AI观测站-AI Observatory

🧠 本期要点 1) 英伟达CEO黄仁勋首次确认三星电子、SK海力士和美光获准为Vera Rubin平台供应HBM4内存，但认证和良率尚未锁定。 2) 韩国股市Kospi今年近乎翻倍，三星电子和SK海力士上月市值均超1万亿美元，黄仁勋在Computex上强调韩国制造能力与机器人合作。 3) 华为、河套机构、哈工大深圳和深圳大数据研究院用国产芯片对DeepSeek模型完成全参数后训练，提升了模型自我反思和调整能力。 4) OpenAI发布Codex桌面应用，支持并行处理多线程和Git版本管理，CEO Sam Altman称ChatGPT可构建网页应用并升级记忆功能。 5) Anthropic的Claude Code页面显示，Ramp公司接入后事故调查时间减少80%，非工程团队可用自然语言查询数据仓库。 6) 美国5月裁员超9.7万人，AI被列为裁员主因的比例达40%，前五个月归因AI的裁员达87714人，高于2025年全年。 7) 机器人公司GENISOM AI在ICRA 2026展示可部署平台，自2023年12月成立以来生产交付超1万台机器人，定位类似宇树科技。 8) 英伟达在底层供给上锁定内存供应商，华为推动国产芯片从推理转向后训练，OpenAI和Anthropic重写软件工作流程。 9) 云厂商和模型公司关注算力供应链的认证、良率和交付，员工面临公司用AI重新计量岗位交付量的风险。 10) 机器人竞争从演示视频转向生产、交付和维护，制造企业关注售后、备件和软件升级的可行性。 ⏱ 时间线 00:03 一边是英伟达把下一代内存供应商点名，一边是公司把裁员理由越来越多写成AI。 00:23 先看最底层的供给。 00:49 这件事重要，不只是因为三家公司拿到了入场券。 01:12 边界要讲清楚：获准供应不等于三家公司未来份额已经锁死，也不等于 HBM4 明天就能大规模出货。 01:39 第二条转到中国。 02:07 报道里的一个说法很有意思：过去国产算力更多用于推理，好比模型收到问题、给出答案的一条单行道；这次后训练让模型能自我反思和调整，计算和通信需求会成倍增加。 02:43 第三条看软件入口。 03:13 同一时间，OpenAI 首席执行官 Sam Altman 在 X 上说，ChatGPT 已经可以构建并发布网页应用，也宣布记忆功能当天开始升级。 03:51 第四条接着看 Anthropic，一家头部模型公司。 04:24 这里的80%是一个客户案例，不是所有公司的平均提升，也不代表接入以后就没有安全和权限成本。 04:55 第五条说一个更贴近普通人的数字。 05:31 这个数字冲击很强，但不能简单读成“AI已经亲手替掉了87714个岗位”。 05:59 最后看机器人。 06:25 这条来源是行业媒体的赞助内容，所以不能把它当成独立审计过的出货报告。 06:56 今天这些消息串起来，AI产业正在往两个方向同时走。

AI的爆炸式增长正面临物理和财务上的多重瓶颈。其中，数据中心日益增长的电力消耗已达到惊人水平，促使AI巨头寻求虚拟电厂和核能解决方案。同时，AI集群对数据传输的需求超越铜缆极限，使得光互连成为关键投资方向。此外，巨大的基础设施投入导致AI领域并购冷却，改变了初创公司的发展路径。 电力与能耗瓶颈 * 全球数据中心用电量已超过除10个国家外所有国家的总和（去年为448太瓦时），预计到2030年将翻倍。 * Google与Voltus公司签订虚拟电厂协议，通过聚合分散能源获取100兆瓦电力，并承诺支付100%电费。 * AI公司因电网扩容周期长（5-10年）而无法等待，Google和亚马逊等正探索核能，Google已与Kairos Power签约采用小型模块化反应堆（SMR）。 数据传输与光互连 * 英伟达CEO黄仁勋指出“光比铜好”，认为光纤是未来AI数据中心架构的关键。 * 英伟达已投资45亿美元于光通信公司（Lumentum, Coherent, Corning），以解决AI集群日益增长的数据量瓶颈。 * 铜缆在短距离、机柜内部仍有优势，但长距离或高带宽需求下必须使用光纤。 * AI的瓶颈已从GPU算力转向内存带宽和光互连。 资金投入与行业格局 * 四大云厂商（Google、微软、亚马逊、Meta）预计今年将在AI基础设施上投入近6000亿美元。 * AI领域的并购市场趋冷（2024年仅7笔），大厂倾向于将资金投入自身基础设施建设而非外部收购。 * 这对AI初创公司意味着退出路径变窄，可能需要寻求更大的战略投资或独立上市。

