据《金融时报》10 月 2 日报道，亚马逊正考虑将价值约 80 亿美元（按当前汇率约合 537.15 亿元人民币）的英伟达 Grace Blackwell AI 芯片，转入一家新设的特殊目的实体（SPV），再从该实体回租使用。该消息随后被路透社等媒体跟进援引。截至发稿，亚马逊与英伟达均未就此作出公开回应。

交易怎么运作

根据报道，这笔交易涉及的芯片为数千颗英伟达 Grace Blackwell 加速卡，已部署在亚马逊美国五个州、十余个数据中心内。亚马逊计划把这些昂贵的半导体资产移交给 SPV 后，继续从 SPV 租用并照常使用；SPV 则通过发行债券引入外部投资者，并可能向外部投资者提供该载体最多 10% 的股权。

由于亚马逊自身拥有双 A 级（AA）信用评级，市场预计该 SPV 将获得投资级信用评级，从而向保险公司、养老基金等更宽广的投资者群体敞开参与空间。对亚马逊而言，这种方式可以把硬件及其对应的债务从自身资产负债表上移开，转向更轻资产的运营结构。

为什么这么做

亚马逊近年来在 AI 基础设施上的投入规模空前。据《金融时报》报道，亚马逊预计 2026 年资本支出将达到约 2000 亿美元量级，主体用于 AWS 的 AI 数据中心与加速器采购。在如此庞大的支出面前，把部分加速器的资本开支与资产风险转移给外部投资者，有助于释放资产负债表空间，同时不丧失对算力的实际掌控——物理上的超级计算机没有改变，改变的是所有权与出资结构。

业内人士指出，类似的 GPU 抵押融资结构并非孤例，此前在 CoreWeave 以及英伟达向客户提供的融资支持中已出现过，显示这类安排正逐渐成为 AI 基础设施融资的常规工具，而非一次性补救。

并非”缺钱”信号

需要厘清的是，这一安排并不等同于亚马逊资金紧张。报道援引的市场数据称，亚马逊 2026 年第二季度净利润升至约 626 亿美元，远超第一季度的 303 亿美元；消息传出后，亚马逊股价不跌反涨约 1.34%。分析认为，市场将其解读为资产负债表”工程”，而非紧急变现。

不过，这类结构也带来新的风险考量：Grace Blackwell 芯片随着英伟达产品迭代贬值较快，SPV 投资者实质上是在押注租出的 AI 芯片能保有足够残值以偿付所募债务。随着此类融资安排增多，如何为残值风险定价正受到行业广泛关注。

科技媒体 The Information 于 10 月 2 日报道，英伟达与软银已分别向 OpenAI 支付最后一笔 100 亿美元投资，完成各自 300 亿美元的投资承诺。这意味着 OpenAI 本轮总额约 1,220 亿美元的融资承诺进入收官阶段，公司投后估值约为 8,520 亿美元。

三家巨头包揽九成份额

除英伟达和软银外，亚马逊此前已完成 500 亿美元的投资（于 7 月落定）。三家主要投资者累计投入约 1,100 亿美元，约占本轮融资承诺金额的 90%。

软银在声明中透露，随着此次追加投资完成，其对 OpenAI 的累计投资金额达到约 646 亿美元，持股比例约为 13%。软银最后一笔投资资金，部分来自其 9 月底完成的 111 亿美元高收益债券发行。

弹药指向算力与数据中心

这笔巨额资金将进一步强化 OpenAI 在人工智能模型研发、算力基础设施建设及数据中心扩张方面的资金实力。在算力成为 AI 竞争核心资产的当下，绑定英伟达、软银、亚马逊等产业资本，既缓解了 OpenAI 的烧钱压力，也加深了其与底层算力供给方的利益捆绑。

下一轮融资已在路上

随着本轮收官，OpenAI 或为下一轮私募融资铺路，目标融资约 300 亿美元，估值可能达到约 1.4 万亿美元。从 8,520 亿到 1.4 万亿，资本对这家人工智能头部公司的下注，仍在加速。

芯片设计软件与半导体知识产权（IP）厂商新思科技（Synopsys，纳斯达克代码：SNPS）于 9 月 30 日宣布，与亚马逊达成一项多年期战略协议，交易规模超过 10 亿美元。双方将围绕定制芯片展开更深合作，亚马逊也成为新思科技应用优化型芯片 IP 业务的主要客户。

