Nvidia 与 SK Group 揭晓 5000 亿美元 AI 基础设施合作伙伴关系

Nvidia 与 SK Group 宣布了一项规模超过 5000 亿美元的 AI 计划，为 Google News 读者带来了一项罕见的大规模基础设施承诺。这项计划将一片接近 2 吉瓦的韩国 AI 云，与长期内存供应和联合开发工作结合起来。

这项宣布之所以重要，是因为 Nvidia 不再只是锁定处理器、服务器或单笔内存订单。它正在协调同一工业集团内的算力、内存、网络、软件、建设以及未来需求。

这种模式对 Samsung、Micron、云服务商以及寻求建设自主 AI 算力的政府构成压力。它也挑战了关于 AI 竞争的一项常见假设：下一场竞争不会只由最快的处理器决定。

核心问题在于，Nvidia 与 SK 能否将意向书转化为承诺规模下的实际运营基础设施。电力交付、建设进度、内存生产、客户需求和融资必须全部协同到位。

Nvidia 与 SK Group 实际同意建设什么

这项协议结合了三种稀缺资源：先进处理器、高带宽内存和吉瓦级电力容量。

Nvidia 与 SK Group 于 2026 年 7 月 24 日在旧金山举行的一场 AI 峰会上宣布扩大合作伙伴关系。双方签署了涵盖 AI 工厂建设及未来内存供应的意向书。

官方的 AI 基础设施计划称，这项计划的价值超过 5000 亿美元。不过，公告并未提供详细的支出时间表，也没有说明该金额将如何分配至建设、设备、内存和运营。

这种区分很重要。新闻标题中的承诺不等于已经获批、融资或支出的资本。意向书确立方向，但后续合同才会决定具有约束力的采购量和交付义务。

SK Telecom 计划在韩国建设一片 AI 云，容量最高可达 2 吉瓦。这一扩建项目中的首座 AI 工厂计划于 2027 年投入运营。

AI 工厂是一种数据中心，旨在将电力和数据转化为训练完成的模型、生成的 token 以及自动化决策。Nvidia 使用这一术语，是为了强调生产能力，而非传统的信息存储。

该设施将采用 Nvidia 的 DSX 架构，这是一种覆盖加速计算、系统、网络、软件和合作伙伴技术的全栈设计。它将部署由 SK hynix HBM4 支持的 Nvidia Vera Rubin 计算系统。

HBM4 是高带宽内存的第四个主要代际。它将内存芯片堆叠在加速器附近，使数据传输速度快于传统服务器内存所能实现的水平。

这种速度至关重要，因为当内存子系统无法足够快地提供数据时，加速器可能处于闲置状态。在带宽不足的情况下增加更多算力，只会形成昂贵的瓶颈。

该计划还包括 Nvidia 与 SK hynix 之间的一项长期协议。Nvidia 预计，这一安排将稳定其获取未来 AI 内存的渠道，同时双方将协调产品路线图。

双方计划为模型训练、AI agents 和 physical AI 联合开发并优化内存。physical AI 指通过机器进行感知和行动的模型，包括机器人、车辆和工业系统。

因此，这项 据报道达成的协议包含两个相互关联的方面。SK Telecom 将成为 Nvidia 系统的大型买家和运营商；SK hynix 则成为战略性内存开发商和供应商。

