NVIDIA 与 SK Group 的 5000 亿美元 AI 合作面临电力与执行考验

NVIDIA 与 SK Group 宣布了一项价值超过 5000 亿美元的合作，将一项 2 吉瓦 AI 工厂计划与下一代内存开发结合起来。披露这一消息的 NVIDIA RSSHub 提醒凸显了其规模，但这项底层协议目前仍以意向书为基础。

这一差别至关重要。SK Telecom 计划部署 NVIDIA 的 Vera Rubin 计算平台，并搭配 SK hynix HBM4；同时，SK hynix 将进一步融入 NVIDIA 的内存路线图。首座 AI 工厂计划于 2027 年投入运营。

这项公告勾勒出一项纵向贯通的 AI 基础设施计划，覆盖芯片、内存、网络、数据中心和云服务。它也给竞争性内存供应商和区域云运营商带来压力。然而，最棘手的对手并非另一家公司，而是庞大承诺与实现它所需实体基础设施之间的鸿沟。

NVIDIA 与 SK Group 实际签署了什么

这项合作将 AI 算力与先进内存两项独立业务纳入同一项长期基础设施计划。

NVIDIA 与 SK Group 于 2026 年 7 月 24 日、在一场有韩国和美国商界领袖参与的 AI 峰会上宣布了这一倡议。根据官方合作公告，双方签署了涵盖 AI 工厂建设和 AI 内存供应的意向书。

意向书记录了各方的计划方向，此时所有具约束力的合同、选址承诺、融资结构和交付义务尚未全部确定。它可以体现严肃的商业意愿，但并不保证每个已宣布的组成部分都会按原定时间表推进。

这使得新闻标题中的价值不同于即时采购订单。NVIDIA 与 SK Group 所描述的是一项价值超过 5000 亿美元的综合倡议，而非一笔单独的现金付款或一座已获得完整资金支持的数据中心。

基础设施部分以 SK Telecom 为核心。该公司计划采用 NVIDIA 的 DSX 架构和 Vera Rubin 加速计算，建设规模最高可达 2 吉瓦的 AI 云。

DSX 是 NVIDIA 用于设计和运营大型 AI 设施的参考架构。它将处理器、网络、存储、软件、散热假设和运营模式整合为可重复使用的系统设计。

Vera Rubin 是 NVIDIA 围绕 Vera CPU 和 Rubin GPU 构建的计算平台。SK 计划部署的系统将搭配 SK hynix 的 HBM4。

HBM，即高带宽内存，通过垂直堆叠内存裸片，比传统内存布局更快、更高效地传输数据。HBM4 是正为 Vera Rubin 等系统准备的一代产品。

据 NVIDIA 称，首座设施预计将于 2027 年投入运营。完整的 2 吉瓦目标似乎代表更广泛的扩建计划，而非单个站点一开始便以最大规模启用。

SK Telecom 将利用由此产生的容量，向无法自行建设 AI 集群的企业出售访问权限。目标工作负载包括模型训练、AI 推理、企业服务、智能体，以及机器人等实体 AI 应用。

内存部分为 NVIDIA 和 SK hynix 提供了更长的规划周期。双方计划围绕未来 NVIDIA 系统，在内存设计、验证、供应和优化方面展开协调。

这很重要，因为内存开发不能等到新 GPU 架构完成后才开始。供应商必须在大规模部署前数年，就接口、封装、散热、性能目标和生产计划进行协同。

因此，NVIDIA RSSHub 的标题只是起点。真正显著的变化，是在最终基础设施落地之前协调数据中心需求与内存供应的尝试。

这种模式让 NVIDIA 能更清晰地预判未来 HBM 的可用性，也让 SK hynix 更明确地了解 NVIDIA 预计客户会部署哪些产品。

不过，这两项优势都无法消除建设风险。如今，这项合作必须将规划文件转化为场地、公用事业协议、设备订单、通过验证的内存，以及付费的云客户。

这项交易连接了算力、内存与云需求

SK Group 正在 AI 基础设施市场的两端布局：既供应关键内存，也运营消耗这些内存的系统。

大多数 AI 基础设施合作仅连接芯片公司与数据中心运营商。这项倡议延伸得更远，因为 SK Group 控制着电信和内存领域的重要业务。

SK Telecom 可以运营计算基础设施并出售容量。SK hynix 可以供应连接至加速器的 HBM。NVIDIA 则提供处理器、网络、软件栈和 DSX 设计。