协议要点

根据新思科技发布的消息，这项多年期、价值超过 10 亿美元的协议，标志着其硅 IP 业务的重要扩展。新思科技将为亚马逊的自研芯片与云计算基础设施提供硅 IP 及人工智能驱动的工程设计软件，合作模式由此前的授权向”授权加版税”演进，随着量产规模扩大，双方均可分享价值。

亚马逊长期投入自研芯片，产品组合涵盖用于云安全的 Nitro、通用计算的 Graviton，以及面向人工智能训练与推理的 Trainium。在双方超过 15 年合作的基础上，新协议将亚马逊对新思 IP 的使用扩展到应用优化型硅 IP，同时纳入电子设计自动化（EDA）工具、仿真与分析技术，以及智能体式人工智能方案。

人工智能贯穿芯片到系统

协议还涉及在 Trainium 与 Graviton 上加速多物理场（multiphysics）解决方案，并把人工智能引入”从芯片到系统”的全流程工程：部署新思科技的人工智能 EDA、基于物理的仿真与智能体式 AI，开发定制化的智能体 AI 能力，帮助亚马逊工程团队更高效地进行芯片与系统的设计、分析、优化和验证。

新思科技方面也将采用亚马逊 EC2 计算实例、云存储服务，以及 Amazon Bedrock 来构建和部署 AI 应用与智能体，并将其工程软件针对 Trainium 和 Graviton 进行优化。

双方表态

亚马逊基础 AI、定制芯片与量子计算业务高级副总裁 Peter DeSantis 表示，亚马逊投入定制芯片已超过十年，从 Graviton 到 Trainium，专用芯片以更低的成本提供了更优的性能；随着芯片设计日趋复杂、人工智能重塑工程流程，新思科技的 IP 与 AI 工具能帮助亚马逊在设计中更快推进。

新思科技总裁兼首席执行官 Sassine Ghazi 称，专用硅是 AWS 创新的核心，随着公司拓展应用优化型 IP 业务，很高兴有亚马逊作为这一阶段增长的主要客户；结合亚马逊在 AI 基础设施与定制芯片上的领先优势，以及新思在硅 IP、EDA 与多物理场方案上的能力，双方可以大幅提升团队效率，塑造 AI 原生工程的未来。

消息公布后，新思科技股价在纳斯达克温和上涨。

据彭博社 9 月 25 日报道，高盛集团策略师预计，美国五大超大规模云服务商——亚马逊、Alphabet、微软、甲骨文和 Meta——的 AI 基础设施支出将在明年增长超过 50%，达到 1.2 万亿美元（现汇率约合 8.06 万亿元人民币）。这一数字高于华尔街对明年资本支出 1.1 万亿美元（约合 7.39 万亿元人民币）的共识预期。

回本需要多大规模的收入

由瑞安·哈蒙德带领的高盛团队在报告中指出，要收回这些投入，未来数年中，五家公司每年需要创造约 3000 亿美元（约合 2.02 万亿元人民币）的 AI 收入。

哈蒙德及其同事称：”按照市场共识预期，明年资本支出占 GDP 的比重，将达到 19 世纪末铁路建设热潮以来历次技术投资周期中的最高水平。”

今年已投入 8000 亿美元

亚马逊、Alphabet、微软、甲骨文和 Meta 预计今年将在 AI 能力建设上投入 8000 亿美元（约合 5.37 万亿元人民币）。高盛团队认为，明年的支出仍会大幅增长，但资本支出增速将开始放缓；与近几个季度相比，资本支出增速以及实际支出高于市场共识预期的幅度都将有所下降。

增速将逐步放缓

高盛预计，五家公司的资本支出增速将从今年的接近 100% 降至明年的 54%，2028 年再降至 12%，届时支出规模预计达到 1.4 万亿美元（约合 9.4 万亿元人民币）。

应用层需年支出约 1 万亿美元

策略师称，要让五家云服务巨头获得稳健回报，并让应用提供商在承担计算成本后取得较高利润率，AI 用户每年需要在各类应用上支出约 1 万亿美元（约合 6.72 万亿元人民币）。作为对比，今年全球软件支出约为 1.5 万亿美元（约合 10.08 万亿元人民币）。