SK Group 还获得了一条从组件制造进入云基础设施的路径。它不再只是向他人的平台销售内存，也可以参与构建在这些硬件之上的服务层。

这一结构形成了一个封闭的商业循环。SK 制造关键内存、采购 Nvidia 平台、运营由此形成的容量，并向亚太市场客户出售访问权限。

这正是该消息超越传统供应协议的原因。Nvidia 与 SK 正尝试在需求全面兑现之前，协调多个基础设施层面。

Google News 的标题为何不止关乎 5000 亿美元

标题数字吸引眼球，但在受限供应链间的协调，才是更具影响力的承诺。

Google News 的报道自然会突出超过 5000 亿美元这一数字。它令人印象深刻、规模庞大，也便于与其他国家或企业的 AI 公告进行比较。

但公开发布的信息并未回答有关这一估值的重要问题。它没有指出任何单个获资助、价值达到该金额的项目，而是描述了一项在未明确期限内覆盖基础设施和内存的综合计划。

读者应将这一数字视为合作伙伴关系已公布的范围，而非整笔资金都已进入承诺建设预算的证据。

2 吉瓦的目标为理解这一实体规模的雄心提供了更具体的方式。这种规模的设施所需的远不止一批加速器。

它还需要公用事业连接、变电站、输电容量、冷却系统、备用设备、网络连接、土地、许可证和训练有素的运营人员。每项依赖条件都有不同的开发进度。

首座设施计划于 2027 年开业，将检验合作伙伴是否已获得充足的这些投入条件。它也将揭示 2 吉瓦目标中有多少容量会在初始阶段落地。

电力尤其重要。Nvidia 可以加快处理器生产，SK hynix 也可以扩大内存产出。但两家公司都无法仅靠半导体工程创造新的电网容量。

韩国确实具备若干优势。它拥有主要的内存制造商、先进的电信网络、工业客户，以及对国内 AI 基础设施的公共支持。

Nvidia 已将韩国定位为 AI 计算与制造基地。此前一项 韩国部署计划涉及约 26 万颗 Nvidia GPU，覆盖政府和企业项目。

该先前计划向 Samsung 和 SK 各分配了约 5 万颗 GPU，用于制造和半导体开发。它还包括用于国家云项目和 Hyundai 机器人工作的系统。

新的合作伙伴关系将这一方向从大规模设备订单扩展至一体化基础设施。它使 SK 的电信与内存业务更紧密地绑定于 Nvidia 的架构。

这一时机反映了 AI 需求的转变。早期生成式 AI 投资高度聚焦于训练大型模型。如今，运营商需要同时具备用于训练、推理、agents 和工业应用的容量。

推理是运行训练完成的模型以生成答案或执行行动的过程。其经济性取决于利用率、内存容量、能源消耗以及交付的 token 数量。

Nvidia 表示，DSX 面向低 token 成本和高能效。这些说法需要来自已建成设施的运营数据，客户才能将其与其他部署进行比较。

不过，这一架构揭示了 Nvidia 的策略。该公司希望客户评估的是一套集成式生产系统，而不是孤立的 GPU 规格。

这种做法可降低运营商的设计不确定性，但也可能使客户更依赖 Nvidia 的网络、软件、系统设计和升级节奏。

因此，这项合作伙伴关系为 SK 提供了更快获得容量的途径，同时强化了 Nvidia 对周边技术栈的控制。两种好处都伴随着难以逆转的长期承诺。

真正的竞争是协同供应对阵开放采购

Nvidia 与 SK 押注，提前协调将胜过通过彼此独立的竞争流程采购每一种基础设施组件。

大型云运营商历来通过重叠的供应商关系采购处理器、内存、存储、网络和建设服务。这种做法能够保留议价能力，并限制对单一供应商的依赖。

Nvidia 与 SK 的计划选择了一条协调程度更高的路径。未来的内存设计将与 Nvidia 平台保持一致，而 SK Telecom 则围绕 Nvidia 的 DSX 架构建设云容量。

这一结构解决了一个现实的技术问题。内存开发和半导体制造需要较长的前置周期、昂贵的设备，以及在最终需求尚不确定前数年作出的决策。

当一款新加速器进入量产时，内存供应商无法立即增加产出。认证、封装、良率和客户测试决定了可用产能何时到位。

Nvidia 可获得对 SK hynix 路线图及潜在供应的更高可见性。SK hynix 则能为未来内存世代所需的资本投资获得更清晰的需求信号。

双方此前的 内存合作伙伴关系涵盖了超出常规采购协议范围的技术路线图。两家公司讨论了面向 Vera Rubin 系统及其他 Nvidia 平台的内存。

这些平台包括独立的 Vera 处理器、个人 AI 计算机和 Jetson Thor 机器人系统。不同产品以不同组合使用 HBM4、LPDDR5X、DDR5 或存储技术。

联合规划有助于避免平台发布受到不匹配的内存进度限制，也能让 SK hynix 更早影响 Nvidia 的系统需求。

不过，协调并不等于排他性。Samsung Electronics 和 Micron 也为 Nvidia 平台供应或开发先进内存，包括 HBM4。

Nvidia 有理由保留多个经过认证的供应来源。供应多元化可降低其面临生产问题、地缘政治扰动和制造良率偏低的风险。

SK hynix 同样有理由维持 Nvidia 以外的客户。过度依赖单一平台所有者，可能削弱其在未来产品周期中的谈判地位。

Samsung 面临最直接的竞争压力。它一方面在 HBM 领域与 SK hynix 竞争，另一方面也在开发自己的半导体、云和制造 AI 项目。

该协议使 Nvidia 获得了一家高度协同的韩国内存合作伙伴和一位大型基础设施客户。Samsung 必须证明，其更广泛的制造规模能够带来同等或更优的执行力。

Micron 则从不同位置面临类似挑战。它可以争取 Nvidia 的内存采购量，但缺少 SK Group 所具备的电信基础设施与韩国工业影响力组合。

云服务商同样面临压力。SK Telecom 可利用计划中的基础设施，向希望获得区域容量的企业和公共机构出售计算服务。

这并不会立即让 SK Telecom 成为 Amazon Web Services、Microsoft Azure 或 Google Cloud 的替代者。这些平台提供成熟的软件服务、全球区域和既有的企业关系。