这种结构缩短了若干协同链路。SK Telecom 可以围绕 SK hynix 内存的可用性规划部署，而 NVIDIA 则可以将系统要求与运营商和内存制造商同时对齐。

这一安排也为 SK Group 提供了超越销售半导体元件的发展路径。HBM 供应商通常在内存出货时获得收入，而 AI 云运营商则可以在客户训练模型或运行推理时获得持续性收入。

这并不意味着 SK Group 覆盖了所有环节。该项目仍依赖晶圆代工厂、先进封装、存储、网络设备、电气硬件、冷却系统、建设承包商和能源供应商。

它也仍与 NVIDIA 的架构紧密绑定。SK Telecom 计划建设的云并非由可互换加速器组成的中立集合。已公布的系统采用 NVIDIA DSX、Vera Rubin 以及周边的 NVIDIA 软件环境。

这一承诺带来了与围绕 CUDA——NVIDIA 面向其 GPU 的编程平台——构建的软件的兼容性。同时，它也增加了对 NVIDIA 产品节奏和系统经济性的敞口。

其技术机制很直接。更快的处理器需要能够持续供给数据的内存。更大的集群需要能够保持处理器同步的网络。这些集群还需要足够的电力、冷却和存储，才能持续运行。

在这一规模下，性能取决于整条链路中最慢的部分。因内存限制而等待的 GPU 不会产生任何产出。等待电网供电的已安装机架同样不会产生任何产出。缺乏持续客户需求的运行集群，则会变成昂贵的闲置容量。

NVIDIA 表示，DSX 通过全栈参考设计解决这些依赖关系。其 DSX architecture 覆盖计算、网络、存储和设施规划。

参考设计可以减少重复工程工作，但无法消除本地限制。每个场地仍需要许可证、变电站、变压器、水资源或替代冷却资源、光纤连接以及合格的工作人员。

2 吉瓦这一数字说明了这些依赖关系为何重要。它所描述的既是一项工业能源项目，也是一项技术部署。

云业务还需要广泛的客户基础。前沿模型开发商可以消耗大块容量，但其需求集中在相对少数公司手中。企业客户通常会以更渐进的方式采用基础设施。

因此，SK Telecom 必须在建设大型设施的同时，提供较小客户也能使用的产品。它需要调度、安全、支持、模型部署工具和可预测的服务水平。

如果这一商业层面运转顺利，这项合作就不止是一笔设备采购。它将成为 NVIDIA 计算能力进入亚太市场的渠道，以及 SK hynix 内存的持续需求来源。

如果采用进度落后，纵向贯通的结构可能会放大下行风险。云利用率疲软将影响设施的经济性，并降低未来硬件扩张的紧迫性。

为什么 NVIDIA RSSHub 标题对内存竞争对手很重要

这项内存协议加大了 Samsung 和 Micron 面临的压力，但并未将它们排除在 NVIDIA 的供应链之外。

SK hynix 已成为 AI 加速器市场的核心参与者，因为 HBM 性能会影响处理器可访问的数据量。容量、带宽、功耗、热量、封装和制造良率都会影响系统可用性。

它与 NVIDIA 的关系早于 7 月的公告。今年 6 月，两家公司披露了一项涵盖未来 AI 系统、半导体设计、制造仿真和工厂数字孪生的多年期内存合作。

7 月的倡议增加了更直接的需求渠道。SK Telecom 计划建设的 Vera Rubin 云预计将采用 SK hynix HBM4，使一家 SK 关联公司的内存进入由另一家关联公司运营的基础设施。

