Nvidia维持其AI算力合作伙伴关系，但据报道的暂停暴露了其中的隐患

Nvidia表示，尽管有报道称其在推出该模式不到两个月后暂停了部分交易，其AI算力合作伙伴关系仍在持续。争议不在于AI公司是否需要更多GPU，而在于谁掌控算力、谁承担财务风险，以及一家占主导地位的芯片供应商能够对云客户施加多大影响力。

Nvidia于7月1日推出这一模式，旨在连接AI云运营商与需要大量加速计算的客户。加速计算利用包括GPU在内的专用处理器，比通用服务器更高效地运行高负载任务。Nvidia将销售其基础设施，为由此产生的算力需求提供支持，并从相关云收入中分得一部分。

据报道的暂停令这一构想变得复杂。根据Reuters发布的一篇关于融资计划的报道，一些潜在合作伙伴反对Nvidia试图对其客户施加的影响。Nvidia回应称，该商业模式仍在实施，并因需求旺盛而持续演进。

这种表述保留了该计划，同时也意味着其最终规则尚未确定。Nvidia不再只是组件供应商。在这一模式下，它可以成为算力兜底方、收入参与方、基础设施协调方，以及连接AI云与特定用户的把关者。

因此，Nvidia的AI算力合作伙伴关系构成了对纵向影响力的一次考验。销售关键硬件的同一家公司，也可以帮助决定哪些设施获得支持、哪些客户获得算力，以及这些算力产生的收入如何分配。

Nvidia的AI算力合作伙伴关系仍在持续，但其条款正在变化

Nvidia否认放弃该计划，但并未否认个别交易或计划条款可能发生变化。

这种区别至关重要。一个计划可以仍在持续，同时谈判暂停、限制条件改变，拟议交易转入不同结构。Nvidia的声明回应的是这一计划是否存在，而非其早期实施过程中围绕每一项分歧的报道。

Nvidia将这一模式作为对一项常见基础设施问题的回应。AI云必须在尚不确定是否会有足够客户租用相应算力之前投入资本。贷款方和基础设施投资者希望看到可信证据，证明昂贵的设施将持续保持使用率。

该公司的7月模式结合了收入分成与信贷支持。参与其中的AI云销售运行于Nvidia系统上的服务。Nvidia获得常规硬件收入，并从受支持算力产生的云收入中分得一部分。

Nvidia还将更快获得算力列为核心优势。模型开发者和推理服务提供商往往无法等待选址、电力采购、建设、网络部署和系统安装完成。一个已就绪的多租户设施可以缩短这一过程。

多租户基础设施通过共享计算资源池为多位客户提供服务。由于一位租户未使用的算力可以供另一位租户使用，这种安排能够提升利用率，也可降低对单一客户的依赖。

首批项目展示了预期规模。Nvidia表示，Sharon AI计划部署最多40,000块Grace Blackwell GB300 GPU。Firmus正在建设一个印尼园区，预计将达到360兆瓦，并支持最多170,000块Nvidia GPU。

这些公告是公司预测，并不能证明每套规划系统都已获得融资、完成安装或被使用。不过，它们表明Nvidia所讨论的基础设施远超常规服务器订单。每个项目都需要围绕电力、建设、融资、客户和长期利用率作出协调决策。

争议在报道称Nvidia暂停了一些收入分成安排后出现。据报道，潜在合作伙伴抵制Nvidia试图影响受支持GPU租赁方式的做法。

据称，Nvidia希望部分运营商只服务获批客户，并将算力分配给多家较小的AI公司。云运营商则据报道认为，他们应掌控自己的客户关系。

Tom’s Hardware的一篇计划状态分析强调了两种说法之间的细微差别。Nvidia表示该计划仍在继续，而原始报道涉及的是部分交易及存在争议的条件。

这并非直接矛盾，而是表明7月的设计进入商业谈判后遇到了阻力。Nvidia可以保留这一模式，同时修订审批权、算力承诺或收入分成条件。

尚待解答的问题是，“持续演进”在实践中意味着什么。它可以指正常的合同完善，也可能意味着最具争议的要素需要进行重大调整，才能吸引更多云运营商参与。

这一模式让Nvidia不止是一家硬件供应商

该计划将Nvidia的影响力从销售GPU延伸至融资、算力分配、客户选择和持续性的云业务经济收益。

Nvidia的传统优势在于将GPU与网络、系统、库和CUDA软件结合起来。CUDA是Nvidia用于在其处理器上运行加速工作负载的编程平台。这套集成技术栈降低了部署许多AI应用所需的工作量。

