甲骨文正在經(jīng)歷其歷史上規(guī)模最大的重組。

這家軟件巨頭，計劃投入高達16億美元的重組成本，包括向離職員工支付遣散費。這次重組的規(guī)模遠超甲骨文此前披露的任何類似計劃。加利福尼亞州和華盛頓州最近的WARN文件顯示，已有超過500名員工收到裁員通知，而實際影響的員工數(shù)量可能超過3000人。

重組的背后是甲骨文業(yè)務(wù)重心的根本性轉(zhuǎn)變，公司正從傳統(tǒng)軟件制造商轉(zhuǎn)型為AI基礎(chǔ)設(shè)施提供商。為了履行與OpenAI和Meta等公司簽署的大規(guī)模云基礎(chǔ)設(shè)施協(xié)議，甲骨文需要租賃數(shù)據(jù)中心，配置先進的英偉達芯片，并為這些設(shè)施供電。

根據(jù)彭博一致預期估算，甲骨文未來幾年將投入數(shù)千億美元用于基礎(chǔ)設(shè)施建設(shè)。僅在德克薩斯州西部的一個數(shù)據(jù)中心，甲骨文就計劃每年投入超過10億美元用于現(xiàn)場燃氣發(fā)電。

這些巨額投資使得甲骨文的現(xiàn)金流在2025年首次轉(zhuǎn)為負值，這也是該公司自1992年以來的首次為負。分析師預計這一指標在未來一年將繼續(xù)惡化，直到2029年才能重新轉(zhuǎn)正。

01

甲骨文的經(jīng)歷并非個例。微軟在投入數(shù)百億美元建設(shè)數(shù)據(jù)中心并承諾控制成本后，今年裁員約15000人。通過裁員來抵消AI投資成本，已經(jīng)成為主要科技公司普遍采用的策略。根據(jù)行業(yè)追蹤平臺Layoffs.fyi的數(shù)據(jù)，2025年前三個季度已有超過83000名科技工作者失業(yè)，涉及194家公司。

甲骨文多年來在競爭激烈的云基礎(chǔ)設(shè)施市場中遠遠落后于前三大供應(yīng)商亞馬遜、微軟和谷歌。如今簽署了重要的云協(xié)議，作為前期成本的“負現(xiàn)金流”就成為了入場門票。

甲骨文的股價在2025年上漲近90%，既有可能超過自1999年以來的最佳年度表現(xiàn)。根據(jù)Forrester的預測，甲骨文將花費16億美元進行重組，截至8月31日僅花費了4.15億美元，以用于給予那些被辭退的員工，而12月底還將有大約10000個職位面臨裁減。

AI基礎(chǔ)設(shè)施建設(shè)的邏輯與傳統(tǒng)軟件開發(fā)截然不同。軟件可以快速迭代，應(yīng)用可以靈活部署，但數(shù)據(jù)中心建設(shè)需要長期規(guī)劃，芯片采購需要提前預訂，電力供應(yīng)需要穩(wěn)定保障。當軟件的發(fā)展速度遠超硬件的供給能力時，整個產(chǎn)業(yè)就會遭遇基礎(chǔ)設(shè)施瓶頸的根本性制約。

甲骨文2025年9月10日發(fā)布的財報數(shù)據(jù)為這個問題提供了最直觀的證明。4550億美元的訂單積壓，股價單日盤中暴漲41%，市值增加近千億美元。甲骨文的AI基礎(chǔ)設(shè)施收入實現(xiàn)了55%的顯著增長。公司預計這一增長勢頭將持續(xù)，并預測本財年該業(yè)務(wù)收入將達到180億美元，五年內(nèi)將達到1440億美元。

事實上，雖然訂單業(yè)的數(shù)額很大，但理解起來并不復雜。就拿甲骨文和OpenAI的大訂單為例，甲骨文主要提供OpenAI提供數(shù)據(jù)中心，讓OpenAI可以把數(shù)以PB級別的原始數(shù)據(jù)放在這個數(shù)據(jù)中心的數(shù)據(jù)庫里。

這些數(shù)據(jù)結(jié)構(gòu)包括文本、代碼、JSON文件，還有圖片。OpenAI要對這些原始數(shù)據(jù)進行清洗、去重、標注和格式化，進而訓練自己的大模型。于是甲骨文就要提供一個足夠大的數(shù)據(jù)庫，以存儲這些數(shù)據(jù)。