这使合作在战略层面比标准供应合同更深入。SK hynix 获得了一个旗舰部署案例，而 NVIDIA 则在同一企业集团内获得了一家客户和一位内存合作伙伴。

Samsung 面临最直接的竞争压力。它与 SK hynix 在 HBM 领域竞争，并拥有自身庞大的半导体制造基础。失去对一个重要参考部署的影响力，可能影响验证进展和客户认知。

Micron 仍是另一位重要参与者。该公司宣布，其 36GB、12 层 HBM4 已于 2026 年第一季度进入量产。公司表示，该产品专为 Vera Rubin 设计，带宽超过每秒 2.8 TB。

这项 HBM4 production update 是重要证据，表明 NVIDIA 并未在所有 Vera Rubin 部署中依赖单一供应商。多个通过验证的来源可以降低供应风险，并增强 NVIDIA 的议价地位。

因此，SK hynix 获得的是更紧密的合作位置，而非毫无竞争的市场。Samsung 和 Micron 仍可通过良率、产能、能效、封装、交付可靠性以及后续产品协作展开竞争。

NVIDIA 也有理由维持多元化的供应商基础。一家供应商出现短缺、制造缺陷或封装瓶颈，都可能扰乱完整系统的出货。

长期协议仍可能影响竞争格局。及早获取 NVIDIA 的设计目标，有助于供应商决定应将工程资源和资本配置到何处。

紧密的联合开发也会加快反馈循环。NVIDIA 可以识别影响系统性能的内存行为，而 SK hynix 则可以围绕真实工作负载需求调整未来设计。

随着 AI 工作负载日益多样化，这一过程变得更加重要。训练大型语言模型与为数百万短请求提供服务，对内存施加的压力并不相同。长时间运行的智能体和机器人系统还会带来额外的延迟和功耗需求。

合作公告将训练、agentic AI 和实体 AI 列为目标工作负载。Agentic AI 指能够规划并执行多步骤任务的系统。实体 AI 则将模型与在真实环境中运行的机器相连接。

每种工作负载都会改变计算、内存容量、带宽、网络和存储之间的平衡。仅围绕一个基准制定的内存路线图，无法应对这种多样性。

NVIDIA RSSHub 的搜索线索可能让这个故事看起来像是 SK hynix 的一次简单胜利。竞争现实则更为审慎。SK hynix 获得了更深入的合作关系，而竞争对手供应商仍可进入同一平台。

对采购方而言，供应商之间的竞争依然有价值。它可以改善供货可得性，并降低单一制造问题拖延整个基础设施周期的风险。

对存储公司而言，压力如今已不仅在于生产一款高速组件。它们还必须证明，其存储产品能在完整的机架级系统中可靠运行，并能持续实现规模化出货。

两吉瓦让 AI 计划变成能源考验

决定性约束在于，SK Telecom 能否以其计算计划所要求的速度，获得可靠的电力和配套基础设施。

2 吉瓦的目标让该项目进入国家级基础设施的范畴。挑战不只是采购处理器，而是要通过原本围绕不同需求模式设计的电网，持续输送电力。

AI 系统还会形成集中式负载。在单一地点部署数百兆瓦的负载，可能比将同等需求分散到整个区域更难满足。

国际能源署报告称，数据中心用电量在 2025 年增长了 17%。该机构预计，到 2030 年，数据中心总用电量将翻倍，而专注于 AI 的设施用电量将增长至三倍。

该机构还指出，变压器、燃气轮机、先进芯片及其他设备的供应正趋于紧张。电网接入和审批已在多个市场延误项目进展。

这些能源瓶颈为 SK 项目提供了最相关的背景。一个设施可能已经获得融资和硬件承诺，却仍要等待数年才能完成输电升级。

韩国还面临额外的地理约束。该国人口密集、工业负载庞大，且主要需求中心附近可用于建设新基础设施的空间有限。

SK Telecom 尚未公开详述完整 2 吉瓦计划中的每一个选址、建设阶段、电力来源、电网接入方式或容量里程碑。这些缺失并不会否定该公告，但会妨碍外界独立评估其交付进度。