收入增长快，但仍不足以回本

高盛团队指出，目前估算的 AI 收入仍不足以让五家公司收回投入，不过收入增长速度很快。亚马逊、Alphabet、微软和甲骨文的云业务收入增速已从 2024 年的 25% 升至今年第二季度的 48%。此外，亚马逊、Alphabet 和微软公布的云业务待履约收入合计达到 1.7 万亿美元（约合 11.42 万亿元人民币）。

扩张面临多重制约

五家公司的资本支出目前超过经营活动现金流，对债务和股权融资的依赖随之增加。电力、劳动力和内存供应不足，以及数据中心建设限制，都可能成为扩张过程中的制约因素。

据彭博社 9 月 18 日凌晨报道，亚马逊表示，人工智能模型必须经过严格测试、确认具备足够安全保障后，才能对外发布。在多家顶尖 AI 实验室因安全问题呼吁放缓研发节奏之后，亚马逊也加入了这场围绕 AI 发展速度的公开讨论。

「进步与安全不是二选一」

亚马逊发言人汤姆·帕内尔（Tom Parnell）在邮件中明确指出：「我们不认为进步与安全只能二选一。模型只有在准备充分、能够安全使用时才应该发布，而这离不开严格测试和强有力的安全保障。如果整个行业不能共同做到这一点，就会产生风险。我们相信，整个行业会与政府合作，制定适当的保护措施。」

帕内尔同时坦言，当下的 AI 已经能够为客户创造实实在在的价值，因此「把这件事做好非常重要」。

与 OpenAI、Anthropic 的微妙站位

亚马逊既是 OpenAI、Anthropic 等领先 AI 企业的合作伙伴，也是投资方。据 IT之家了解，OpenAI 与 Anthropic 的高管此前都曾主张适度放慢尖端 AI 研发速度，以便评估技术安全性。亚马逊此番表态，事实上与这两家被投实验室的立场形成呼应。

不过，亚马逊自身也在开发大语言模型，其模型通常并不被视为 OpenAI、Anthropic 以及中国头部 AI 企业最强产品的直接竞争对手。与此同时，亚马逊云科技（AWS）持续向整个 AI 行业提供算力与基础设施管理工具，是底层供给方而非单纯的应用玩家。

不赞同全面减速

值得关注的是，亚马逊的表态强调「测试与防护」，但并未附和「全面放缓研发」的呼吁。据外媒报道，相关评论引发市场关注，亚马逊（NASDAQ: AMZN）股价在消息传出当日一度上涨约 2%。

围绕 AI 发展节奏的争议仍在持续：一方主张以更审慎的节奏评估前沿模型的安全风险，另一方则担忧过度监管会拖累创新。亚马逊此次给出的答案是一条中间路线——不停止前进，但要求模型「准备好、够安全」才发布。对于同样在加速布局大模型的行业参与者而言，如何在创新速度与安全保障之间建立可落地的评估机制，正成为无法回避的议题。

一枚追踪器，跨越四个州

据科技媒体 404 Media 的调查报道，该媒体记者 Emanuel Maiberg 从 2026 年 7 月开始与一位二手书商合作：书商接到一笔约 1000 册的批量订单，订单通过独立旧书交易平台 Biblio 下达，而 Biblio 会隐去买家身份。记者征得同意后，在其中一册珍稀书籍里塞进了一枚苹果 AirTag。

这枚售价 29 美元的追踪器随后走完了一段并不起眼的旅程：先飞抵密尔沃基，在威斯康星州基诺沙郊外的一处配送仓库停留约两周，接着由卡车向西运输，途中在科罗拉多州大章克申过夜，最终信号定位在拉斯维加斯东北部一处亚马逊仓储园区——代号 LAS8。

LAS8 主体是一座按需印刷工厂，本职是”做书”。但园区北侧运行着另一条独立业务线。据在内部员工论坛发帖的亚马逊员工透露，这个单元的代号是 VGT3，门口的标识是一只霸王龙叼着一本摊开的书，龇着牙。

“我们只干一件事：扫书”

