Oracle 与腾讯的 GPU 协议考验美国芯片管制的边界

据报道，Oracle 同意通过一项为期五年、价值近 70 亿美元的安排，向腾讯提供约 10 万枚先进 AI 芯片的使用权限。该 Oracle 腾讯 GPU 协议将把这些处理器部署在东南亚的数据中心，位于中国大陆及其最严格进口壁垒之外。

这一地理布局使其不只是又一份大型云服务合同。华盛顿已限制向中国出口先进处理器，但境外云端访问能够在不转移硬件的情况下，提供类似的计算能力。

Oracle 和腾讯均未公开确认这项协议，也未说明所涉处理器的具体型号。最初报道援引了知情人士的说法，而路透社表示无法独立核实相关细节。

尽管如此，这一据报道的安排仍构成了一项明确考验。Oracle 将获得一名大型基础设施客户，腾讯将确保稀缺的计算能力，而美国政策制定者则将面对一个他们已开始尝试填补的监管缺口。

据报道的 Oracle 腾讯 GPU 协议包含什么

据报道，该协议向腾讯提供的是计算能力访问权限，而不是将处理器运往中国后的所有权。

根据据报道的协议条款，腾讯将向 Oracle 租用约 10 万枚先进 AI 芯片的使用权限。该安排将持续五年，覆盖 Oracle 位于东南亚的多个设施。

据报道，这份合同价值约 70 亿美元。腾讯将预付约 30%，即约 21 亿美元，其余款项将在协议期内支付。

这笔预付款意义重大，因为大型 GPU 集群需要昂贵的服务器、网络设备、电力基础设施和冷却系统。它将帮助 Oracle 在提供多年计算服务之前，为部分必要建设提供资金。

据报道，这项安排将成为腾讯涉及美国服务商的最大规模海外云服务承诺。它也表明，该公司希望获得大规模专属 AI 算力池，而非通过普通云实例偶尔获取算力。

具体芯片组合仍不清楚。Oracle Cloud Infrastructure 提供包括大型 Blackwell 系统在内的 Nvidia 加速器，以及 AMD 硬件和其他专用计算选项。

Oracle 在 2025 年宣布，其 OCI Supercluster 最多可支持 131,072 枚 Nvidia Blackwell GPU。其Nvidia 扩展计划奠定了支撑数万枚加速器相关合同所需的技术规模。

