鈦媒體生成式AI

英偉達百億掃貨暗光纖,AI算力之戰從硅片燒到管線

2026年7月25日 09:44
英偉達百億掃貨暗光纖,AI算力之戰從硅片燒到管線

重點摘要

英偉達被曝正在北美大規模收購與租賃暗光纖,預計未來三年投資高達50至100億美元,目的是防止自身生態被雲端巨頭管道化,搶先定義全棧AI基礎設施。此外,AI資料中心還面臨燃氣輪機、高壓變壓器、備用發電機與液冷設備等重重硬體瓶頸,算力競爭已從晶片設計延伸到對地下管線與重工業產能的掌控。

站內 AI 整理稿

英偉達正在北美低調且大規模地收購與租賃「暗光纖」資源,未來三年總投資規模預估高達 50 億至 100 億美元。這家市值數兆美元的半導體巨頭,被揭露將觸角伸向地底深處的通信管線,引發市場高度關注。Wolfe Research 與 Needham 等機構近期相繼發布研究報告,指出英偉達正透過供應鏈管道悄悄掃貨,但截至發稿前,英偉達官方並未正面回應。目前外界拼湊出的輪廓,多來自分析師對供應鏈訊號的交叉推斷。 所謂「暗光纖」,指的是電信業者在早期鋪設時預留、至今尚未通電激活的冗餘光纜線芯。英偉達過去長期扮演「賣鏟人」的角色,專注於提供 GPU 晶片,若真如報導所言親自下場購買底層物理網絡資產,將是一次極其反常的跨界行動。多數分析師認為,這背後並非單純的供應鏈採購,而是英偉達為了防止自身生態被「管道化」,正加速轉型為全端 AI 基礎設施定義者的關鍵防禦戰。 英偉達為何需要買下暗光纖?答案在於 AI 集群對網絡的極端嚴苛要求。大規模模型訓練需要成千上萬張 GPU 同步協作,節點間的數據交換一旦出現延遲,整座造價數億美元的集群就可能癱瘓。租用公共電信網絡,形同在尖峰時段與民用流量搶道;而買斷暗光纖,則等於鋪設一條完全獨佔的「私家高速公路」。不過,暗光纖本身只是尚未激活的物理線芯,要真正運轉數據,還得在兩端加裝波分複用設備與高速光模組,並搭配英偉達自家的 Spectrum-X 網路平台。 值得注意的是,長途光傳輸領域的設備商如 Ciena 等,將是這波投資的直接受益者。英偉達今年已分別向 Coherent 與 Lumentum 投入 20 億美元,並簽下多年採購協議,鎖定磷化銦晶圓、共封裝光學等計算側光互連器件。這些元件主要用於機架內與資料中心內部的通訊,與「點亮」長途暗光纖雖屬產業鏈上下游,但同樣歸屬於這波 AI 光通訊投資熱潮的受益範圍。 更深層的動機,是一場對抗雲端巨頭的防禦戰。微軟、谷歌、亞馬遜既是英偉達最大的客戶,也是最大的潛在威脅。它們正投入巨資自研 AI 晶片,試圖建構「晶片+網路+雲服務」的封閉閉環。英偉達若能掌握底層暗光纖網絡,就能向企業交付「GPU + 私有網絡」綁定的標準化 AI 工廠,同時藉此扶持新興 AI 雲服務商,繞開雲端巨頭的渠道封鎖。今年 3 月英偉達向 Nebius 投資 20 億美元,7 月揭露持股已達 9.3%,正是這一布局的具體落子。 這場博弈中的陣營遠比表面複雜。雲端巨頭資本雄厚,早已控制全球多數新建跨洋海纜,為擺脫算力瓶頸,它們一邊自研晶片,一邊與核電資產方簽訂長期購電協議鎖定電力。例如微軟與 Constellation 就三里島核電站重啟達成的協議,終極目標之一就是降低對英偉達的依賴。硬體廠商陣營裡,AMD、英特爾、博通是「超乙太網路聯盟」的核心參與者,這個由 Linux 基金會主導的組織,企圖用開放的乙太網路標準撼動英偉達 InfiniBand 的優勢地位。但 Meta 與 Microsoft 同樣是 UEC 創始成員,雲端巨頭一邊自建物理網絡與英偉達角力,一邊又與硬體商站在同一條開放標準戰線上,兩大陣營並非涇渭分明,反而互相交織。 夾在中間的英偉達,選擇用現金流鎖定暗光纖資源,試圖在自研晶片護城河被抹平之前,靠更強的物理層控制力守住話語權。真正的贏家可能是中立網路運營商。Lumen、Zayo 這類掌握全美地下管線的公司,近年已拿下數十億美元級別的定製網路合約。Lumen 揭露其「私有連接結構」業務累計合約已接近 130 億美元,一舉擺脫「夕陽資產」的舊標籤。Coherent、Lumentum、Ciena 等光模組與傳輸設備商同樣訂單看漲。相比之下,反應遲緩的傳統電信運營商,仍面臨被徹底「管道化」的風險。 暗光纖只是 AI 資料中心「物理圍城」最新暴露的一塊拼圖。如果把視野拉高,能看到更完整的圖景:AI 資料中心從取得電力、裝上設備到真正通電,幾乎每一步都撞上獨立的重資產瓶頸,而且每道坎都能對應到具體的設備和廠商。先從電力說起,十萬卡集群需要穩定自備電源,這個市場被 GE Vernova、西門子能源、三菱重工三家壟斷。GE Vernova 第二季財報顯示,公司整體在手訂單達 1760 億美元,其中燃氣設備專項產能儲備已達 116 吉瓦,年底目標提升至 125 吉瓦。西門子能源同期揭露整體積壓訂單約 1540 億歐元,燃氣輪機專項訂單約 60 吉瓦已簽約、另有 27 吉瓦已預定。多家企業高層公開表示,現在新下的重型燃氣輪機訂單,交付要等到 2028 到 2030 年,客戶普遍得等上 3 到 4 年。 就算弄到了燃氣輪機,下一道坎緊接著出現:高壓變壓器。2020 年前,一台大型電力變壓器交付週期約 24 到 30 個月;到 2026 年,已普遍拉長到 3 到 5 年。有機構統計,美國在建及規劃中的資料中心產能裡,超過一半可能因拿不到變壓器或開關櫃而延期。Hitachi Energy 執行長曾公開承認訂單「應接不暇」,為此追加 10 億美元擴產。ABB、西門子能源、GE Vernova 等廠商也在這輪變壓器荒中獲得明顯議價權。 電的問題還沒完,有了主電源,還得考慮「萬一停電」。大型資料中心通常還需柴油或燃氣發電機作為應急冗餘,市場主要由 Cummins、Caterpillar、Rehlko(原科勒工業發電業務,2024 年獨立後更名)、Generac 主導。據行業組織 Better Data Center Project 統計,資料中心最密集的維吉尼亞州,截至 2025 年底已獲批發電機組超過 1 萬台,合計銘牌容量約 2700 萬千瓦,這一數字相當於全美所有核電站總裝機容量的一半以上,足見單一區域內資料中心備用電源需求的驚人體量。 所有設備一通電,散熱就成為另一個矛盾。單機櫃功耗突破 100 千瓦後,風冷已難以為繼,行業轉向以冷卻分配單元、冷板為核心的直接液冷。這類設備市場預計將從 2025 年約 30 億美元增長到 2029 年 70 億美元,LiquidStack 等廠商今年已拿下單筆 300 兆瓦級訂單,同樣供不應求。與此同時,傳統蒸發冷卻塔耗水量大,德州、亞利桑那州等水資源緊張地區已要求項目方提交節水方案才能獲批,進一步推高了對低耗水閉式冷卻設備的需求,但這類設備成本更高、供應更緊張。 把這些瓶頸拼在一起,AI 資料中心早已不是「錢到位就能開工」的遊戲,而是要在四五個高度壟斷的重工業供應鏈裡同時搶排期。這也是為什麼越來越多新建集群被迫選址在遠離核心城市、但更靠近電力資源的偏遠地帶。機房位置越分散,就越依賴長途暗光纖連接,這正是英偉達暗光纖爭奪戰背後更宏觀的產業邏輯。從爭奪先進製程的晶圓,到布局地下沉睡的光纖,再到搶購燃氣輪機、變壓器、發電機與液冷設備,英偉達此番被曝出的跨界布局,無論細節最終如何被證實或修正,都指向一個明確趨勢:AI 時代的算力競爭,正越來越取決於對物理資源與重工業產能的掌控力,而不再只是晶片設計本身的領先優勢。