7月推出的模式在这一技术平台之上增加了金融层。Nvidia可以通过支持未来需求，帮助运营商获得基础设施。随后，它还能参与由其已售硬件产生的收入。

这一结构试图解决时间错配问题。基础设施成本先于云收入到来。较小的AI云可能拥有感兴趣的用户，却没有建设大型设施所需的资产负债表实力。

可信的算力承诺可以让这类项目更易获得融资。如果重要合作伙伴承诺租用闲置算力或支持最低收入，投资者面对的早期入驻不确定性便会降低。云运营商也获得了一条原本可能无法实现的扩张路径。

Nvidia在多个环节受益。它销售更多系统，扩大CUDA的装机基础，帮助新兴AI公司获得算力，并取得与使用量挂钩的收入。更多算力也能鼓励开发者构建需要更多Nvidia计算资源的产品。

由此形成的结果类似于需求飞轮。硬件销售创造云算力，可用算力支持更多AI服务，这些服务产生使用量，并支撑更多基础设施采购。

然而，同一飞轮也可能令需求更难解读。如果Nvidia支持购买Nvidia系统的设施，部分表面上的硬件需求就与供应商自身的承诺有关。这并不意味着需求是人为制造的，但会改变其背后的风险。

该计划也让Nvidia有理由影响租户选择。云运营商可能更偏好一个大客户，因为这种安排可简化销售并提高短期使用率。Nvidia则可能偏好多个客户，因为多元化可减少对单一租户的敞口。

两种立场都有商业逻辑。运营商希望自由地最大化其设施收入。Nvidia则希望受支持的算力能够覆盖其公告中描述的广泛AI生态系统。

这构成了该计划的核心权衡。让融资更容易的担保，也会让Nvidia有理由要求相应保障。这些保障可能限制运营商的独立性。

Nvidia偏好的客户组合可以塑造模型开发商和推理公司之间的竞争。算力获取已成为一项战略约束，因为大规模部署需要稀缺的芯片、电力和网络资源。参与客户审批的供应商，可以影响哪些公司率先实现扩张。

这种影响力尤其重要，因为Nvidia并非中立的基础设施投资者。其硬件和软件在整个AI市场中占据核心位置。它还投资AI公司、与主要云平台合作，并开发自己的模型和服务。

因此，据报道的条件影响的不只是合同管理。它们引发了这样的问题：一家基础设施供应商能否在支持市场的同时，也决定谁获得由此产生的算力。

Nvidia将其系统描述为扩大获取渠道的方式。批评者则认为，这种结构可能加深对Nvidia的依赖，同时将公司的影响力延伸至客户运营。答案取决于最终合同，而这些合同大多仍未公开。

云运营商面临更快扩张与更少控制权之间的选择

AI云公司可以获得融资支持和即时规模，但可能不得不让渡对客户、定价和算力分配的自主权。

建设AI云不同于购买一批普通服务器。运营商需要大量电力配额、冷却系统、高速网络、合适的建筑，以及能够维护紧密互连集群的团队。任何一个环节延迟都可能推迟收入。

当客户需要灵活性时，相关经济效益会更加复杂。AI初创公司在训练期间可能需要数千块GPU，之后需求会减少。推理服务提供商的需求可能在产品发布后迅速上升，随后又会随着模型效率提升而变化。

