Anthropic CEO Dario Amodei 在 2 小时访谈里说了一句很重的话：我们已经接近指数曲线的末端了。 他给了三个判断。第一，Anthropic 内部模型已经能完成 “100% of today's coding tasks”。第二，10 年内有 90% 概率出现一个 “country of geniuses in a datacenter”，也就是数据中心里的天才国家。 第三，也是 Dwarkesh 都忍不住追问的一点：既然 AGI 已经这么近，他为什么还要继续买更多 datacenters？这条可以存一下，2028 年回头看，谁判断对了。

据 TheEnergyMag 报道，Galaxy Digital 间接全资子公司 Galaxy Helios Data Centers II 计划私募发行 35.07 亿美元、2031 年到期的高级担保票据，用于资助得州 Helios AI 数据中心下一阶段建设，包括两栋建筑、8 个数据大厅、400 兆瓦公用事业容量及 260 兆瓦关键 IT 容量。该项目已与 CoreWeave 签订 15 年租约，预计于 2027 年第二季度开始收租；本次发行仍取决于市场条件。

遇事不决问ChatGPT/Claude 你问的几家公司，谁更像 800V DC / SST 真受益者 1) Wolfspeed（WOLF） 最正宗。 已有 3.3kV SiC 模块 已有 10kV SiC MOSFET 官方把它们直接用于 SST 和 800V DC AI data center 场景。 ( 理解： Wolfspeed 更像是这条链里“硬件器件核心供应商”。 2) Navitas Semiconductor（NVTS） 也很强，而且偏“800V 供电架构”应用层。 它在 2026 Q1 明确展示了 20kW 800V to 6V DC-DC power delivery board（电源交付板） 还和 EPFL 合作展示了 250kW SST（固态变压器），用了 3300V 和 1200V SiC 器件，目标就是 800V DC distribution（800伏直流分配）。 ( 理解： Navitas 不只是 GaN（氮化镓）公司，它已经在往 AI 数据中心高压供电 深化。 3) Infineon（IFX） 很强，属于“全谱系电力半导体”巨头。 官方说它有 Si（硅）/SiC（碳化硅）/GaN（氮化镓） 全谱系电力技术。 2026 年它和 DG Matrix 推 SST（固态变压器），明确面向 AI 数据中心 和工业电力。 还有官方白皮书把 800V 或 ±400V bus（母线） 列为数据中心电源演进方向。 ( 理解： Infineon 是“最稳的大厂型受益者”，但不像 WOLF 那么纯。 4) STMicroelectronics（STM） 有相关能力，但在这条 800V DC / SST 线上，公开信号没有上面三家那么直接。 STM 当然有 SiC、功率器件、电源管理能力； 但如果你问“谁在公开材料里最明确押注 AI 数据中心 800V DC / SST”，STM 目前不是最前排。 这类公司更适合被看作广谱功率半导体受益者，而不是最聚焦 SST 的标的。 5) Enphase（ENPH） 有概念，但更偏“新方向/期权”。 2026 年 4 月，Enphase 官方发布了 IQ SST（固态变压器），明确说是为 AI data centers 和 800V DC power architectures 设计。 ( 理解： 这说明 Enphase 想把自己从住宅储能/逆变器，往数据中心电源架构扩展。 但它更像是新尝试，而不是像 Wolfspeed 那样已经深耕这条链。 简单排序：谁更像“800V DC / SST 真受益” 如果只看公开材料里的直接程度，我会这么排： Wolfspeed（WOLF） Navitas（NVTS） Infineon（IFX） Enphase（ENPH） STMicroelectronics（STM）