Related

相關文章

量子位生成式AI

具身智能的「ChatGPT時刻」還沒到,科沃斯先把機器人拆開了

科沃斯在蘇州成立「八界開源智創空間」,將旗下具身智能機器人「八界」的軟硬體全面開源,免費提供給開發者、學生與研究人員使用。這款機器人採用輪式底盤與機械臂設計,不以人形為訴求,而是專注於家庭空間的實際應用。科沃斯表示,具身智能的「ChatGPT時刻」尚未到來,希望透過開源共創,補足機器人對環境認知與場景適應的技術缺口。

1 小時前
鈦媒體生成式AI

AI下一步將邁向何方?一場正在發生的範式革命

AI下一步將邁向何方?一場正在發生的範式革命JHMS貝殼2026.07.25 19:33 · 來自上海全文2774字00:00 / 07:30當這場“革命”真正到來時,人類對“智能”的理解將被徹底刷新,它不再是快速執行命令的工具,而是能夠主動思考和探索未知的“大腦”。到那時,我們再回頭看今天的大模型競賽,或許就像今天回頭看當年的功能機之爭,聲勢浩大,卻遠不是終局。文 | JHMS貝殼2024年底,《美國天文學雜誌》發表了一篇論文。論文只有一位作者,不是資深教授,不是博士後,而是一名18歲的高中生。他利用一顆已退役的小行星觀測衛星留下的舊數據重新分析,最終發現了近150萬個此前從未被編目的天體。而這顆衛星當初的設計用途,甚至不是為了尋找這些天體。這是阿里雲創始人王堅在2026WAIC(世界人工智能大會)上講述的一個真實案例。開篇這個案例,跟大多數人理解的“AI”似乎沒什麼關係——不涉及大模型、不涉及算力、不涉及任何我們熟悉的AI標籤。但正是這個看似不相干的故事,指向了當前人工智能發展中最容易被忽視、也最可能引發下一輪變革的重要方向。一、驚人速度:但AI遠未觸及“智能”本質今天,討論人工智能幾乎不會讓任何人感到陌生。它可以回答問題、創作內容、編寫代碼、輔助辦公。CNNIC數據顯示,截至2025年12月,中國生成式人工智能用戶已達6.02億人,普及率42.8%。從2023年ChatGPT引爆公眾認知到42.8%的普及率,這條路只走了2年左右。在國內,從DeepSeek-R1模型問世算起,這個時間跨度更短,僅僅1年。回顧科技進程史,儘管革命性技術從問世到普遍應用的週期持續縮短,但同樣42%普及率,中國從1997年正式接入互聯網到2012年達到這個水平,用了整整15年。AI的普及速度不可謂不驚人。然而,一個值得正視的問題是:我們如今日常使用的AI,真的“智能”嗎?答案恐怕沒那麼樂觀。

1 小時前