然而還有一個問題，大模型并不能直接理解數(shù)據(jù)，它只能理解Tokens。所以甲骨文還要通過這個數(shù)據(jù)庫，將所有的原始數(shù)據(jù)轉(zhuǎn)換為Tokens，將其“向量化”，因此這個數(shù)據(jù)庫也被稱作是向量數(shù)據(jù)庫。

甲骨文的數(shù)據(jù)中心另一大作用就是幫助OpenAI實現(xiàn)調(diào)用。因為一個萬億參數(shù)的模型本身可能就占用數(shù)TB的顯存。沒有任何單一的GPU能裝下它。因此，模型被“切片”后，分布加載到這4096個GPU的顯存中。

那么，當OpenAI請求一個例如包含4096個NVIDIA H100 GPU的計算集群，那么甲骨文的數(shù)據(jù)中心就要能第一時間響應(yīng)這個請求，點亮并調(diào)用這些GPU。

財報顯示，甲骨文與亞馬遜、谷歌和微軟合作的多云數(shù)據(jù)庫服務(wù)收入增長率高達1529%。更夸張地是，甲骨文最近還和OpenAI簽署的協(xié)議價值高達3000億美元。

甲骨文現(xiàn)在要做的，是新一代的AI基礎(chǔ)設(shè)施。以O(shè)racle AI Database為例。這個產(chǎn)品可以讓客戶在甲骨文數(shù)據(jù)庫上直接使用各種大型語言模型，因此，客戶不需要單獨采購計算資源、存儲資源和AI模型，跳過了原先復雜的部署階段。

這種數(shù)據(jù)庫與AI模型的深度集成代表了基礎(chǔ)設(shè)施服務(wù)的新方向，不再是簡單的計算資源租賃，而是提供完整的AI解決方案平臺。通過將企業(yè)數(shù)據(jù)進行向量化處理，使ChatGPT、Gemini等主流大模型能夠輕松理解和運用企業(yè)數(shù)據(jù)。

甲骨文的成功揭示了AI基礎(chǔ)設(shè)施競爭的新邏輯。甲骨文首席財務(wù)官Safra Catz透露，公司能夠在一周內(nèi)完成客戶原本預期需要數(shù)月時間的大型數(shù)據(jù)中心交付。能與OpenAI、xAI和Meta等AI巨頭簽署數(shù)十億美元合同，快速交付和成本優(yōu)化才是關(guān)鍵因素。

什么叫成本優(yōu)化呢？

數(shù)據(jù)中心的地理分布和網(wǎng)絡(luò)架構(gòu)設(shè)計對AI應(yīng)用的性能影響巨大。AI訓練需要大量數(shù)據(jù)在不同節(jié)點間傳輸，推理服務(wù)需要低延遲的響應(yīng)能力。甲骨文通過優(yōu)化數(shù)據(jù)中心的網(wǎng)絡(luò)拓撲和互聯(lián)架構(gòu)，實現(xiàn)了更高的數(shù)據(jù)傳輸效率和更低的延遲表現(xiàn)。

甲骨文的網(wǎng)絡(luò)數(shù)據(jù)傳輸速度優(yōu)勢，使得按小時計費的客戶成本減半。

這無疑不再釋放著一個信號：行業(yè)不再僅僅圍繞模型發(fā)布或消費者應(yīng)用，AI基礎(chǔ)設(shè)施成為了最重要的參考系。

當海外云巨頭還在為產(chǎn)能不足發(fā)愁時，甲骨文通過更高效的資源調(diào)度和更靈活的部署模式，成功搶占了市場份額。在這個需求爆發(fā)式增長、供給嚴重不足的時代，甲骨文的成功本質(zhì)上是基礎(chǔ)設(shè)施稀缺的直接體現(xiàn)。

表面上看，海外云巨頭都在創(chuàng)造訂單奇跡。根據(jù)Canalys的最新數(shù)據(jù)，全球云基礎(chǔ)設(shè)施支出在2025年第二季度同比增長22%，達到953億美元，這是連續(xù)第四個季度增長超過20%。谷歌云1060億美元訂單積壓，微軟Azure 3680億美元履約義務(wù)，AWS 1950億美元訂單積壓。

