人工智能正在推动科技公司重新思考云计算的基础。随着越来越多的企业采用人工智能工具，行业也在大量投入建设运行这些工具所需的硬件和数据中心。

目前大部分支出集中在基础设施建设上，而非软件。芯片、网络设备、电力系统和大型数据中心正成为企业为应对人工智能系统计算需求的主要优先事项。

投资规模正在迅速增长。据路透社引用的分析，包括Alphabet、亚马逊、Meta和Microsoft在内的美国科技公司预计将在2026年投资约6500亿美元的人工智能相关基础设施。这一数字将大幅提升至2025年的约4100亿美元。

这些投资正在重塑云平台的构建方式。挑战不再仅仅是开发新软件。这也关乎构建使AI模型能够大规模运行的物理系统。

人工智能工作负载正在增加对云计算能力的需求

运行大型AI模型需要巨大的处理能力。培训和作这些系统通常需要数千个图形处理器在分布式数据中心协同工作。

这一需求推动了对网络和数据传输技术的新投资。

据路透社报道，英伟达最近宣布计划分别投资20亿美元给光子学公司Lumentum和Coherent，以改进AI数据中心内的技术。其目标是支持处理器间更快的通信，并提高人工智能系统在芯片间传输数据的速度。

光子技术通过光而非电信号传输数据。这种方式可以更快地传递信息，消耗的电力也比传统连接更少。随着AI集群规模的扩大，处理器间快速连接变得越来越重要。

这类投资显示出人工智能开发瓶颈正在转变。对许多公司来说，主要的限制不再是软件开发，而是支持AI工作负载所需的基础设施。

企业采用正在推动云需求

由于大型组织开始在其运营中广泛使用人工智能工具，对人工智能基础设施的需求也在上升。

企业正在采用人工智能系统来执行数据分析、客户支持自动化和内部生产力工具等任务。许多应用需要访问强大的计算资源，而大多数公司自己并不运营这些资源。

相反，组织依赖云平台，这些平台提供对大型GPU集群和专用AI硬件的访问。

路透社报道，科技行业各家公司正在建立合作伙伴关系和长期协议，以确保这些工作负载所需的计算能力。这些交易通常涉及价值数十亿美元的多年承诺，企业们在争夺人工智能基础设施的准入权。

因此，云服务提供商和硬件制造商正在大力投资数据中心及其建设所需的供应链。

人工智能基础设施成本的不断上升

构建人工智能基础设施远不止安装额外服务器那么简单。

人工智能数据中心消耗大量电力，需要先进的冷却系统来保证处理器安全运行。网络设备还必须处理数千个处理器之间传输的海量数据。

更广泛的投资趋势反映了人工智能领域的快速增长。

根据斯坦福人工智能指数报告，2024年全球生成式人工智能的私人投资达到339亿美元，较上一年增长18.7%。

虽然这个数字主要集中在初创和私人投资，但大型科技公司在基础设施上的支出远大于此。目前大部分资金被用于建设新的数据中心、保障能源供应以及开发大型人工智能系统所需的网络技术。

还有多个大型基础设施项目正在涌现，以支持未来的人工智能需求。一个例子是星际之门项目，这是一项由OpenAI、软银和甲骨文支持的联合项目，计划在数年内投资多达5000亿美元的美国人工智能基础设施，业内报道广泛报道。

如此规模的项目凸显了人工智能计算正成为科技领域最大的基础设施投资之一。