多名员工向 404 Media 描述了 VGT3 的工作流程：成托盘的印刷书籍运抵后，工人先把书脊裁掉，让散页能够高速通过工业扫描仪，扫完之后纸质原书就被丢弃。整条流水线的产物只有一份数字文件，实体书无法留存。”我们只干一件事，就是扫书。”一名员工在论坛上这样写道。

一处细节格外关键：据员工说法，工人在扫描内页之前，会先扫描每本书的 ISBN 条码。ISBN 是自 1970 年起为几乎所有正式出版物分配的 13 位国际标准书号，已被 ISO 2108 标准化并覆盖 150 多个国家和地区。先扫条码再扫内容，意味着这条流水线在建立一份”已消化书目”的台账——只要和公开的 ISBN 数据库交叉比对，就能算出还缺哪些书，从而系统性地按缺口下采购单。有书商提到一个印证：这类大额订单里”从来不包含”没有 ISBN 的珍本。

针对 404 Media 与 Ars Technica 的问询，亚马逊给出的回应是同一句话：公司”通过商业渠道采购图书，以帮助开发和改进客户所使用的产品与服务”。这份声明没有提及人工智能，也没有说明书籍在采购之后如何处理。

为什么偏偏要买旧书

AI 公司对旧纸书的胃口，来自训练数据本身的两个变化。

一方面，公开网页这块最容易取用的语料已被反复抓取，而绝版书、稀见书里的大量文字在互联网上根本找不到。另一方面，2022 年之后出版的内容越来越可能包含由 AI 生成或深度润色的文字——尽管出版合同通常明令禁止作者使用 AI 生成内容，仍会有人不遵守，自出版渠道更是缺乏有效约束。用 AI 的产物去训练下一代 AI，容易触发所谓”模型崩塌”，即模型输出的质量与多样性在一轮轮训练中持续退化。于是，2022 年之前的人类原创文本成了稀缺资源，旧书随之被重新定价。

对书商来说，这些订单确实带来了收入。一位爱尔兰书商、Kennys Bookshop 的 Tomás Kenny 曾收到一笔 5000 册的订单，书单杂乱无章：”有的是《A History of Connemara》这类高质量非虚构，下一本可能就是《The Eddie Hobbs Guide to your SSIA》。”还有书商提到，一本售价 5 欧元的书产生了 40 欧元运费，而这项业务整体带来了五位数中段的营收。

但下单方在意的东西非常单一。那位放置追踪器的书商对 404 Media 说：”价值有很多种。金钱价值当然算一种，但还有历史价值、知识价值、情感价值，各种各样的价值——而这些 AI 公司统统不在乎，他们只想要内容，只想要一串串词。”

版权这边还没跟上

破坏性扫描并非新事，但过去的做法要温和得多。2005 年谷歌启动 Google Books 项目时，用专门的 V 形扫描设备对校内图书馆的公共领域图书进行数字化，书本身会完整归还。VGT3 的做法则是先裁书脊、再走高速扫描仪，成本更低、吞吐更快。

法律层面的争议同样在积累。今年早些时候的法庭文件披露了 Anthropic 自 2024 年启动的”巴拿马计划”（Project Panama），一份内部规划文档写得很直白：”巴拿马计划是我们对全世界所有图书进行破坏性扫描的努力。”法官认定 Anthropic 可以用图书训练模型，但因其在中央库中保存了 700 万本盗版书籍，公司被罚 15 亿美元。2025 年针对 Meta 的一起诉讼则显示，该公司曾盗取近 82TB 的图书数据。

判例的方向目前并不统一。美国 2025 年的一项裁定将此类使用认定为对版权材料的”转换性使用”，因而合法；而在英国等版权规则更严格的司法辖区，同样的做法很可能违法。

需要说明的是，这枚 AirTag 只能证明其中一批货最终抵达了一处与扫书作业相关的亚马逊场地，并不足以说明这条流水线的整体规模，也无法确认具体是哪些模型使用了这些数据。但对长期只能靠猜测的书商而言，追踪器第一次把”书去哪儿了”这个问题，从怀疑变成了一条可以指认的路线。

从15分钟到30分钟：务实的配送目标

亚马逊的无人机配送项目始于2020年。最初，公司设定了15分钟内送达的”闪电”目标。然而，在多次试飞和安全评估后，亚马逊逐步将配送时间目标调整为更为现实的30分钟。