首个设施计划于 2027 年启用，这将提供一次早期检验。读者应将这一初始设施与完整目标区分开来。

较小的第一阶段可以投入运营，而后续阶段仍受制于许可和供电协议。对于大型数据中心项目而言，这很正常，但会使基于名义容量的比较变得复杂。

冷却是另一项限制因素。Vera Rubin 系统将在每个机架中部署高密度计算设备。运营商必须排出热量，同时不能牺牲可靠性或消耗过多辅助电力。

NVIDIA 表示，DSX 可帮助运营商在建设前对基础设施进行建模。数字孪生，即物理设施的软件化表示，可用于测试布局、冷却表现和运行场景。

模拟可以及早发现设计问题，但无法制造一台延迟交付的变压器、批准一条输电线路，或保证一份能源合同。

经济问题同样重要。SK Telecom 必须在设施启用后维持足够高的利用率，才能支撑昂贵的基础设施。

AI 需求正在增长，但美国、中东、欧洲、日本和亚洲其他地区公布的容量也在扩张。客户可以根据价格、延迟、监管、数据驻留和软件支持来比较不同区域。

韩国拥有强大的半导体专业能力和电信网络，也毗邻亚洲主要科技市场。

这些优势并不会自动创造全球需求。SK Telecom 必须证明，客户更愿意选择其云服务，而非超大规模云服务商和专业 GPU 运营商提供的服务。

主权 AI 提供了一个潜在的客户基础。各国政府和受监管行业日益希望模型、数据和计算能力部署在受控司法管辖区内。

企业 AI 则带来另一项机会。无法为自建集群提供充分理由的公司，可以租用托管容量，前提是服务包含安全保障和可用的部署工具。

实体 AI 还可从制造商、机器人开发商、汽车公司和工业研究项目中创造本地需求。韩国的制造业基础赋予这一市场现实意义。

不过，这些需求来源的成熟速度各不相同。政府项目遵循采购周期，企业部署可能在测试阶段停滞，而机器人工作负载可能需要数年整合。

因此，项目规模带来了节奏安排问题。SK Telecom 必须足够快地增加容量以捕捉需求，同时避免在客户尚未准备好前启用过多基础设施。

5,000 亿美元承诺尚不是交付时间表

在企业披露具有约束力的里程碑、已承诺容量和可衡量的部署进展之前，这项合作的价值仍只是企业估算。

该公告采用了一个异常庞大的总价值数字，但对其计算方式提供的细节有限。它没有将该数字拆分为建设支出、硬件采购、存储供应、云收入或长期投资。

这使得该数字难以与传统收购或供应协议进行比较。它可能涵盖多年时间跨度以及 SK 的多个业务部门。

双方还签署了意向书。这些文件使计划正式化，但通常为后续关于数量、时间、责任和终止权利的合同留有空间。

因此，投资者和客户不应将完整的 headline 价值视为已承诺的近期支出。更有价值的证据将体现在采购义务、资本支出、建设里程碑和商业服务发布中。

这正是 NVIDIA RSSHub 报道背后的核心张力。公告描述的是一个一体化终点，而公开证据只描述了路线的最初部分。

2027 年设施目标提供了一个具体日期。然而，NVIDIA 的声明并未披露其初始运营容量、客户承诺，或向 2 吉瓦扩展的速度。

Vera Rubin 的落地执行是另一项依赖因素。NVIDIA 已将该平台投入生产，并正与基础设施合作伙伴协作，但产品的大规模可用性仍取决于制造、封装、存储、网络和系统集成。

HBM4 供应也必须满足多家客户的需求。SK hynix 无法将未来所有产出都专供 SK Telecom，因为 NVIDIA 系统还将由全球的云服务商和其他基础设施运营商部署。

