数据中心 - 标签 - Signal & Noisehttps://jgwblog.joystar.cc/tags/%E6%95%B0%E6%8D%AE%E4%B8%AD%E5%BF%83/数据中心 - 标签 - Signal & NoiseHugo -- gohugo.iozh-CNMon, 26 Oct 2026 10:00:00 +0800算力的另一面：英伟达柏林扩产、新云股债双杀与 PyTorch 的“换芯”时刻https://jgwblog.joystar.cc/posts/ai-compute-nvidia-neocloud-pytorch-october-2026/Mon, 26 Oct 2026 10:00:00 +0800Signal & Noisehttps://jgwblog.joystar.cc/posts/ai-compute-nvidia-neocloud-pytorch-october-2026/引言

十月的算力新闻有种割裂感。英伟达一口气公布了供应链扩产计划，强调需求旺盛、产能才是瓶颈；依赖英伟达芯片的 neocloud（新云，专门出租 GPU（图形处理器）算力的云厂商）却遭遇股债双杀。与此同时，谷歌和亚马逊在 PyTorch 大会上让 PyTorch 原生跑在了自家的 TPU（谷歌张量处理器）和 Trainium 芯片上。三件事各自独立，放在一起看，指向同一个问题：AI 基础设施的钱和锁定，到底握在谁手里。

发生了什么

1. 英伟达 GTC Berlin（10 月 21 日）

  • 发布 DSX POD：把 7 个 Vera Rubin 机架装进一个集装箱大小、重约 28 吨的模块，布线和液冷都在工厂完成。CNBC 称它可以用卡车在普通道路上运输。英伟达称，在已准备好的场地上，部署时间可以从 6 个月缩短到最快 14 天，2027 年初开始交付。
  • 同日公布扩产计划：IBIDEN、三星电机、欣兴电子的基板产能三年内合计提升 2.5 倍；Amkor 的先进封装产能到 2028 年底提升 300% 以上；英伟达向京元电子（KYEC）预付 11 亿美元，锁定其美国新厂的测试产能；矽品（SPIL）计划到 2027 年中把共封装光学的光引擎产能提升到 15 倍。
  • 据 Yahoo Finance 报道，黄仁勋在主题演讲中称，每吉瓦数据中心的造价约为 500 亿美元。

2. 新云股债双杀（10 月中下旬）

  • CNBC 报道，CoreWeave、Nebius、IREN 的股价在 10 月内均下跌至少 30%。截至 10 月 21 日，CoreWeave 市值约 310 亿美元（峰值约 900 亿美元），五年期 CDS（Credit Default Swap，信用违约互换）利差达到 1145 个基点，无担保债券收益率约 15%；澳大利亚的 Firmus 取消了 IPO（首次公开募股）。
  • 英伟达的角色随之受到审视。CNBC 援引其季度文件称，英伟达为新云提供了 360 亿美元的表外担保安排；为俄亥俄州规划中的 10 吉瓦 OpenAI 数据中心提供最高 1050 亿美元的担保；还承诺在 CoreWeave 找不到买家时，购买最多 63 亿美元的算力。黄仁勋则表示，CoreWeave 并不需要英伟达兜底。

3. PyTorch 的“换芯”时刻（10 月 19–21 日）

  • 亚马逊发布 TorchNeuron 公测版，以 Apache 2.0 许可证开源。只要把设备改成 neuron，PyTorch 代码就能在 Trainium2/3 上运行，支持 eager mode（即时执行模式）和 torch.compile。
  • 谷歌开源 TorchTPU，由谷歌与 Meta 的 PyTorch 团队共同开发。PyTorch 官方博客称，它已支持约 450 个 ATen 算子（PyTorch 底层张量运算），Hugging Face 下载量前 5000 的模型可以直接运行，迁移工作接近于把 .to("cuda") 改成 .to("tpu")。

为什么重要

供给侧还在加速。 英伟达 8 月公布的二季度营收为 962 亿美元，其中数据中心业务 890 亿美元，三季度营收指引约 1080 亿美元。这次扩产集中在基板、封装、测试和光引擎，说明瓶颈已从 GPU 本身扩散到整条后段供应链。DSX POD 则试图把“建机房”变成“收货、插电”，对土地和电力都紧张的欧洲尤其有吸引力。

需求侧的融资链条开始被市场重新定价。 新云的模式是借钱买卡、签长期租约，面对的客户合同却期限较短。CNBC 援引 Gartner 的预测称，到 2030 年，超过 80% 的新云将无法独立经营。英伟达作为担保人，把芯片商、云厂商和模型实验室绑在了一起，任何一环出问题，风险都会沿链条传导出去。

CUDA（英伟达的 GPU 编程平台）的护城河在变窄。 过去换芯片意味着改代码、重新验证，现在有了 PyTorch 原生后端，切换接近“改一行配置”。这不会立刻威胁英伟达，但会降低大客户的迁移成本，让谷歌、亚马逊的自研芯片多了议价空间。

争议与不确定性

  • “14 天部署”是最理想的情况。 前提是场地、电力和冷却已经就绪，而且英伟达没有公布 DSX POD 的价格。
  • 抛售原因并不清晰。 CNBC 采访的多位投资者说不出具体诱因，利率、通胀和社交媒体情绪可能共同起了作用，不宜直接解读为 AI 需求见顶。
  • 原生后端的成熟度有待检验。 TorchNeuron 仍是公测版，不支持的算子在 eager 模式下会退回到 CPU（中央处理器）上执行；TorchTPU 仍在积极开发中，性能数据多为厂商自述。

小结

十月的算力图景可以概括为：造得更快、借钱更难、锁定更松。对使用算力的团队来说，最实际的是第三点：多芯片部署的软件成本在下降，下次采购前值得认真比一比价。

参考来源

]]>