表面上看，巨額訂單積壓，表明市場對產(chǎn)品或服務(wù)的旺盛需求。然而事實卻恰恰相反。

AWS公司管理層明確表示，需要幾個季度的時間才能重新平衡供需關(guān)系。就相當于現(xiàn)在下單，要到2025年底或2026年初才能完工。微軟則至少要到2026年上半年才能完工。

AI基礎(chǔ)設(shè)施的核心在于計算資源的高效調(diào)度和數(shù)據(jù)處理能力的優(yōu)化。傳統(tǒng)的云服務(wù)更多關(guān)注存儲和網(wǎng)絡(luò)，而AI基礎(chǔ)設(shè)施需要專門針對機器學習工作負載進行優(yōu)化。這包括GPU集群的管理、模型訓練的資源分配、推理服務(wù)的負載均衡等專業(yè)能力。

也正是因此，海外云巨頭正在經(jīng)歷一場史無前例的產(chǎn)能危機，手握大量訂單卻無法及時交付。

02

2025年9月，螞蟻數(shù)科在外灘大會上宣布推出按“效果付費”的新型商業(yè)模式，支持企業(yè)客戶根據(jù)大模型應(yīng)用的實際效果來付費，而非傳統(tǒng)的項目制或訂閱制模式。

傳統(tǒng)云服務(wù)的商業(yè)邏輯正在被AI應(yīng)用徹底顛覆。客戶關(guān)注的不再是租用了多少臺服務(wù)器，而是完成了多少次模型訓練或處理了多少推理請求。

在傳統(tǒng)云服務(wù)模式下，企業(yè)按照CPU核數(shù)、內(nèi)存容量、存儲空間等硬件資源付費。但AI應(yīng)用的特殊性在于，相同的硬件配置在不同場景下的實際效果可能相差數(shù)倍。一次GPT-4級別的大模型訓練可能需要數(shù)千張GPU卡運行數(shù)周，而同樣的硬件用于推理服務(wù)可能每秒處理數(shù)百次請求。

AI模型訓練過程可能持續(xù)數(shù)天甚至數(shù)周，任何中斷都會造成巨大損失。推理服務(wù)需要7x24小時穩(wěn)定運行，任何故障都會直接影響業(yè)務(wù)連續(xù)性。這要求AI基礎(chǔ)設(shè)施具備更強的容錯能力、更快的故障恢復能力和更完善的監(jiān)控預警機制。AI基礎(chǔ)設(shè)施的安全性和可靠性要求遠超傳統(tǒng)云服務(wù)。

這種差異催生了全新的計費模式?？蛻糸_始按照“訓練完成的模型數(shù)量”、“推理請求的處理次數(shù)”、“模型精度的提升幅度”等實際業(yè)務(wù)指標付費。

“按效付費”模式正在成為行業(yè)新標準。

亞馬遜計劃在2025年的資本支出超過1000億美元，重點不再是簡單的服務(wù)器擴容，而是針對AI工作負載的專門優(yōu)化。這包括定制AI訓練芯片Amazon Trainium和Inferentia的大規(guī)模部署，以及在美國超過300億美元的新一代數(shù)據(jù)中心投資。

微軟宣布的800億美元基礎(chǔ)設(shè)施擴張計劃，核心是構(gòu)建“AI-first”的云服務(wù)架構(gòu)。不同于傳統(tǒng)數(shù)據(jù)中心的通用計算能力，新架構(gòu)專門針對大模型訓練和推理場景進行優(yōu)化，能夠顯著提升AI任務(wù)的執(zhí)行效率。

谷歌將2025年資本支出目標從750億美元提高到850億美元，增量部分主要用于TPU集群擴建和AI專用網(wǎng)絡(luò)架構(gòu)升級。

不過我們得認清一個事實，產(chǎn)能危機的根源在于AI基礎(chǔ)設(shè)施的特殊性需求。與傳統(tǒng)云服務(wù)不同，AI基礎(chǔ)設(shè)施需要專門的GPU集群管理、模型訓練的資源分配、推理服務(wù)的負載均衡等專業(yè)能力。這些需求無法通過簡單的橫向擴展來滿足，而需要針對性的架構(gòu)設(shè)計和硬件配置。

