微柔软砸下140亿美元， AI需求却像脱缰野马

微柔软最近交出的财报，像给AI买卖场扔了颗深厚水炸弹。资本支出同比飙升79%，达到140亿美元，这数字让2016年的记录都相形见绌。首席财务官艾米·胡德在

从GitHub到高大盛， AI助手渗透巨大厂的速度超想象

GitHub的客户数从上季度的130万猛增到180万，这玩意儿数字背后是AI编码助手在企业里的飞迅速渗透。高大盛集团用它来简化金融代码，福特汽车公司借助它优化生产程序，安永会计师事务所则用它处理审计数据。这些个巨大企业愿意掏钱订阅，看中的是AI能预测代码行、转换编程语言的能力。但问题来了——微柔软自己都算不过来账，GitHub的AI模型训练需要几许多GPU？客户的增加远速度，远超微柔软扩容的速度。就像一家餐厅一下子爆火，座位却不够坐，只能让排队的人干等着。

微软资本支出飙升79%，供应仍跟不上AI热潮需求

英伟达的GPU困局：巨大厂抢破头， 二手买卖场坐地起价

微柔软的供应焦虑，其实只是冰山一角。全球都在抢购英伟达的AI GPU，弄得供给端彻头彻尾跟不上需求。二手买卖场里一块H100 GPU的价钱被炒到原价的3倍，甚至有人囤货居奇。英伟达自己也在喊“不够用”，收入连续几个季度翻倍，却依然满足不了客户。作为英伟达的巨大客户，微柔软天然首当其冲。胡德提到，本季度资本支出会“巨大幅许多些”，基本上用于云基础设施，但这钱砸下去，短暂期内兴许还是杯水车薪。就像赶春运火车，车票再许多，也架不住人挤人。

亚马逊的263亿美元：AWS在AI赛道上的焦虑

微柔软不是孤军奋战。亚马逊2024年第四季度在资本支出上砸了263亿美元，绝巨大有些都给了AWS里的AI项目。亚马逊也警告，AI需求激增让云计算产能面临挑战，延迟得到结实件、电力不够的问题兴许随时爆发。Azure和AWS的比，已经从拼服务拼到了拼结实件。谁先解决算力供应问题，谁就能在AI时代占得先机。但现实是巨大厂们都在拼命砸钱，却像在黑中摸索，不晓得终点还有许多远。

算力短暂缺背后的三巨大隐形杀手：电力、 人才和架构

为啥钱花出去了供应还是跟不上？表面看是GPU不够，但深厚层次的问题更棘手。个杀手是架构。现有的数据中心架构， 是为老一套云计算设计的，要跑生成式AI，相当于让家用轿车拉货，勉有力能用，但效率极矮小。

高大盛的AI实践：算力不够， 就用“模型瘦身”

面对算力缺口，企业们开头各显神通。高大盛在2024年第二季度尝试用“模型瘦身”策略， 把巨大模型压缩成轻巧量化版本，虽然精度略有减少，但算力需求直接降了40%。福特汽车则把AI训练任务放在非高大峰时段，利用闲置算力节省本钱。这些个案例说明，供应问题不是无解，但需要企业调整策略。微柔软自己也在探索模型优化， 比如让Azure的AI服务支持混合计算，有些任务跑在云端，有些跑在边缘设备上。但这治标不治本，AI需求增加远的速度，远超手艺优化的速度。

巨大厂AI军备竞赛：是明智投钱还是盲目烧钱？

有人觉得， 微柔软、亚马逊巨大举投钱是明智之举，AI是以后的必争之地，眼下不布局，以后就没机会了。但不赞成的声音也不少许：这些个资本支出的回报周期有许多长远？万一AI烫潮降温，砸进去的钱会不会打水漂？特斯拉在发布财报后股价飙升22%，说明买卖场对AI依然充满信心，但这种信心能持续许多久？就像2000年的互联网泡沫，当时几许多公司烧钱抢赛道，再说说能活下来的寥寥无几。微柔软的资本支出飙升，到底是理性布局，还是被AI烫潮裹挟的无奈之举？

CoreWeave的AI GPU供应：巨大厂抱团的无奈选择

为了缓解GPU供应压力，微柔软开头和CoreWeave这样的AI云服务商一起干。CoreWeave专注于给GPU算力租赁，能帮微柔软飞迅速扩充产能。这种抱团取暖的方式，在行业里越来越常见。英伟达也向CoreWeave一巨大堆供应GPU，希望借助它的渠道满足客户需求。但问题是CoreWeave的产能有限，全球像它这样的服务商没几家，远水解不了近渴。巨大厂们只能一边一起干，一边自己砸钱建基础设施，这种再来一次建设，本身就是一种材料浪费。

以后三年：AI算力缺口会缩细小还是扩巨大？

微柔软预计以后2-3年将成为头部云AI投钱者， 2024年资本支出超700亿美元，2025年还会接着来增加远。但算力供应能不能跟上，要看三个变量：GPU产能、电力基础设施、手艺突破。英伟达正在加速新鲜一代GPU的研发，台积电也在扩产，但新鲜芯片量产至少许要到2025年下半年。电力方面可再生燃料的建设速度，赶不上数据中心扩张的速度。手艺突破方面如果量子计算或存算一体芯片能取得进展，或许能缓解算力压力。但在这些个变量落地前，AI算力缺口兴许还会持续扩巨大。

给中细小企业的觉得能：别跟风巨大厂， 找垂直场景破局

面对巨大厂的AI军备竞赛，中细小企业该怎么办？盲目跟风投入，只会被算力本钱压垮。更明智的做法是找垂直场景，比如专注于某个行业的AI应用，用轻巧量化模型少许些算力需求。比如一家做看病影像琢磨的细小公司，不需要通用巨大模型，只要优化特定算法，用一点点GPU就能跑起来。2024年上半年， 不少许垂直领域AI创业公司，通过这种方式实现了盈利，而那些个试图复制巨大厂路线的企业，巨大许多陷入了算力困境。AI烫潮里不是谁都能抢到肉，找准自己的位置更关键。

AI时代的算力打仗， 才刚刚开头

微柔软资本支出飙升79%，只是AI算力打仗的一个缩影。巨大厂们要么乘风破浪，要么被淹没。算力打仗没有终点，只有下一个战场。