这一调整并非退而求其次。无人机配送的物理限制决定了，从起飞、飞行到降落的全过程很难压缩到15分钟以内——尤其是考虑到城市环境中建筑物、电线等障碍物的规避需要额外的飞行时间。30分钟的目标在可操作性和时效性之间找到了较好的平衡点。

500个城市：配送网络大规模扩张

根据亚马逊官方公布的信息，Prime Air无人机配送服务将在2026年底前扩展至约500个美国城市和社区。这一数字相较于2024年仅有的少数几个试点城市，是一次数量级的飞跃。

目前，Prime Air服务已经在以下城市常态化运营：

· 德克萨斯州欧文市（Irving）
· 加利福尼亚州普莱瑟顿（Pleasanton）
· 亚利桑那州部分社区
· 佛罗里达州部分社区
· 密苏里州堪萨斯城部分区域

在已运营区域，用户可以通过亚马逊APP直接下单选择无人机配送选项。配送范围通常以配送中心为圆心、半径数英里的范围内。

配送能力：能送什么、送多少

Prime Air无人机目前支持的配送规格如下：

· 重量限制：包裹重量上限为5至10磅（约2.3至4.5公斤）
· 配送时效：约30分钟内送达
· 配送范围：配送中心周围数英里
· 包裹类型：日常用品、小件电子产品、药品、食品杂货等轻量商品

亚马逊的目标是在2026年底前累计完成超过100万次无人机配送。截至2026年中期，亚马逊已经完成了超过100万次无人机配送任务，这是一个值得注意的里程碑。

无人机长什么样：设计特点

亚马逊的Prime Air配送无人机外观较为独特。机身呈白色，搭载多个旋翼，整体尺寸明显大于消费级无人机。

与市面上常见的四旋翼消费无人机不同，Prime Air配送无人机采用了六旋翼或多旋翼设计，以提供足够的升力和冗余安全能力。即使个别旋翼出现故障，无人机仍能安全降落。

无人机顶部设有专用的包裹固定装置，底部配备多种传感器，包括激光雷达、超声波传感器、视觉传感器等，用于在飞行过程中实时感知周围环境，确保飞行安全。

竞争格局：无人机配送赛道日趋激烈

亚马逊并非唯一在无人机配送领域投入巨资的企业。全球范围内，这一赛道的竞争正在加剧：

· Wing（Alphabet旗下）：已在澳大利亚、芬兰、美国弗吉尼亚州等地开展无人机外卖和日用品配送
· Zipline：专注于医疗物资无人机配送，已在非洲多国和美国部分州运营
· 顺丰科技（中国）：在中国多地开展了无人机物流试点，主要服务于偏远山区和岛屿的快递配送
· 京东（中国）：在中国部分城市开通了无人机快递服务，覆盖从配送站到社区的最后几公里

相较之下，亚马逊在资金实力、技术积累和市场规模方面具有明显优势。其庞大的用户基数和成熟的电商体系，为无人机配送的大规模商业化提供了坚实基础。

挑战与争议

尽管前景乐观，亚马逊无人机配送仍面临不少挑战：

天气因素：强风、暴雨、大雪等恶劣天气会导致无人机停飞。在气候多变的地区，配送可靠性会受到一定影响。
噪音问题：无人机飞行产生的噪音在社区中引发了部分居民的不满。亚马逊表示正在研发更安静的旋翼设计。
空域管理：随着无人机数量的增加，如何与民航客机、直升机等共享空域是一个复杂的技术和管理问题。美国联邦航空管理局（FAA）正在制定相应的监管框架。
公众接受度：让无人机在城市上空频繁飞行，需要获得社区居民的广泛接受。

行业展望

无人机配送被视为物流行业”最后一公里”革命的关键方向。相比传统的卡车配送模式，无人机具有以下优势：

· 配送速度更快，减少交通拥堵
· 运营成本更低，长期可降低快递费用
· 碳排放更少，符合可持续发展趋势
· 可覆盖偏远地区，弥补传统物流网络不足

随着各国监管政策的逐步放宽和技术瓶颈的持续突破，无人机配送有望在2027年至2030年间成为主流物流方式之一。

结语

亚马逊将Prime Air无人机配送扩展至500个城市的计划，标志着无人机物流从”概念验证”阶段正式迈入”规模化运营”阶段。30分钟送达、年送百万包裹的目标如果如期实现，将深刻改变美国消费者的购物体验和电商物流格局。

