方向

Oklo：小型核电+AI数据中心的新模式 #财经 #财经知识 #金融

接下来，重点买它！

#AI产业链观察# 今天我们来聊一聊海外算力集群。 AI算力需求藏着两大增量：大公司集群与各国主权AI 当下大家讨论AI算力时，更多关注的是“推理端”—AI回答问题时消耗的算力，这部分需求已经逐渐被市场认可。 但其实，AI算力还有一块被低估的大市场，就是“训练端”——也就是教大模型学习、变得更聪明所需要的算力。 这部分需求的潜力，主要藏在两个方向： 一是北美科技巨头正在疯狂建的“大算力集群”，二是中东、欧洲等国家推动的“主权AI”基建。 这两大力量加起来，可能会让未来的算力需求远超现在的预期。 一、北美科技巨头：大算力集群开启训练算力新周期 要理解训练端算力需求，盯紧“大算力集群”就够了。这些集群不是普通的数据中心，而是专门为训练下一代大模型建的“超级计算机中心”，规模和算力都远超常规水平。现在OpenAI、xAI、Meta这几家头部公司，都在快马加鞭建自己的集群，目标很明确——靠更强的算力抢先突破大模型性能，甚至接近“通用人工智能（AGI）”。 1. OpenAI“星际之门”：40万块GPU的超级集群 OpenAI的“星际之门”（Stargate）是目前最受关注的项目，简单说就是联合软银、甲骨文等公司，砸钱建全球最大的AI算力中心。这个项目的规划非常夸张： • 规模上，一期就准备装40万块GPU，总功率相当于5座核电站（5GW），未来还会扩展到4.5GW的额外算力，按测算大概要再配162万块英伟达最新的Blackwell GPU。 • 进度上，首个数据中心选在德州阿比林，2024年6月动工，现在已经有4座主体建筑完工，正在装机架和冷却系统，预计2026年年中就能用。而且OpenAI还在跟其他公司合作补算力，比如跟CoreWeave签了159亿美元的合同，确保后续有足够资源。 可能有人担心资金问题，之前有消息说软银投资延迟，但OpenAI很快回应说在调整设计、推进建设，加上甲骨文愿意砸250亿美元建基础设施，整体进度没掉链子。 2. xAI“歌利亚”：边建边用，92天扩产10万块GPU 马斯克的xAI搞的“歌利亚”（Colossus）集群，走的是“快速落地、边用边扩”的路子，效率特别高： • 2024年9月，用122天建成了10万块GPU的集群；到12月，只花92天就扩容到20万块，而且是“边训练边基建”——集群一边给Grok模型训练用，一边同步加设备，期间模型性能还能每天提升1.5%。 • 现在二期已经动工，计划直接装100万块GPU，马斯克甚至说未来5年要搞出“相当于5000万块H100 GPU”的算力（虽然是等效算力，实际设备数会少，但也能看出野心）。 Grok模型的进步也印证了大集群的价值：之前Grok 3靠20万块GPU的算力，用10倍预训练资源追上了OpenAI；最新的Grok 4没说集群规模，但性能又有突破，可见算力越多，模型进步越快。 3. Meta“普罗米修斯+亥伯龙”：砸数千亿追进度 Meta之前在AI算力上不算最激进，但现在也加入了“军备竞赛”，一口气规划了三个大集群： • “普罗米修斯”（Prometheus）：1GW功率，2026年上线，专门用来训练下一代大模型； • “亥伯龙”（Hyperion）：总规模5GW，计划2027年底建成，目标是成为全球最大的单一AI数据中心园区； • 还有全球范围的“泰坦”（Titan）集群，每个都是GW级别的规模。 为了赶进度，Meta甚至放弃了传统的数据中心设计，改用预制模块和轻型建筑，把建设速度放在第一位。而且Meta 2025年计划投680亿美元搞基建，还融资290亿美元，可见对算力的重视程度已经拉满。 这三家公司的动作说明，现在科技巨头已经达成共识：要想在AI竞赛中领先，必须先建大算力集群。这些集群落地后，训练端的算力需求会迎来一波爆发。 二、主权AI：中东、欧洲成新增长极 除了科技公司，各国政府主导的“主权AI”也在给算力需求添火。“主权AI”简单说就是各国不想依赖美国或中国的算力资源，要自己建AI基础设施，确保数据和技术自主可控。其中中东和欧洲的动作最显眼，而且政府投入的确定性比企业更高，能稳定贡献增量。 1. 中东：2030年算力规模或超6GW 中东国家比如阿联酋、沙特，靠石油赚了大量资金，现在想靠AI转型，在算力上砸钱非常大方： • 阿联酋：跟美国合作建5GW的算力集群，由本土AI巨头G42牵头，每年能拿到50万块英伟达芯片。