ZERO Market Flash #003# 第二次“中国AI冲击波”，市场又看错了吗？ ——为什么更便宜的AI，可能意味着更大的基础设施需求 去年（2025年）1月，DeepSeek发布后，市场迅速形成一个判断：如果更少的GPU就能训练出优秀模型，那么未来AI基础设施需求将下降。当天，NVIDIA股价大跌近17%，整个AI产业链承受巨大压力。 一年多之后，类似的故事再次出现。 Kimi K3再次证明，中国公司能够以更低成本推出具有竞争力的大模型。市场随之提出了一个熟悉的问题：模型越来越便宜，是否意味着未来需要更少的GPU？ 然而，Kimi随后宣布暂停新的订阅服务，原因不是模型能力不足，而是用户需求迅速增长，GPU容量已接近部署上限。 真正率先达到瓶颈的，并不是模型能力，而是模型开始被大规模使用后的算力供给。 过去几年，AI竞争几乎一直围绕训练（Training）展开。谁拥有更多GPU，谁训练出更大的模型，谁就拥有更强的竞争优势。因此，当训练成本不断下降时，市场自然推导出一个结论：未来需要的GPU会越来越少。 但这个推导隐含着一个前提——AI的价值主要来自训练。真正需要回答的问题是：如果AI变得更便宜、更好用，会不会有更多企业和个人开始使用它？ 一个模型可能只训练一次，却会每天完成数百万、数千万，甚至数十亿次推理（Inference）。真正长期消耗算力的，并不是一次训练，而是持续不断发生的推理请求。 技术进步降低的是单位成本，真正决定产业规模的，却往往是需求增长的速度。如果应用普及快于单位成本下降，整体基础设施需求不仅不会减少，反而可能继续扩大。 这也是为什么，Kimi公布GPU容量接近上限，比模型本身更值得关注。市场讨论的是训练成本，而现实首先出现的，却是部署能力开始承受压力。 这也让SK集团会长崔泰源提出的“Memory正从Price-driven走向Volume-driven”有了新的解释：未来推动行业增长的，也许不只是价格，而是不断扩大的部署规模。 因此，这次所谓的“第二次中国AI冲击波”，留下的或许并不是一个关于模型竞争的故事，而是一个关于需求扩张的故事。真正值得关注的，不是谁能够以更低成本训练模型，而是谁能够长期支撑越来越多用户、越来越多Agent，以及越来越多的推理请求。 一年之前，市场因为DeepSeek重新评估了训练成本。一年之后，Kimi提醒市场，也许真正需要重新评估的，是部署需求。 训练创造模型。部署创造产业。 —— 本文仅代表个人研究观点，不构成任何投资建议。请独立研究，自行决策。 ZERO 优秀，不足以托付。
唯有最好，方可重仓。 Scientist · Doctor · A9 Investor Search Tags #AI# #ArtificialIntelligence# #KimiK3# #MoonshotAI# #DeepSeek# #Inference# #Deployment# #Training# #AIAgents# #GPU# #NVIDIA# #Memory# #HBM# #DRAM# #Semiconductors# #AIInfrastructure# #Datacenter# #SKHynix# #SNDK# #Micron# #AIInvesting# #TechInvesting# #ZERO#