对于中国物流行业而言，亚马逊的这一进展既是一个观察窗口，也是一个竞争参照。中国的无人机物流企业在偏远地区和特殊场景的探索，与亚马逊在城市的规模化运营，共同描绘了一幅无人机配送的全景图。

默认开启的「训练」

Twitch 隶属于亚马逊，后者于 2014 年将其收购。8 月 12 日，平台上线了一个名为「Training for Generative AI」的开关，默认处于开启状态。按官方说明，一旦开启，用户的直播流、点播视频、剪辑、精彩片段、聊天记录、文字与图片，都可能被用于训练「能生成或合成文本、音频、图像或视频」的亚马逊模型。

关掉要翻三层

想退出并不难，只是藏得深。路径是：登录后进入账号设置，选择「安全与隐私」，一直滑到页面底部，才能看到那个开关并关闭它。更棘手的是，退出只针对「未来」的训练——Twitch 并没有说明，此前已经收集的内容是否已被用于训练；当被直接问到用户视频是否早进了训练集时，首席产品官 Mike Minton 坦言自己「不知道亚马逊到底用没用」。

观众这边的处境更被动：用户在别人频道里发的聊天内容，归不归训练，由那个频道主的设置说了算。也就是说，即便主播在自己频道退了出，只要去别人直播间发了言，留言仍可能被吸走。

退出不等于全停

关掉这个开关，并不能关掉 Twitch 上的所有 AI。自动审核（AutoMod）、字幕生成、推荐、赞助工具和安全系统仍会运行，平台称这些功能不保留频道内容去「生产」新素材。官方说法是，安全机制保护的是所有人，单人关闭会削弱整体安全，因此不提供单独开关。

一句大实话

面对用户铺天盖地的批评，Minton 在被问到「为何默认开启」时，给出了一句大实话：「说白了，如果是默认关闭、需要主动勾选，根本不会有人选。」社区负责人 Mary Kish 也直言，不指望用户会为这件事感到高兴。一条高赞评论写道：「没人会主动勾选，因为没人想把创意和内容喂给 AI。」

来源：Kotaku（经 Google News 收录）

据《The Information》报道并经 Tom’s Hardware 转述，亚马逊云科技（AWS）今年 5 月与内部工程师开会，明确要求减少“CPU 浪费”，以保证对外客户的算力供给。多名工程师表示，过去几小时就能拿到的实例，现在要等数天；其中一人称，在亚马逊工作多年，从未等过这么久。

显卡不再是唯一瓶颈

过去几年，数据中心的紧缺叙事几乎被 GPU 垄断。但这一轮压力落到了通用处理器身上。

报道称，数据中心里 GPU 与 CPU 的配比正在改变：传统上常见的 8 比 1 或 4 比 1，如今正朝着接近 1 比 1 的方向靠拢。原因指向智能体（AI agent）这一新的工作负载形态。

训练和推理主要吃 GPU，CPU 长期只扮演“喂饱显卡”的辅助角色。智能体则不同：它要按顺序编排多步任务、根据条件分支、频繁调用外部工具、维护中间状态，这些活儿基本都跑在 CPU 上。工作负载结构一变，被长期视作廉价管道的通用处理器，突然成了瓶颈。

AWS 的 EC2 实例同时部署了 AMD、Intel 的处理器以及自研的 Graviton5。Graviton5 是该公司迄今性能最强的自研 CPU，采用 Arm 架构路线。

六成五的实例长期在空转

内部整顿的直接动因，是利用率数据太难看。

报道披露，在 30 天的观测周期内，约 65% 的 EC2 实例平均 CPU 利用率低于 20%，大量计算资源长期处于低负载状态。传统上，工程师习惯为开发环境自行开机器——Web 类基础设施对 CPU 要求本就不高，多开几台虚拟机几乎没有代价。这种习惯在算力宽裕时无伤大雅，一旦供给收紧就成了明显的浪费。