Oracle 还扩大了与 AMD 的合作关系。如果供应情况、性能或监管要求令 Nvidia 硬件不适用，这为混合机群或基于 AMD 的部署创造了空间。

将每一种先进 AI 处理器都称为 GPU，可能会掩盖这种不确定性。据报道的数字描述的是 AI 芯片，而两家公司均未公开披露其制造商、型号、内存容量或交付时间表。

部署地点同样重要。这些处理器将留在 Oracle 位于东南亚的数据中心内，而腾讯的工程师将通过远程方式使用它们进行模型开发和运行。

据报道，腾讯计划首先将这些算力用于训练更大的模型。训练是指利用大型数据集和重复计算来调整模型参数的高算力消耗过程。

该公司之后可能会将更多算力转向推理，即运行已训练模型以回应用户请求。多余算力最终或可支持腾讯云客户，但这一可能性仍未获得确认。

这些阶段对基础设施的需求不同。训练受益于处理器之间具有高速连接的超大规模集群，而推理则更依赖可用性、低延迟和可预测的运营成本。

因此，10 万枚芯片的配额所代表的并不只是一次模型训练任务。它可以支持模型开发、评估、部署以及面向客户的 AI 服务这一持续流程。

两家公司尚未证实这一核心事实。在 Oracle 或腾讯确认合同前，所有数字都应被视为据报道的条款，而非已经完成并公开承诺的事项。

腾讯为何现在需要境外 AI 算力

腾讯需要比仅依靠国内供应所能提供的更快速的先进计算能力。

腾讯一直大力投入，将 AI 扩展至广告、游戏、云服务、生产力软件以及微信。每一次扩展都会增加对模型训练和日常推理的需求。

腾讯在 2026 年初提高了基础设施支出。其第一季度业绩显示，资本开支达到人民币 319 亿元，同比增长 16%。

这笔投入用于服务器及其他 AI 基础设施。腾讯表示，AI 已在提升广告表现，并推动其部分成熟服务的用户参与度。

其产品战略并不局限于独立聊天机器人。腾讯一直在将 AI 整合到元宝、混元模型、编程工具、办公产品以及与微信相关的服务中。

微信和 WeChat 合计服务超过 10 亿用户。一旦功能走出测试阶段，即使这部分人群中的 AI 采用率有限，也可能产生巨大的推理需求。

腾讯还在开发能够执行多步骤任务的智能体式服务。与基础问答界面相比，这类系统通常会针对一次请求进行多次模型调用，从而增加算力消耗。

用户要求助手规划旅行、比较选项并完成预订时，可能会触发搜索、推理、工具使用和验证。每个阶段都会消耗额外的计算资源。

这形成了一个包含两个维度的产能问题。腾讯既需要大型集群来训练更强的模型，也需要可靠的生产算力，以便在成熟的消费级平台上提供服务。

中国已大力投资国产处理器，包括华为 Ascend 系列，以及多家较年轻芯片公司的加速器。腾讯云也支持日益广泛的本土研发硬件。

然而，软件成熟度、内存供应、网络能力和集群可靠性都会影响实际可用算力。名义上的处理器数量并不能保证所有芯片都能高效训练同一个大型模型。

先进训练集群依赖高带宽内存和高速互连。它们还需要软件将计算任务分配到数千枚处理器上，且不能出现过多停机时间或通信延迟。

Nvidia 的优势部分来自其用于 GPU 编程的软件平台 CUDA，以及周边一系列经过优化的库。替换这一环境远不只是将一种处理器换成另一种。

腾讯可以继续让工作负载适配国产芯片，同时为最具挑战性的项目租用境外算力。这种双轨策略减少了必须等待单一路径硬件成熟的压力。

近期政策变化并未消除直接进口的不确定性。美国规则在更严格的限制与对特定处理器的附条件批准之间不断调整。

获批的出货仍可能面临数量限制、许可要求、安全审查或政治方向变化。多年期云服务租约提供了另一条路径，但也带来自身的政策风险。

腾讯的第一季度文件表明，这一时机具有合理性。该公司当时已经在提高资本开支，同时推出多项 AI 产品。

Oracle 的这项安排将把其中一部分投资转化为境外计算能力。腾讯无需自行建设每一座数据中心，也不必自行管理每一台实体服务器，便可获得硬件使用权限。

这种速度具有战略价值。在进行大型实验之前，模型开发者若必须等待硬件交付、电力接入和集群调试，就会损失时间。

如果 Oracle 已掌控合适的场地和供应协议，云端算力可以缩短这一周期。腾讯仍需将数据、软件和团队纳入一个可行的跨境运营模式。

据报道的租约并不意味着腾讯已放弃国产处理器。它表明，该公司将境外算力视为连接当前雄心与国内可用算力之间的桥梁。

Oracle 获得规模，也面临集中度风险

对 Oracle 而言，这项协议将验证其 AI 基础设施战略，同时加大其对少数超大型客户的依赖。

Oracle 进入 AI 基础设施竞赛时所处的位置不同于 Amazon、Microsoft 和 Google。在生成式 AI 需求加速增长时，这些竞争对手已拥有规模更广泛的公有云业务。

