AI算力基建投资与尽调测算
探讨算力基础设施投资建设中的SLA验证、成本核算与模型
3个信源 · ↑2.2×参与该主题的先锋
全部段落
10月24日
10月23日
10月20日
- SemiAnalysis SemiAnalysis在外界公开质疑其预测规模之际，将2027年数据中心预测从43 GW上调至50 GW。 市场预期更接近25 GW，而团队依据的是已开工建设的项目，并称跟踪方式“不是按园区，而是逐栋跟踪”，同时交叉核对许可、电力配额和供应商动态。
- Jeremie Ontiveros 这份预测已计入施工延期和产能逐步爬坡，再统一下调一轮可能造成重复扣减。 Jeremie表示，确有需要时，团队会在模型中增加1至3个季度。在讨论中的Crusoe项目上，模型计入的规模不到200 MW，而非批评者所假设的完整1 GW；Jordan指出，再额外打折可能会“重复计算”已经做过的调整。
- Jordan指出，已签署的数据中心租赁合同金额超过1万亿美元，为建设前景提供支撑。 Jeremie强调，这些是“不可取消的约束性合同”；私营运营商的承诺也纳入其中，而上市公司的披露往往无法反映这些信息。前期施工订单、电力设备和冷却设备的交付情况，还能进一步验证这些承诺何时能转化为可用产能。
- Reyk Knuhtsen 模块化建设是团队解释劳动力受限时仍能交付更多产能的核心原因。 Reyk将传统18个月的建设周期与DayOne约9个月的工期作对比。他举的实物例子，是将类似集装箱的电力舱嵌入建筑，以此替代大量现场电气施工：“模块化让这一切成为可能。”
- Jeremie Ontiveros Jeremie关注的是2028年数据中心供给过剩的风险，而非一项正式预测。 如果设施扩张快于芯片供应，眼下的瓶颈就可能反转；他认为，这一可能性与半导体晶圆厂和设备投资有关。Jordan追问他是否在正式做出这一判断时，Jeremie明确表示：“我没正式这么说。我会说，这是进入2028年时的主要风险。”
- SemiAnalysis SemiAnalysis不但没有下调2027年数据中心预测，反而将其从Brad Gerstner在All-In/BG2上称为过于激进的43GW，进一步上调至单年约50GW。 Gerstner曾公开将预测砍半，节目也讨论了约25GW的另一种预测。团队回应称，这项预测背后“做了大量思考和工作”，并坚持原判断。
- Reyk Knuhtsen 方法论层面的反驳，关键在于数据颗粒度：模型逐栋、逐许可、逐项电力分配跟踪数千个场址，并结合卫星照片。 针对暂停令，Reyk Knuhtsen表示，他们把相关辖区内400多项暂停令与数据中心分布叠加后发现，受影响的数据中心约占已标注总数的10%。电网容量不足时，表后发电也能为部分项目提供替代方案。
- SemiAnalysis 对预测数字打折，可能构成重复计算，因为延期已经纳入估算。 团队会根据观察到的情况计入1至3个季度的延期，把不足12个月的工期视为警示信号，并采用保守的爬坡假设；例如，Oracle New Mexico虽有超过1GW在建，但对2027年预测的贡献占比“相当低”。针对Crusoe Childress的质疑也不成立：预测纳入的容量不足 …
- Jeremie Ontiveros 2027年的预测建立在可追踪的领先指标上：已签数据中心租约超过1万亿美元，自建项目的开工数则逐季上升。 Jeremie Ontiveros列举了一系列信号：他们通过项目级跟踪，提前预测到早期承包商Sterling的订单激增；也跟踪QTS、EdgeConneX、Aligned、Vantage等私营运营商——公开市场可能看不到这些公司的合同——以及Applied …
- Reyk Knuhtsen 模块化建设是团队看好这轮建设能够落地的重要原因之一；在他们列举的案例中，传统18个月工期可压缩至约6至9个月。 模块化电力大厅所需的劳动力，可能远少于让“20名电工”现场搭建。Reyk提到Anthropic参考设计、Meta帐篷式建筑、Amazon新建楼宇，以及他认为公开目标是连续2至3年每年建设6GW的Project Houdini。他表示，不采用模块化方案的开发商可能难以获得所需劳动力 …
- Jeremie Ontiveros 可交易的风险在于：当前芯片相对数据中心供给过剩，但到2028年，供给约束可能反转为数据中心过剩。 Jeremie审慎判断，目前拿到GPU比拿到数据中心兆瓦容量更容易。他认为，关键观察点是芯片供给扩张速度；若扩张加快，将支撑包括新建半导体晶圆厂和设备在内的资本开支。