为了精准识别闲置资产，AWS 升级了计算优化工具 Compute Optimizer：自动抓取并分析虚拟机 14 天内的 CPU 占用与读写数据，对峰值 CPU 利用率低于 15%、网络流量长期低迷的实例自动打标，供工程师据此清理。

供给端也在同步扩张。过去一年，该公司新增电力配套容量达 3.8 吉瓦，按报道给出的口径，这一供电规模可满足约 280 万户家庭的日常用电。

智能体正在改写成本结构

算力紧张的另一面，是智能体带来的开销失控风险。报道提到一个案例：上个月，一个编码智能体在亚马逊内部烧掉约 180 万美元的 token 费用，超出开发预算 860%。

这类数字解释了为什么大型企业开始在内部推行算力治理。工具本身单次调用便宜，但智能体会自主发起成百上千次调用，最终账单与传统开发工具完全不在一个量级。

紧缺同样传导到了芯片厂商一侧。AMD 近期发布了面向数据中心的 Zen 6 架构“Venice”系列处理器——这是几十年来该公司首次让新架构在数据中心先于消费级产品亮相。英伟达也把对外叙事从加速卡向新推出的 Vera CPU 倾斜，试图在智能体基础设施这块扩张中的市场里占位。

不过短缺并非全面性的。报道援引一位顾问的说法称，供给紧张主要出现在竞价实例（spot instance）上，签订长期合同的预留容量并未出现短缺。

对普通开发者而言，这轮变化的现实含义相当直白：在智能体大规模进入生产环境的阶段，把 CPU 当作可以随手浪费的廉价资源，这个前提正在失效。

来源：Tom’s Hardware，原始报道来自《The Information》

聊天机器人和 AI 工具，至今不怎么赚钱

自 OpenAI 在 2022 年底推出 ChatGPT 点燃这轮投资竞赛后，各家巨头都上线了面向消费者的 AI 聊天机器人：Meta 有 Meta AI，谷歌有 Gemini，亚马逊有 Rufus，苹果则重新改造了 Siri。然而这些产品本身，尽管研发成本高昂，却几乎没有给公司带来能拿得出手的直接收入。

最新的财报把这层窗户纸捅破了。谷歌母公司 Alphabet 在 1180 亿美元营收的背景下，自由现金流首次出现负值——也就是说，它在 AI 上的投入第一次超过了当季赚到的钱。Meta 的情况同样吃紧：610 亿美元营收对应仅 7.84 亿美元的自由现金流，几乎等于白干；负责 AI 与元宇宙业务的 Reality Labs 上半年更是亏掉了将近 90 亿美元。

华尔街要结果，不要新点子

投资者的耐心正在耗尽。Meta 公布业绩后，股价跌至一年来第二低位，导火索正是 CEO 马克·扎克伯格提到公司正在自研一个能自主运行的 AI 智能体，并计划向其他企业直接出售 AI 工具——这两样东西目前都还不存在，也没有时间表。即便如此，Meta 仍把今年的 AI 支出下限上调，全年投入很可能超过 1400 亿美元。

反观微软，股价冲上六个月高点。尽管它计划今年维持约 1900 亿美元的 AI 投入，但核心 AI 工具的采用率与营收增长亮眼，研究机构 Forrester 的分析师 Tracy Woo 评价称，微软正在证明巨额 AI 投资「开始产生回报」。亚马逊的反应如出一辙：尽管现金流为负、今年 AI 支出计划高达 2200 亿美元，其他业务的强劲表现仍把股价推到了两个月高位。

新技术的需求依然旺盛

AI 工具虽尚未成为互联网或电力级别的大众革命，但人们对新科技的渴求并未减退。谷歌上周披露，其 Gemini 聊天机器人月活用户已达 9.5 亿，是一年前的三倍。苹果方面则表示，Mac、iPhone、iPad 等核心产品今年卖得比预期更好，甚至因为芯片供应跟不上需求，预警相关产品销售可能放缓。

外界尤其关注苹果新版 Siri 的进展——这款由谷歌 Gemini 参与改造的 AI 语音助手即将迎来大修。即将卸任的 CEO 蒂姆·库克称，苹果已计划对重度使用新 Siri 的用户收费，并直言「我们对 Siri AI 兴奋到爆表，也相信会有很多人想大量使用它」。

来源：BBC News，记者 Kali Hays，2026 年 7 月 31 日发布