Oracle 专注于大型集群、高速网络和激进的基础设施扩张。这一战略帮助其吸引了需要集中式加速器资源池的模型开发者及其他客户。

该公司的网络设计是这一主张的重要组成部分。分布式 AI 训练要求处理器快速交换数据，因为缓慢的通信会让昂贵硬件处于等待状态。

Oracle 使用远程直接内存访问（RDMA），以较少的处理器参与在服务器之间传输数据。该公司将这种架构作为提升集群效率的方式进行推广。

一项涉及约 10 万枚处理器的腾讯承诺，将以高要求规模检验这一主张。模型训练工作负载会暴露网络拥塞、组件可靠性和软件协调方面的弱点。

该合同还将为 Oracle 提供异常庞大且可预测的客户承诺。据报道的预付款可支持新设施建设和设备采购。

这种结构有助于解决 AI 云计算经济中最棘手的问题之一：服务商必须在客户产生足够使用量以收回投资之前，就先行投入数据中心建设。

然而，预先获得资金并不能消除执行风险。Oracle 仍需确保芯片、电力、土地、冷却设备、网络设备和监管审批到位。

施工延误可能推迟收入确认，而利息和运营支出仍会持续。如今购置的硬件，也可能因新一代加速器带来更高的单位功耗性能而失去经济价值。

因此，未知的处理器型号会影响财务解读。基于成熟硬件的合同，与依赖未来系统的合同相比，面临不同的供应与折旧风险。

客户集中度构成另一项担忧。大型 AI 合同可能令云服务商的积压订单看起来令人印象深刻，同时也让其未来业绩与少数交易对手紧密绑定。

一项延迟的客户项目就可能影响整座设施的利用率。如果监管机构在基础设施建成后限制客户访问，政策变化也可能造成同样的问题。

Oracle 已在支持其他规模可观的 AI 承诺。增加腾讯将扩大其客户名单，但这一绝对规模也将加深其对少数买家的依赖。

这也可能使产能分配更加复杂。除非 Oracle 保留足够的灵活性，否则分配给多年期合同的芯片无法在其他地区需求上升时服务其他客户。

据报道的定价之所以受到审视，是因为将合同总价值按五年和 100,000 个处理器平摊后，得出的隐含每小时价格很低。但这种简单计算并不完整。

处理器在合同期限内未必每小时都在运行。该协议可能涵盖不同代际的硬件、预留容量、网络、存储、支持服务或分阶段交付。

在未看到合同的情况下，外界无法确定 Oracle 的预期利润率。他们也无法得知该交易是否将电力成本、最低使用义务或升级费用转移给 Tencent。

如果报道属实，Oracle 与 Tencent 的 GPU 交易仍将是一项重大的商业胜利。更棘手的问题是，Oracle 能否将这一名义价值转化为稳定且盈利的利用率。