🧠 本期要点 1) PitchBook 6月4日报告显示，Google、Microsoft、Amazon和Meta四家美国科技巨头2026年AI基础设施支出预计达6000亿美元。 2) Google于6月4日被POWER Magazine报道在得州狭长地带启动超1吉瓦（100万千瓦）数据中心与发电综合体，其3月签署白宫费率保护承诺。 3) 联合国大学6月4日报告指出，全球数据中心用电量已超过除10个国家外的所有国家；其二氧化碳排放量与阿根廷相当；预测未来四年数据中心用电、用水及污染将翻倍。 4) 台积电（TSMC）6月4日被Yahoo Finance援引警告称，芯片供应在未来几年内无法满足AI需求；其4月上调全年销售指引，资本开支或逼近560亿美元上限。 5) Anthropic工程博客《How we contain Claude across products》披露，12个月前公司拒绝授予Claude关闭内部服务的权限。 6) Anthropic强调，随着Claude承担更多任务，权限控制重点转向限制单次错误损害范围；风险评估聚焦于出错概率与潜在影响边界，而非仅模型回答能力。 7) Generalist于6月4日获融资4亿美元。 8) Microsoft持有OpenAI近30%股权；Meta向Scale AI投资143亿美元；PitchBook将后者视为基础设施保障型投入，而非普通并购。 9) Google在PJM电力市场部署100兆瓦虚拟电厂项目；新进展是将机房、发电与电力调度整合进同一设计框架，而非仅采购电力。 10) 全球数据中心用电统计涵盖云计算、企业IT与AI扩张整体；AI正将后台成本问题推向电网运营商、水资源管理者及社区居民等公共决策层面。 ⏱ 时间线 00:03 当人工智能公司不再只抢模型跑分，而是抢电、抢芯片、抢安全边界，谁会先被挤出牌桌？ 00:24 先看资本怎么投票。 00:52 这个对比很有意思。 01:17 口径要讲清楚：6000亿美元是预测支出，不是已经花完的钱，也不是AI收入。 01:41 第二条接着看电。 02:09 需求响应翻成人话，就是电网紧张时，数据中心可以把一部分计算任务错开，或者临时降负荷。 02:30 边界也要说明。 02:54 第三条仍然是机房，但换一个角度。 03:19 这个数字听起来很冲击，但它不是只统计生成式AI，也不是说所有数据中心明天都会翻倍。 03:46 第四条看芯片供给。 04:09 这里的560亿美元是资本开支预测上限，不等于已经变成新增产能。 04:47 第五条转向智能体。 05:13 听起来像一次很激进的放权，但Anthropic强调的不是“随便放开”，而是限制损害范围。 05:48 最后看一笔融资。 06:12 融资金额不等于收入，也不等于产品已经大规模商业化。 06:47 今天这些消息合在一起，AI产业正在从“谁更聪明”，走向“谁更能承担运行后果”。

全球四大科技巨头计划在未来五年内投入5.3万亿美元建设AI基础设施，主要通过私人基金和REITs等方式融资，引发了对AI应用盈利能力和成本转嫁的担忧。与此同时，欧盟为应对外部供应商风险，推出了“技术主权”计划，旨在实现芯片和云服务的自主可控；而AI需求也正推动HBM市场蓬勃发展，并导致消费级内存价格飙升。最终，消费者、中小企业及部分云厂商可能将为这笔巨额投资及其可能产生的“沉没成本”买单。 全球AI基础设施的巨额投资 * 投资规模与预测上调： 四大科技公司计划未来五年投入5.3万亿美元用于AI基础设施建设，该预测由高盛从4.5万亿上调，其中2026年一年将支出7250亿美元。 * 创新融资模式： 私人基础设施基金和房地产信托基金（REITs）预计将入场，将数据中心视为“数字房地产”进行融资。 * 市场担忧与成本转嫁： 对AI应用能否赚回巨额投资存在疑问，且算力租赁价格上涨趋势可能将高昂成本转嫁给中小企业。 欧盟的技术主权战略 * 政策框架： 欧盟发布“技术主权”一揽子计划，核心包括《云与AI发展法案》和《芯片法案2.0》。 * 战略目标： 旨在到2030年将欧盟半导体全球市占率从10%翻倍至20%，并培育本土冠军企业，实现芯片自主。 * 驱动因素： 核心动机是规避外部供应商可能设置的“kill switch”风险，避免在关键技术上被“卡脖子”。 * 潜在挑战： 自主生产可能导致更高的成本，进而推高欧洲本土AI服务的价格。 AI需求对内存市场的影响 * HBM市场爆发： 高带宽内存（HBM）需求激增，SK海力士计划五年内HBM产能翻倍，SK海力士、三星、美光三家HBM巨头均已进入万亿市值俱乐部。 * 消费级内存受挤压： AI对算力的巨大需求正在吞噬消费级内存产能，导致DDR5等普通内存价格显著上涨（例如DDR5涨至375美元），PC玩家正间接为AI买单。 * 供需持续紧张： 尽管HBM产能持续扩张，但AI需求增长可能更快，预计供不应求的局面仍将持续。 巨额投入的潜在风险与成本承担 * 最终买单方： 消费者、初创公司和过度杠杆化的二线云厂商可能成为这笔巨额AI投资的最终承担者。 * 沉没成本风险： 5.3万亿美元的投入中，一部分资金可能在未来成为沉没成本，例如2028年回看，高价抢购的GPU可能贬值一半。 * 主要受益者： 生产AI所需硬件的“卖铲子”公司，如NVIDIA和SK海力士，将是本轮投资中的主要盈利者。