欧洲算力赛道可以分成综合机房托管（IDC）、本土公有云AI算力、专用HPC/AI算力厂商、国家级超算运营方四大类，头部企业（截至2026年）： 一、欧洲体量最大的中立IDC机房（机柜、电力、互联能力最强） 主打算力园区、整机柜租赁、大客户托管，是AI算力最核心的载体 1. Digital Realty（数字地产，美国上市，欧洲第一大IDC） 收购欧洲老牌Interxion后坐稳龙头，欧洲64个数据中心，总电力容量约566MW，法兰克福、阿姆斯特丹、伦敦拥有欧洲顶级算力园区，面向微软、Nebius、AI企业做批发算力机柜，欧洲高密度液冷算力节点最多。 2. Equinix（艺恩尼克斯） 欧洲93个数据中心，侧重互联网交换、金融与云互联，欧洲 peering 网络最强，适合需要低时延的算力调度、跨境算力组网，高端政企算力托管首选。 3. Vantage Data Centers、Global Switch 主攻英国、法国、德国大型超算园区，承接海外AI公司欧洲落地自建机房需求。 二、欧洲本土全栈云厂商（可直接租用GPU算力，主打欧盟数据主权） 欧美云市场格局：AWS、微软Azure、谷歌云占据欧洲70%公有云份额；下面是欧洲本土自研算力云，合规性优势极强 1. OVHcloud（法国，欧洲本土第一大云） 欧洲最规模化的本土云计算企业，9个国家自建43个数据中心，裸金属、H100/L4 AI算力齐全，性价比显著高于美国大厂，垂直自研服务器、散热体系，是欧洲商用大模型最常用的算力平台。 2. Nebius Group（荷兰注册，原Yandex拆分） 当前欧洲增速最快的AI算力巨头，手握欧洲稀缺的2.5GW电力配额，批量部署英伟达H100/Blackwell集群，拿到微软、Meta大额AI算力长单，主打大规模训练级算力，定位欧洲版CoreWeave。 3. Hetzner（德国） 性价比标杆，德国、芬兰自建机房，GPU服务器、托管机价格极低，中小企业、量化、推理算力使用最多，PUE能耗控制优秀。 4. 德国电信 T Cloud 欧盟国家级主权云，面向工业、政务、医疗等高监管行业布局AI算力，计划2026年底对标美国超大规模云能力，工业仿真算力优势突出。 5. Scaleway（法国伊利亚德集团）、IONOS（德国） 二线本土云，主打绿色可再生能源算力、轻量级AI推理集群，合规适配GDPR。 三、欧洲专注AI/HPC高性能算力的专业厂商（专精大模型、液冷超算） 1. Northern Data（德国上市） 欧洲老牌高性能算力运营商，从算力矿机转型AI液冷算力集群，拥有欧洲最大的专用GPU算力集群之一，主打高密度浸没式冷却，适合长周期大模型训练。 2. Eviden（原法国Atos） 欧洲本土超算整机厂商，BullSequana系列是欧盟EuroHPC计划主力机型，承建欧洲首台艾级超算JUPITER，提供政企定制HPC、科研算力整体方案。 3. WBS Power（波兰） 在建欧洲单体最大算力园区：波兰波罗的海数据中心，规划总装机3.2GW，依靠北欧风电做低成本绿色算力，面向全球AI企业做超大算力基建出租。 四、欧洲国家级顶级超算运营体系（科研、工业顶级算力） 由欧盟EuroHPC统筹，算力面向科研、气象、生物医药、工业仿真开放： • 德国于利希超算中心（运营JUPITER，欧洲首台艾级超算） • 芬兰LUMI超算、意大利LEONARDO超算、西班牙MareNostrum超算，构成欧洲最强科研算力矩阵 简单选型参考 • 租商用GPU、做大模型训练：优先 Nebius、OVHcloud、Northern Data • 机柜托管、自建算力集群：Digital Realty、Equinix • 低成本推理、中小算力：Hetzner、Scaleway • 政务、工业合规算力：德国电信T Cloud、Eviden

大家都在押 GPU，但 AI agent 的真实瓶颈根本不在 GPU 上。 Georgia Tech × Intel 去年 11 月发了一篇论文 （arXiv:2511.00739），在 5 个真实 agent 系统上实测—— 工具调用（搜一下、查数据库、跑代码、读文件）占掉了整个响应时间的大头： 检索型 agent：90.6% Devin 同类代码 agent：78.7% LangChain：>50% 模型推理从来不是瓶颈。 道理其实很朴素： 一次对话里，agent 要调工具十几轮（搜一下、看结果、再搜、跑代码、看报错、再跑…）。 每一次工具调用都在 CPU 上，GPU 大部分时间其实在闲置。 更反直觉的数字： 并发请求一堆上去，CPU 电费暴涨 87 倍，GPU 只涨 27 倍。 也就是说 agent 规模一大，电费账单的主力是 CPU，不是大家盯着的 GPU。 这对 AI 基础设施的估值模型来说，是三个没被 price in 的信号： CPU 侧的"老钱"会被重新定价。 Intel / AMD 的服务器 CPU、内存带宽、互联芯片，在 agent 时代不再是"便宜的配件"。 只买更多 H100 救不了 agent 产品的延迟。很多 AI 创业公司做 agent，还在继续往 GPU 堆钱 —— 这条路走不通。 Datacenter 电费模型要重写。CPU 吃掉 44% 的动态能耗，散热和电力预算全要重估，直接影响 Neocloud 和 hyperscaler 的毛利。 AI infra 的下半场，战场从 GPU 搬到 CPU + 内存 + 互联。 大部分人还在讨论模型参数的时候，已经有人在重画 datacenter 的账本。