:数据中心建设速度正在加快,规模也在扩大。未来将出现多吉瓦级别的超大型设施,Meta已计划从2026年开始建设几个多吉瓦园区,一些规划中的项目甚至可能超过5吉瓦,相当于加拿大等国家的整个电力容量。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。