SK 则可以通过主权、地理位置和供应协同展开竞争。一些客户重视将工作负载和数据保留在特定国家司法管辖区内。

主权 AI 指在本地法律、运营和数据要求下受控的基础设施与模型。它正成为政府和受监管行业的重要采购考量因素。

这项合作也让 Nvidia 在应对定制加速器时拥有更多筹码。Google、Amazon、Microsoft 和其他运营商正在开发芯片，以降低特定工作负载对 Nvidia 的依赖。

Nvidia 的应对措施不止于提升 GPU 性能。它正在让围绕其技术构建完整 AI 工厂的规划、采购和运营变得更加容易。

定制芯片可为稳定、高吞吐量的工作负载带来颇具吸引力的经济性。但当买方必须自行协调内存、网络、软件和系统集成时，其部署难度便会提高。

Nvidia 押注于全栈执行能力将抵消单一替代芯片的吸引力。SK Group 为这一判断提供了一个大型测试案例，且并非来自美国主要云服务商。

这场竞争并非 Nvidia 与某一家特定竞争对手之间的对抗，而是协同供应与开放采购在碎片化基础设施市场中的较量。

如果协同模式能够更快交付算力，Nvidia 将获得可复制到其他国家和产业集团的模板。如果延误不断累积，买方将质疑更紧密的协同是否真的降低了执行风险。

内存供应并不能消除电力与需求风险

长期内存协议解决了一个瓶颈，但建设、电力、融资、利用率和客户需求仍面临风险。

SK hynix 有充分理由锁定未来需求。HBM 比标准内存产品需要更复杂的封装和制造资源。

公司必须在最终订单到来之前很早作出产能决策。Nvidia 路线图的可见性可以让这些决策更容易，但无法消除预测失误。

内存市场历来在短缺与供过于求之间波动。AI 需求改变了产品结构，但基本风险依然存在。

SK Group 董事长崔泰源曾警告称，内存晶圆短缺可能持续至 2030 年。他表示，建设足够的晶圆产能可能需要四到五年。

他的警告包括预计晶圆短缺将超过 20%。这仍是一项高管预测，而非对未来供应的独立确认指标。

其底层机制可信。HBM 消耗大量制造产能，而新晶圆厂的建设和认证需要数年时间。

不过，短缺预测既支持 SK 的投资逻辑，也强化了其在客户谈判中的地位。读者应区分客观存在的物理约束与所声称的具体持续时间。

这一合作的长期结构可以保护 Nvidia 免受部分供应波动影响，但无法保证生产良率，也无法阻止竞争客户争夺相同产能。

HBM4 同样带来工程挑战。更快的接口、更高密度的封装、热管理以及与加速器的集成，必须在规模化生产中协同运行。

一个组件可能通过初始认证，却无法达到所需的良率、成本或产量。首批 Vera Rubin 交付将比路线图公告提供更有力的证据。

Nvidia 表示，Vera Rubin 已进入全面生产阶段，计划于 2026 年第三季度开始交付。这一时间表将对所有通过认证的内存供应商构成早期考验。

更大的不确定性存在于芯片封装之外。一座 2 吉瓦云设施需要足够稳定可靠的电力，才能让昂贵系统以高利用率运行。

电网接入所需时间可能长于服务器采购。本地反对、许可延误、设备短缺和发电能力限制都可能改变建设进度。

冷却也会成为另一项约束。高密度 AI 系统会集中产生热量，从而提高对水资源、电力、设施设计和维护的需求。

Nvidia 的效率主张并不能消除这一问题。计算效率提升往往会促使运营商部署更多总容量，进而增加整体用电需求。

融资同样值得审视。这份公开公告没有说明各方将投入多少资本、何时形成正式承诺，或哪些项目被计入这一头条金额。

公告也未披露支持计划产能的客户合同。只有足够多的付费工作负载持续占用高成本系统，基础设施才能产生有吸引力的经济效益。

当前 AI 算力需求强劲，但买方正变得更加谨慎。企业越来越关注已部署模型能否带来可衡量的成本节约、收入或运营改善。

因此，这座 2027 年设施必须在原始算力以外展开竞争。客户将比较可用性、数据驻留、模型支持、网络、可靠性和 token 经济性。

SK Telecom 可以依托其企业客户关系和网络运营能力。这些优势有助于市场分发，但并不能保证加速器利用率长期维持。