第一阶段1GW的项目已经动工，200兆瓦2026年就能用，未来还要扩展。 • 沙特：纳入6000亿美元经济合作计划，新成立的AI公司Humain要搞1GW算力，已经确定从英伟达拿1.8万块最新的GB300芯片（相当于英伟达2025年Q1全球出货量的12%），一半用AMD设备，一半用英伟达GPU。 根据行业预测，到2030年中东的算力集群总功率可能超过6GW，相当于60个大型数据中心的规模，而且都是政府或主权基金出钱，建设节奏很稳。 2. 欧洲：20座AI工厂+4个超级工厂 欧洲一直强调“数字主权”，在AI算力上也有明确规划： • 欧盟早在2024年就推出“AI工厂”战略，到2025年3月已经建了13座，分布在法、德、西班牙等国，提供大模型训练、推理的一站式服务； • 2025年2月又启动“InvestAI”计划，动员2000亿欧元投资，其中200亿欧元专门用来建4个“AI超级工厂”，每个工厂至少装10万块先进GPU，比现在欧洲的AI基础设施总量多4倍，年底就会启动招标； • 英伟达也来合作，计划在欧洲建20座以上AI工厂，部署超过3000 exaflops算力的Blackwell GPU，还跟法国Mistral AI、英国Nebius等公司合作，帮欧洲建本土的AI生态。 按现在的规划，欧洲这些AI工厂和超级工厂落地后，总GPU数量会超过50万块，而且对企业、初创公司开放，能带动一波算力需求。 三、一个关键指标：算力集群的“功率”= 算力需求的“晴雨表” 想判断算力需求有多大，不用只看GPU数量，看“总功率”更直观。因为AI数据中心的电力需求跟算力直接挂钩，而且功率越大，能装的GPU越多。 举个例子：现在英伟达的NVL 72机架，装满GPU、交换机等设备要120KW，但数据中心还有40%的电力要给冷却系统（AI设备发热量大，必须靠冷却维持稳定），所以一个机架实际要200KW的总功率。按这个算，1GW功率的集群能装5000个机架，对应36万块GPU。 OpenAI的4.5GW集群，就对应162万块Blackwell GPU；Meta的6GW（1+5）集群，对应216万块——光这几家的规划，就需要近500万块高端GPU，还没算其他公司和国家的需求。 而且AI数据中心的电力需求比传统数据中心高太多：20年前一个机架才2-4KW，现在英伟达的机架要130KW，增长了30多倍；传统谷歌搜索一次耗0.3Wh电，ChatGPT一次要2.9Wh，Google AI搜索甚至要7-9Wh。未来AI功能更复杂（比如多模态、Agent），电力需求还会涨，反过来也说明算力需求在快速增加。 四、总结：算力需求预期差大，产业链值得关注 现在市场对训练端的算力需求预期还不够高，主要是之前担心“预训练见顶”“算力通缩”——比如有人说互联网数据快用完了，大模型预训练要放缓；还有国内公司靠算法优化降低了算力成本，让大家觉得算力需求可能不会涨太快。 但从实际情况看，这些担心被高估了：一方面，Grok 4、国内K2模型（1万亿参数）都证明，只要算力够，预训练和后训练还能提升性能；另一方面，大模型新架构的探索（比如更高效的模型设计）还需要大量算力做试验，算力消耗只会增不会减。 而且科技巨头的大集群和各国的主权AI双轮驱动，已经给算力需求画了清晰的增长路径：北美集群2026-2027年密集落地，中东、欧洲2030年前规模超12GW（6+6），训练端算力会进入持续增长期。 对产业链来说，这些需求会带动一系列环节受益： • PCB（印刷电路板）：AI服务器和算力集群需要大量高端PCB，比如胜宏科技、沪电股份、深南电路等； • 高速互联：设备之间要快速传数据，瑞可达等公司的连接器有用； • 光互连：大集群需要光模块来提升传输效率，东山精密等企业会受益。 当然也有风险，比如宏观经济不好影响投资、AI技术落地慢、数据中心建设拖进度，但长期来看，AI算力的“黄金期”才刚开始，这两大增量会持续释放需求。 #ai创造营#

最近储能板块的催化也非常多，刚刚发改委和国家能源局颁布了一系列的政策，来支持储能行业的发展。 下周，9月16-18日，2025世界储能大会，将在福建宁德召开。储能行业在3年期的低谷期之后，现在又重新进入一个大级别的上升周期。这个周期还多了新故事，那就是AI数据中心的配储，这将给储能行业贡献新的增量。