真正的较量是云端访问与芯片管制

该协议挑战了一套围绕硬件运往何处，而非谁能远程使用硬件所设计的政策体系。

美国出口管制传统上针对先进处理器、半导体设备及相关技术的实体转移。这些管制可以阻止受限芯片被交付至中国大陆的设施。

云计算改变了交易方式。客户可以将工作负载发送到海外服务器，接收输出结果，却从不实际持有生成这些结果的处理器。

芯片仍留在获批准的国家内，但有用的计算能力通过网络连接、账户权限和数据流跨越国界。

这种区别构成了据报道合同背后的主要冲突。华盛顿希望限制获得先进 AI 算力的渠道，而美国云计算公司则将这种算力作为服务出售。

Oracle 与 Tencent 的 GPU 交易将把这一冲突置于一项高度引人注目的安排之中。一家中国科技公司将使用由美国运营、托管在第三国的大型集群。

现有管制并非完全忽视海外活动。美国当局可以限制涉及受制裁实体、被禁止最终用途或某些形式技术协助的交易。

云端访问仍带来执法难题。监管机构必须识别实际客户、了解工作负载、衡量可用算力，并确定最终是否由另一实体受益。

当客户使用子公司、承包商、共享项目或转售容量时，这些任务会变得更加困难。这也要求服务提供商在不暴露合法客户数据的前提下审查相关活动。

美国国会已考虑专门针对远程访问的立法。《Remote Access Security Act》旨在更明确地授权监管通过云服务使用受控计算资源的外国行为。

其他提案将加强美国服务提供商的报告和客户验证义务。一项拟议的云安全法案将帮助服务提供商就可疑的外国使用情况通知商务部。

“了解你的客户”规则在金融领域并不陌生。应用于 AI 云服务时，这类规则将要求服务提供商确认谁控制账户，以及先进计算资源如何被使用。

然而，很难通过单一数值门槛来监管云端算力。用于天气预测的大型集群，与用于训练前沿模型的同一集群，带来的风险并不相同。

输出结果所在的位置同样重要。在海外训练的模型，之后可能被复制、压缩，或部署到另一国性能较低的硬件上。

因此，政策制定者必须决定他们究竟要管制什么。目标可能是处理器所有权、远程计算容量、模型训练运行、产生的模型权重，或特定最终用途。

每种做法都伴随取舍。广泛限制可能将外国客户推向非美国云服务提供商，并加速对替代芯片的需求。

狭窄的限制则可能留下绕过运输管制的明显途径。复杂的许可制度也可能令拥有合规团队和政府沟通能力的大型云计算公司受益。

东南亚各国政府也有自身利益。数据中心投资带来建设活动、能源需求、税收收入和科技岗位，但也可能造成外交和基础设施压力。

新加坡、马来西亚及其他区域市场已吸引大量数据中心项目。电力供应和电网规划已经限制了这些项目的扩张速度。

部署 100,000 枚芯片将消耗大量电力，但在不了解处理器组合和利用率的情况下，无法计算实际用电量。

这场政策争议并不需要任何人实际规避海关规则。它的出现，是因为云服务将硬件的持有权与其计算输出的访问权分离开来。

这正是为何据报道的租赁安排构成了芯片政策的逆转。在边境限制一个盒子，并不必然限制这个盒子从另一国家所能提供的服务。

报道仍未证实的内容

缺失的合同细节足以改变这则消息在商业和政策层面的含义。

第一项不确定性是确认。Oracle 和 Tencent 尚未公开宣布这笔交易，而核心报道依赖于匿名知情人士。

Reuters 转述了该报道，但没有独立核实。Network World 也指出，两家公司均未披露该协议或涉及的处理器。

已签署的合同可能包含延迟或限制部署的条件，例如监管批准、场地完工、硬件交付或最低性能要求。

据报道的总额也可能描述的是最高承诺额，而非有保证的消费金额。云计算合同通常会区分预留容量、预期使用量和具有约束力的付款。

第二项不确定性涉及芯片。Nvidia H100、H200、Blackwell 和 AMD Instinct 系统在性能、内存、功耗和监管属性方面各不相同。

五年期间，硬件集群也可能发生变化。Oracle 可能会随着设施启用引入更新系统，或混合不同处理器类型用于训练和推理。

缺乏这些细节时，简单的成本比较可能具有误导性。将一个总额除以所有可能的芯片小时数，假定了满负荷可用、硬件恒定且不包含捆绑服务。

它还忽略了网络、存储、电力、维护和软件。这些要素可能占大型训练集群成本的重要份额。

第三项不确定性是运营控制。目前尚不清楚 Tencent 是会管理专用基础设施、使用隔离的云环境，还是购买标准化 OCI 服务。

这种区别会影响监管监督。专用集群可以提供可预测的容量，而共享服务则会带来不同的监控和分配问题。