合作措辞还涵盖训练、智能体、物理 AI 和企业服务。这种广度创造了机会，同时也使需求预测更难验证。

智能体 AI 系统能够结合工具和外部数据执行多步骤任务。其算力需求高度取决于采用情况、可靠性，以及人类需要监督它们的频率。

物理 AI 的部署周期更长。工业机器人和自主设备必须满足安全、集成和投资回报要求，才能形成大规模部署。

合作伙伴实际上是在同时为多条需求曲线建设基础设施。其中一些可能快速增长，另一些则可能受软件质量或客户谨慎态度限制。

平台集中化风险同样存在。围绕 Nvidia DSX 建设可加快部署，但未来升级仍将绑定于 Nvidia 的架构与商业路线图。

如果竞争性加速器取得改进，SK 可能拥有更少的选择来迁移已安装系统。设施可以更换服务器，但电力、网络、软件和运营惯例会形成转换成本。

这些风险都不会否定该项目。它们解释了为何意向书只是故事的开始，而非结论。

超过 5000 亿美元的头条金额，只有通过正式签约、设施建成、内存通过认证、工作负载投入运行以及披露利用率，才会变得具有实际意义。

Google News 读者接下来应关注什么

三个信号将显示这项合作正在成为基础设施，还是仍停留在雄心勃勃的框架阶段。

第一个信号是首座 2027 年 AI 工厂。Nvidia 和 SK 必须披露其地点、电力容量、建设进展和部署时间表。

若设施按时投入运营，将强化协同基础设施规划的逻辑。若开业时间模糊或延迟，则会削弱这一头条目标的可信度。

首期规模与开业日期同样重要。公告承诺建设最高达 2 吉瓦的云设施，但初始设施可能只代表其中一部分容量。

读者应关注送电里程碑，而非仪式性开幕。一座完工却缺乏足够电网供电的建筑，无法交付公告所描述的算力。

第二个信号是 Vera Rubin 和 HBM4 的执行情况。出货、认证结果、生产良率和系统可用性将检验这项内存合作。

SK hynix 必须以 Nvidia 所需的性能和规模供应 HBM4。Nvidia 则必须将这些组件转化为客户能够可靠部署的系统。

Samsung 和 Micron 将影响这一测试。如果三家供应商都获得有意义的出货量，Nvidia 即使与 SK 关系更紧密，仍能维持供应竞争。

如果 SK hynix 获得更大份额，这项合作将显现为竞争优势。如果出现生产问题，Nvidia 的多供应商战略将变得至关重要。

第三个信号是商业利用率。SK Telecom 需要明确的客户和工作负载，以证明对吉瓦级容量持续投资的合理性。

政府项目可以提供初始需求，尤其是在主权 AI 目标影响采购的地区。企业客户仍将期待可信的经济性和服务可靠性。

关注容量预订、云服务合同、区域合作关系和披露的利用率。这些指标比又一次扩张公告更重要。

Google News 很可能会持续报道建设、芯片出货和国家 AI 政策的后续消息。读者应将这些更新联系起来，而不是把每项公告孤立看待。

跟踪如此大型项目的团队，需要长期保存决策、变化中的数字和源文件。一套可搜索的知识库可帮助研究人员将后续说法与最初承诺进行比较。

这项合作也不仅值得投资者关注。开发者可能获得更多区域性 Nvidia 算力，而企业买方则可能拥有新的主权云选择。

产品团队应关注基础设施是否改善模型可用性或 token 经济性。制造团队应研究 SK hynix 如何在芯片设计和工厂仿真中使用 AI。

政策团队应跟踪电力配置、数据规则和公共支持。一个接近 2 吉瓦的项目不可避免会与国家能源和产业政策交汇。

最重要的结论并不是 Nvidia 和 SK 已经建成了一套价值 5000 亿美元的 AI 系统。它们已围绕一项达到该公告规模的计划协调了各自路线图。

这种协同让 Nvidia 能更早参与内存规划，并获得一位重要的区域基础设施客户。它则为 SK Group 提供了一条从内存生产进入 AI 云服务的路径。

执行结果将决定这些优势能否经受建设进度、电网约束、芯片良率和真实客户需求的考验。

对于通过 Google News 关注此事的读者，接下来值得提出的问题很具体：当首座设施启用时，实际会运行多少电力、内存和付费计算工作？