10月5日
- Abhilash Jain SemiAnalysis Consulting 通过持续3–4周至1年的定制化项目，打通AI基础设施的技术语言与金融语言。 Abhilash Jain 将其称为“技术与金融的共同设计”：机构投资者可能需要对一笔10亿–20亿美元的芯片、云或数据中心投资开展尽调，而超大规模云厂商、AI实验室和半导体公司则需要产品路线图、选址或市场进入策略。
- 其中一个项目通过连接已部署芯片基数、推理与训练的算力分配、单GPU吞吐量以及每百万token的美元价格，建立了全球token供给模型。 最难的部分是模拟尚未发布的芯片和模型，包括潜在的10万亿、15万亿或20万亿参数系统；团队最终通过动态仪表盘暴露所有假设，让“每一个数字都会变化”，而不是把如此多的排列组合硬塞进静态Excel。
- 当客户暴露出可以标准化的未满足需求时，定制化项目就可能转化为可规模化的研究产品。 数据中心模型和云端AI总拥有成本研究都起源于咨询业务；推理模拟器则从内部研究走向1个客户、再到多个客户，如今正成为独立产品——客户实际上是在识别哪些问题值得标准化。
- NeoCloud尽调越来越决定陌生运营商能否拿到融资，并扛住合同下行风险。 投资者会审查SLA、OEM保修、集群性能、资本开支和运营开支；Jordan强调，预期可用性为99.9%，而低于90%则可能触发服务抵扣或终止合同。Abhilash的直截了当结论是：“没有可靠的SLA，你就拿不到融资。就这么简单。”（“Without reliable SLAs …
- SLA风险会叠加：运营商可能用5年期GPU合同对冲15–20年期数据中心租约，而一次电力、制冷、机架或软件故障，仍可能触发客户要求的全部补救措施。 对运营高效、只需支付按基点计价保费的运营商而言，保险可以吸收罚金；但“如果你的性能表现很差，连保险都拿不到”。
- 自建、购买还是合作，是由上市速度、算力溢价、技术能力和资本获取能力共同决定的条件性选择。 SemiAnalysis曾建议一名需要在6个月内获得100 MW算力的客户租赁容量；而对愿意等到2028–2029年的客户，给出的建议正好相反。
- Abhilash Jain SemiAnalysis 搭建咨询业务，是为了打通 AI 基础设施与资本配置——Abhilash Jain 称之为“科技金融协同设计”（tech finance co-design）。 专门团队将其13-14套机构模型和技术网络转化为定制化项目，周期从3-4周到1年不等，服务于考虑10亿-20亿美元投资的投资者，以及需要做产品、选址和市场进入决策的产业客户。
- 最清晰的案例，是一套全球 token 供给模型：交付形态是持续更新的软件，而不是演示文稿。 模型整合当前芯片装机量及未来5年预期增幅、训练与推理的分配比例、每块 GPU 的吞吐量，以及每百万 token 的价格；客户可以在仪表盘中调整模型、芯片、上下文和缓存命中率假设，看到“每一个数字真的都会变化”（“literally every number changing”）。
- 战略项目将不断变化的工作负载映射为产品规格和客户优先级。 一家内存与存储公司通过重放智能体轨迹，测试带宽与容量之间的取舍；一家拥有约100个潜在买家的半导体公司则通过市场访谈筛选出10-15个值得投入的客户，因为每个客户的资格审查“至少需要3-4个月”。
- 一笔10亿美元级别的 neocloud 投资，同时需要技术验证和商业基准对比。 SemiAnalysis 会复核 SLA、OEM 保修和支持条款，测试集群，找出其擅长和不擅长之处，并制定100天或180天的整改计划；同时用 TCO 数据将资本开支和运营开支与市场水平对标。
- SLA 结构是融资基础设施，而不是合同上的例行事务。 随着运营商的客户从 hyperscaler 和专业机构扩展到房地产开发商和家族办公室，Abhilash 给出的直白判断是：“没有强有力的 SLA，就绝不可能拿到融资”（“without strong SLAs, you won’t be funded, period”）；一次故障 …
- 风险评估必须沿着每一项客户承诺，穿透数据中心、OEM、硬件和软件栈。 审查范围可以从3份核心合同，延伸到 L3-L5 就绪度和裸机故障模拟，因为电力、制冷、机架、监控或软件都可能导致性能失效——“只要有一件事出问题”，运营商就可能需要支付 SLA 抵扣。