数据处理又带来另一项问题。大型模型训练需要在系统之间传输海量数据集、检查点、日志和模型权重。

跨境传输可能触发隐私、网络安全和本地化义务。相关要求将取决于所涉数据、用户、法人实体及托管国家。

第四项不确定性是转售。报道显示，Tencent 最终可能通过 Tencent Cloud 提供闲置容量，但两家公司均未确认这一计划。

转售将扩大政策难题，因为 Oracle 可能知道其直接客户，却不了解每一位下游用户。监管机构很可能会审查访问权限如何划分和审计。

第五项不确定性涉及不断变化的美国规则。立法者和官员已将远程访问视为出口政策中的潜在缺口。

在整个集群全面可用之前，新的限制可能改变交易安排。它们可能要求许可、使用情况报告、客户筛查或技术限制。

美国也多次修订其芯片政策。有条件的许可可能变成限制，而宽泛的提案也可能在实施前被收窄。

Tencent 同样面临来自北京的监管不确定性。中国当局一直推动国产 AI 处理器，并可能影响大型科技公司从何处获取基础设施。

在海外使用美国运营的硬件，可能支持 Tencent 的短期模型目标，却与长期降低对外国技术依赖的努力相冲突。

最后，容量并不保证模型更出色。成功训练还取决于数据质量、研究方法、软件、评估，以及将实验转化为有用产品的能力。

大型集群可以加快开发，但无法选择正确的模型架构或创造高质量训练数据。它同样不能确保用户采用。

这些空白并不意味着报道无关紧要。它们界定了在将这一安排视为既成的商业或地缘政治结果之前必须核实的内容。

三个信号将揭示下一步走向

确认、监管和实体部署将决定据报道的合同会成为持久转变，还是短暂的变通安排。

第一个信号是 Oracle 或 Tencent 的正式披露。投资者和客户应关注合同期限、付款结构、处理器类型、交付时间表和数据中心地点。

详细公告将增强报道的可信度，并明确 Oracle 的义务。沉默并不能否定交易，因为大型云计算合同可能仍属保密。

然而，持续沉默将限制外界对报道数字的信心。财报电话会议可能通过资本支出、剩余履约义务或云基础设施指引提供间接证据。

Tencent 未来的报告可能显示其海外云计算承诺的相应变化。它们也可能揭示 AI 支出是否继续推动基础设施投资上升。

第二个信号是一项涵盖远程 AI 算力的具体美国规则。相比可执行的条文、许可门槛和服务提供商责任，草案提案的重要性较低。

一项针对东南亚云端访问的规则，将直接对据报道的结构施压。它可能延迟部署、减少可用容量，或要求 Oracle 获得政府批准。

较为狭窄的报告要求则会产生不同影响。Oracle 可能继续推进，同时增加身份核验、工作负载监控和下游访问限制。

监管细节将揭示华盛顿意在控制实体芯片，还是控制芯片所提供的算力。这一选择的影响远不止 Oracle 和 Tencent。

Amazon Web Services、Microsoft Azure、Google Cloud 以及专业 GPU 服务提供商都服务于国际客户。任何通用规则都会影响其运营和合规成本。

第三个信号是可见的基础设施部署。数据中心建设、电力协议、设备交付和区域招聘情况，能够表明 Oracle 是否正在建设与报道相符的容量。

Oracle 的官方材料已显示，其能够设计超过 100,000 个加速器的集群。尚未回答的问题是，相关东南亚场地能否按计划交付这一规模。

即使双方尚未披露完整合同，部署证据也会强化商业层面的论据。延迟则会加深人们对供应、电力、监管或客户承诺的担忧。

读者还应关注 Tencent 的 Hunyuan 发布动态及其与 Weixin 的整合。更强大的模型与更广泛的产品部署，将表明该公司正把新增算力转化为可用服务。

最具说明力的结果将是这三个信号同步变化。确认将坐实这项协议，监管将界定其合法性，而部署则将证明执行能力。

对于开发者和企业买家而言，结果将影响先进 AI 工作负载能够在哪里运行。它也可能决定访问大型 GPU 集群时需要配合哪些身份核验。

对于云客户而言，更严格的管控可能影响账户开通、工作负载审查以及区域可用性。服务商在分配先进计算能力前，可能需要获取更多信息。

对于政策制定者而言，这将检验出口规则能否跨越国界追踪计算能力。在以服务为基础的市场中，仅依靠硬件管制看起来正变得越来越不完整。

因此，即使尚未得到确认，报道称 Oracle 与 Tencent 达成 GPU 交易仍值得关注。它将云经济、模型开发、数据中心地理布局和国家安全汇聚于一份合同之中。

下一个问题不只是 Oracle 是否赢得了一位大客户，而是当底层芯片无法同样自由流动时，各国政府是否会允许先进 AI 算力继续作为可在全球范围内租用的服务。