运营商必须构建工作负载组合，以保持昂贵系统持续运行。低利用率会损害回报，因为硬件在闲置时仍会持续折旧。高利用率可以改善经济效益，但前提是合同能够覆盖电力、维护、融资和更换成本。

Nvidia的计划通过协调需求来应对这一利用率挑战。该公司可以将云运营商与初创公司、模型开发商、企业、研究人员和区域AI服务提供商连接起来。当客户承诺不足时，它还可以支持闲置算力。

这种支持可以让雄心勃勃的设施更易启动。它能降低运营商在需求尚未充分到来前就开始建设的风险，也能让客户无需为专用基础设施融资便获得算力。

然而，担保并不等于免费的运营自主权。承担部分风险的一方，通常会要求控制其所承受的风险。这可能包括客户资格、信贷标准、合同期限或集中度限制。

据报道的分歧集中于这些保障的边界。云服务提供商通常将客户选择视为核心商业职能。他们销售算力、管理客户关系、协商工作负载，并决定哪些租户最适合其基础设施。

如果 Nvidia 保留审批权，运营商便无法再独自掌控这一流程。云服务商认可的潜在客户，可能无法满足 Nvidia 的标准。另一些客户则可能因更契合 Nvidia 的整体战略而获得优先安排。

当算力稀缺时，这种担忧会进一步加剧。审批可能从例行合规审查，演变为实质性的竞争优势。获得支持性准入的创业公司，可以比仍在寻找基础设施的竞争对手更早完成训练、上线并服务客户。

Nvidia 对容量多元化的偏好同样会带来矛盾。将容量分配给更多较小用户，有助于支撑更广泛的市场，并减少对单一租户的依赖。然而，服务众多客户也会增加销售、排期、安全和支持方面的工作量。

单一大型租户则能简化运营。它可以承诺使用大规模容量，并带来可预测的收入。若为了保留较小规模的分配而拒绝此类安排，运营商的商业灵活性可能会受到限制。

Nvidia 与云服务公司也可能对系统的最佳用途存在分歧。Nvidia 希望该设施能够展示其平台的广泛需求；运营商则希望从现有容量中取得最高的风险调整后回报。

超大规模云服务商带来了另一重压力。Amazon、Microsoft、Google 和 Oracle 可以凭借规模大得多的资产负债表为基础设施融资。它们并不需要在每次扩张时都采用同类供应商支持安排。

专注于 AI 的云服务商通过快速部署、提供高密度 GPU 集群，以及服务需要更定制化支持的客户来竞争。Nvidia 的计划可以缩小它们在融资方面的劣势，但也可能让它们比超大规模竞争对手更依赖 Nvidia。

超大规模云服务商同时也是 Nvidia 的重要客户，并在开发替代性处理器。自研芯片为它们提供了议价能力，也为其在特定工作负载上降低对 Nvidia 的依赖提供了路径。小型云服务商通常没有这种选择。

因此，专业运营商必须权衡两种依赖关系。没有支持，它可能难以为容量融资；有了支持，Nvidia 则可能获得影响这些容量如何进入市场的能力。

据报道出现的反对意见表明，一些运营商认为这种平衡已经过度倾斜。但这并不意味着每位参与者都拒绝了该计划。它只是说明，对融资的需求并不会抹去商业自主权的价值。

真正的风险是控制权，而非 AI 需求突然崩塌

眼下的核心问题在于 Nvidia 如何管理其角色扩张带来的利益冲突，而不是客户是否已停止请求加速计算能力。

Nvidia 最新的财务表现表明，基础设施需求仍在持续。其季度营收较上年同期翻倍以上，数据中心营收也以相近幅度增长。管理层表示，供应仍低于客户需求。

公司还预测下一阶段将继续实现显著增长。一份财报概览指出，Nvidia 最大的客户预计将在 2027 年前持续进行大规模基础设施投入。这些预测支持了 AI 算力仍然受限的判断。

强劲的总体需求并不保证每个拟建设施都能实现可接受的利用率。市场可能同时出现优质系统供不应求，以及个别项目经济效益不佳的情况。选址、网络、电力成本、软件和客户合同都至关重要。