紧密合作或许能改善资源分配规划，但无法消除高需求时期对合格供应的竞争。

建设通胀和融资也可能重塑部署节奏。大型项目容易受到设备延期、劳动力短缺、利息成本和客户需求变化的影响。

政策带来了另一层不确定性。先进 AI 基础设施处于出口管制、安全审查、能源监管和国家产业战略的交汇点。

该合作聚焦韩国及更广泛的亚太市场。为该区域客户提供服务，可能需要针对硬件获取、数据流动和敏感工作负载采取不同的合规方案。

还存在集中度风险。SK Telecom 正押注以 NVIDIA 为核心的架构，而大型采购方同时也在评估来自 AMD、Google、Amazon 及其他供应商的定制加速器和系统。

NVIDIA 的软件环境和市场地位降低了立即迁移的压力。然而，希望获得更大供应商灵活性的客户，可能更倾向于提供更广泛加速器选择的云平台。

这并不意味着该选择不理性。围绕一种架构实现标准化可以加快部署并减少集成工作，代价是对单一路线图的依赖更强。

SK hynix 面临类似的集中度问题。与 NVIDIA 更深度的协同带来规模和技术获取机会，但也让更多投资决策与 NVIDIA 的平台节奏挂钩。

因此，这项合作应被视为一项协调一致的押注，而不是一项已建成的基础设施资产。其成功取决于多项计划能否大致同时走向成熟。

Vera Rubin 系统必须出货。HBM4 必须完成认证并实现规模化。场址必须获得电力。SK Telecom 必须推出有用的服务。客户必须消耗足够的计算容量，以支撑持续扩张。

若其中一个环节延误，其他环节不一定会失败，但它们可能失去紧密协同所承诺的部分经济优势。

三个信号将表明计划是否奏效

接下来最有价值的证据将来自运营里程碑，而不是又一个扩张 headline。

第一个信号是详细的 2027 年上线计划。SK Telecom 应明确初始场址、运营容量、建设状态以及实现商业可用性的路径。

设施若能按期投入服务，将增强 DSX 能够支持快速部署的论据。若只是有限启用且没有明确的扩展里程碑，完整的 2 吉瓦目标仍将悬而未决。

第二个信号是 HBM4 在 Vera Rubin 系统中的认证和交付情况。SK hynix 必须证明其能够实现可靠的量产，同时 Micron 和 Samsung 仍在继续争夺平台份额。

供应公告应结合系统出货情况解读。生产存储产品并不自动意味着完整机架正以预期速度交付给客户。

第三个信号是客户利用率。SK Telecom 需要具名工作负载、签约用户，或可信的利用率披露，以证明该基础设施服务的需求超出了 SK Group 的内部需要。

政府研究项目和大型企业可以帮助建立首批客户基础。持续的商业使用将比短期演示更重要。

这些信号也会影响开发者和企业采购方。更多区域计算容量可以改善访问条件、降低延迟，并支持数据驻留要求。

不过，采购方应评估实际可用的服务，而非已公布的最大容量。他们需要了解支持的模型、网络、存储、安全性、可用性和部署工具。

工程团队还需要跟踪多家供应商的产品公告。一个可搜索的知识库可以帮助关联硬件路线图、认证更新和内部基础设施决策，避免让每一则公告都成为孤立的笔记。

NVIDIA RSSHub 的结果将持续吸引关注，因为 headline 数字非同寻常。但更具持久性的故事关乎计算、存储、电力和云需求之间的协调。

NVIDIA 和 SK Group 勾勒出一个各层相互强化的系统。当执行保持同步时，这种结构可以降低供应不确定性并加快部署。

但它也可能同时暴露每一项依赖。延迟的电网接入可能搁置硬件计划，而缓慢的客户采用可能削弱后续建设的合理性。

关注首个设施、HBM4 出货证据和付费云需求。这三个信号将显示，这一项目会成为正常运作的 AI 基础设施网络，还是仍只是一组雄心勃勃的协议。