更嚴重的是，AI基礎(chǔ)設(shè)施面臨多重供應(yīng)鏈瓶頸。英偉達GPU短缺、臺積電CoWoS封裝產(chǎn)能不足、數(shù)據(jù)中心電力供應(yīng)緊張等問題相互疊加，形成了系統(tǒng)性的供應(yīng)制約。即使云巨頭擁有充足的資金，也難以在短期內(nèi)大幅擴充有效產(chǎn)能。

03

2024年10月，美國商務(wù)部進一步收緊對華芯片出口管制，英偉達H20芯片面臨停產(chǎn)風險。這款專門為中國市場設(shè)計的閹割版芯片，性能相比H100大幅削減，但仍然是中國企業(yè)能夠合法采購的最先進AI芯片之一。

時間來到2025年的7月15日，黃仁勛在中國高調(diào)宣布，美國政府已批準英偉達H20芯片在華銷售許可，并表示“中國市場規(guī)模龐大、充滿活力且極具創(chuàng)新性，美國企業(yè)扎根中國市場的確至關(guān)重要”。

半個月后，國家互聯(lián)網(wǎng)信息辦公室約談英偉達公司，要求其就對華銷售的H20算力芯片漏洞后門安全風險問題進行說明并提交相關(guān)證明材料。網(wǎng)信辦指出，美國議員曾呼吁要求美出口的先進芯片必須配備追蹤定位功能，美國人工智能領(lǐng)域?qū)＜彝嘎队ミ_算力芯片追蹤定位和遠程關(guān)閉技術(shù)已經(jīng)成熟。

這次約談并非空穴來風。2025年5月，美國眾議院提出《芯片安全法案》，要求美國商務(wù)部強制受出口管制的芯片植入位置驗證和遠程控制功能。7月，美國白宮發(fā)布《人工智能行動計劃》，要求企業(yè)建立芯片位置驗證機制，通過技術(shù)手段阻止高端AI計算芯片流入“密切關(guān)注國家”。

根據(jù)伯恩斯坦報告，2025年中國AI芯片市場規(guī)模達到380億美元，國產(chǎn)芯片銷售額從60億美元躍升至160億美元，市場占比從29%提升到42%。

國產(chǎn)AI芯片雖然數(shù)量增長迅速，但配套體系還不夠完善。大多數(shù)企業(yè)在選擇AI基礎(chǔ)設(shè)施時，需要對性能和成本進行權(quán)衡，一些關(guān)鍵的訓練，仍然離不開英偉達產(chǎn)品。

國產(chǎn)AI芯片的替代方案被統(tǒng)稱為“類CUDA”。這是因為英偉達為AI提供算力，需要通過物理設(shè)備GPU，以及軟件系統(tǒng)CUDA共同完成。沒有CUDA，GPU強大的并行計算能力就無法被釋放，對于AI開發(fā)者來說，沒有CUDA的GPU就是一塊廢鐵。

全球數(shù)百萬的AI開發(fā)者、科研人員都是在CUDA環(huán)境下學習和工作的。他們的代碼、項目、經(jīng)驗和習慣都和CUDA深度綁定，遷移到另一個平臺的學習成本和時間成本極高。

國內(nèi)的AI芯片廠商，比如華為的昇騰，百度的昆侖芯，他們造出的芯片，在理論峰值算力上可能已經(jīng)可以追趕甚至在某些指標上超越英偉達的同代產(chǎn)品，可在軟件生態(tài)上，必須向CUDA看齊。

但是CUDA不僅僅是一個編程框架，而是一個包含編譯器、調(diào)試器、性能分析工具、數(shù)學庫在內(nèi)的完整開發(fā)生態(tài)系統(tǒng)。英偉達用了17年時間構(gòu)建這個生態(tài)，中國企業(yè)想要做出一個包含編譯器、驅(qū)動，還有庫的軟件棧，去做CUDA平替，這是一個非常困難的事情。

英偉達下一代Vera Rubin系統(tǒng)將于2026年下半年上線，屆時性能優(yōu)勢將進一步擴大。如果國產(chǎn)AI芯片無法在CUDA生態(tài)替代上取得突破性進展，技術(shù)差距只會越來越大。

時間很緊迫！

歡迎在評論區(qū)留言~
如需開白請加小編微信：dongfangmark