收入保障会转移部分项目层面的风险。如果运营商缺少足够的租户，Nvidia 可以帮助填补缺口。当 Nvidia 同时销售设备并参与由此产生的收入时，这种安排就会变得更加敏感。

批评者将这种模式描述为循环融资。担忧在于，供应商支持其基础设施采购会增加该供应商自身营收的客户。由此报告的需求，可能包含受从这些交易中获益的公司影响的交易。

循环性并不自动等同于欺诈，也不代表不存在实际使用需求。基础设施行业经常采用长期合同、供应商支持和项目融资。关键问题在于信息披露、独立承保，以及最终用户是否能够创造可持续收入。

Nvidia 一直试图将自身角色与直接项目融资区分开来。在一份基础设施框架中，公司表示，金融机构将独立审查客户需求、利用率、现金流和残值。

残值是指基础设施在其初始合同使用期结束后预期保有的价值。Nvidia 认为，其系统由于能够运行多种工作负载并在客户之间调配，因此可以保留价值。公司还指出，2020 年推出的较旧 A100 GPU 至今仍在商业场景中使用。

公司表示，可能会在部分项目中提供有限的残值支持。这种结构的范围小于为整个数据中心融资，但如果需求减弱，或新系统降低已安装硬件的价值，仍会带来风险敞口。

独立承保可以限制循环性，但独立性必须真正落实到实践中。投资者需要可靠的客户承诺、现实的利用率假设，以及明确的旧设备估值规则。仅凭 Nvidia 的信心无法替代这些评估。

反垄断担忧带来了另一类风险。Nvidia 在 AI 加速器领域占据领先地位，并支持大量用于运行这些加速器的软件。当与硬件准入挂钩的条件影响下游竞争时，可能引来审查。

因此，据报道的客户审批要求比普通信用审查更为敏感。如果 Nvidia 能决定哪些 AI 公司获得受支持的容量，它就可能影响使用其平台的企业之间的竞争。

目前没有公开证据表明 Nvidia 曾利用该计划非法排除某个特定竞争对手。现有报道描述的是内部担忧和合作伙伴的反对意见，并未提供完整合同或监管结论。

这一核实限制很重要。Nvidia 的声明确认该计划仍在继续，但没有说明哪些条件仍然有效。关于交易暂停的报道，并不能证明整个计划已经失败，也不能证明监管机构已启动正式案件。

尚未解决的问题是治理。Nvidia 在为收入或残值提供支持时需要设置保障措施。云合作伙伴需要自由经营业务。AI 客户则需要确信，准入决策遵循透明的商业标准。

Nvidia 日益扩大的影响力让这些边界更难维持。一份行业分析将该公司描述为在 AI 不同环节同时扮演供应商、投资者、合作伙伴和竞争者的角色。每种角色都可能强化其他角色，但也都会制造潜在冲突。

硬件供应商可以推动广泛采用，而不选择下游赢家。投资者可以支持被投企业，而不控制中立基础设施。容量合作伙伴可以降低融资风险，而无需主导每一段客户关系。

Nvidia 正在尝试结合这三种角色。该计划能否持久，将取决于其合同能否让这些利益保持足够的分离。

三个信号将揭示该计划的下一步走向

下一批证据应来自修订后的合同条款、已完成的容量部署，以及监管机构对 Nvidia 准入控制的任何回应。

第一个信号是，Nvidia 及其合作伙伴是否披露修订后的容量分配模式。当前争议围绕客户审批和容量分配。更清晰的规则将表明，Nvidia 是保留了这些控制权、缩小了其范围，还是将其移交给独立运营商。

一项有意义的修订应当区分财务保障与战略影响力。信用筛查可以保护承诺，而无需让 Nvidia 选择赢家。集中度限制可以降低风险，而无需对每一位商业客户进行审批。

如果即将达成的协议赋予云运营商更大的自主权，那么据报道的暂停将更像是早期合同谈判。这一结果将强化 Nvidia 的说法，即该模式正在演进而非后撤。

如果审批权仍是核心，运营商就必须决定融资支持是否足以抵消独立性的降低。届时，参与者可能会集中在愿意让客户战略与 Nvidia 保持一致的服务商之中。

第二个信号是已宣布站点的实际部署和利用率。GPU 数量和电力目标描述的是规划中的容量，并不能说明有多少系统投入服务、客户以多快速度使用这些系统，或设施是否产生可持续回报。

Sharon AI 和 Firmus 是显眼的检验对象，因为 Nvidia 已将它们列为早期参与者。它们的进展可以表明，该模式是否正从公告转为实际运营容量。延迟并不能证明需求疲软，但反复延迟可能暴露融资或建设限制。

利用率甚至比安装量更重要。一个已建成但长期利用不足的集群，无法验证该经济模式。一个服务多样化生产工作负载的多租户设施，则会支持 Nvidia 的说法：其平台可以作为灵活的基础设施资产运行。

读者也应关注客户构成。多个独立租户将证明 Nvidia 所称希望实现的多元化。依赖单一大型客户，则会让容量更容易受到一次合同变更的影响。

第三个信号是，监管机构或客户是否会对 Nvidia 的条件提出挑战。内部反垄断担忧并不等同于调查。正式问询、信息请求或公开投诉，将提高容量控制在法律层面的重要性。

监管机构很可能会审视 Nvidia 的硬件地位与其对下游云服务影响力之间的关系。它们还可能考虑，受支持的准入是否会使竞争者处于不利地位、将客户绑定在 Nvidia 的技术栈上，或影响替代加速器供应商。

缺乏监管行动并不能解决所有竞争担忧。私下谈判仍可能限制采用。云运营商可能只是拒绝它们认为限制过多的条件。

竞争对手的行为将提供间接证据。专业云服务商可以寻求其他融资合作伙伴。超大规模服务商可以将更多工作负载导向内部处理器。AMD 和其他加速器供应商则可以向运营商提供更大的合同自主性。

Nvidia 在软件兼容性、开发者熟悉度、网络和既有基础设施方面仍拥有重大优势。这些优势使得切换变得困难，但当公司将角色扩展到供应系统之外时，并不能让它免受客户抵制。

开发者和企业采购方应当关注，因为基础设施治理会影响产品可用性。模型提供商如果没有可靠的算力，就无法稳定地服务用户。突如其来的容量限制可能延迟上线、增加运营风险，或迫使企业在不同云服务商之间迁移。

这一问题同样会影响采购团队。AI 服务合同可能间接依赖芯片供应商、云运营商、基础设施投资者和模型提供商之间的协议。每增加一层依赖，就多了一个容量或条款可能发生变化的环节。

知识工作者很少会亲自谈判这些基础设施合同，但他们会通过产品的可靠性和可访问性感受到其后果。能够平稳扩展的 AI 服务可以支撑稳定的工作流；受制于容量的服务则可能带来使用限制、排队或区域性缺口。

这项 Nvidia AI 算力合作计划承诺围绕预期需求部署基础设施，从而减少这些瓶颈。其首个被报道的冲突表明，融资能力与治理能力本就是不可分割的问题。

Nvidia 尚未撤回这一模式。对于支持该模式后应获得多少控制权的分歧，公司也尚未公开解决。接下来的合同将比又一次笼统保证更具参考价值。

关注由谁批准客户、由谁承担闲置产能风险，以及已宣布的系统是否能吸引多元化的付费工作负载。这些细节将决定该计划是扩大 AI 的可及性，还是打造另一道由其领先硬件供应商掌控的闸门。

对于任何正在评估 AI 服务商的人来说，实际问题已不再只是哪个模型表现最佳。还应了解谁提供其算力、这部分容量有多稳妥，以及哪一方外部参与者能够改变相关条款。答案将揭示 Nvidia 持续演进的计划究竟是在降低基础设施风险，还是在重新分配这种风险。