甲骨文重塑AI基础设施：巨额投资与裁员背后的战略转型

甲骨文公司正经历其历史上最大规模的重组，计划投入高达16亿美元的重组成本，包括向离职员工支付遣散费。这次重组的规模远超甲骨文此前披露的任何类似计划。根据加利福尼亚州和华盛顿州最近的WARN文件，已有超过500名员工收到裁员通知，实际影响的员工数量可能超过3000人。

此次重组背后是甲骨文业务重心的根本性转变，公司正从传统软件制造商转型为AI基础设施提供商。为了履行与OpenAI和Meta等公司签署的大规模云基础设施协议，甲骨文需要租赁数据中心，配置先进的英伟达芯片，并为这些设施供电。

据彭博一致预期估算，甲骨文未来几年将投入数千亿美元用于基础设施建设。仅在德克萨斯州西部的一个数据中心，甲骨文就计划每年投入超过10亿美元用于现场燃气发电。

这些巨额投资使得甲骨文的现金流在2025年首次转为负值，这也是该公司自1992年以来的首次为负。分析师预计这一指标在未来一年将继续恶化，直到2029年才能重新转正。

01

甲骨文的经历并非个例。微软在投入数百亿美元建设数据中心并承诺控制成本后，今年裁员约15000人。通过裁员来抵消AI投资成本，已经成为主要科技公司普遍采用的策略。根据行业追踪平台Layoffs.fyi的数据，2025年前三个季度已有超过83000名科技工作者失业，涉及194家公司。

甲骨文多年来在云基础设施市场中落后于亚马逊、微软和谷歌。如今签署了重要的云协议，作为前期成本的“负现金流”成为了入场门票。

甲骨文的股价在2025年上涨近90%，既有可能超过自1999年以来的最佳年度表现。根据Forrester的预测，甲骨文将花费16亿美元进行重组，截至8月31日仅花费了4.15亿美元用于给予被辞退的员工，而到12月底还将有大约10000个职位面临裁减。

AI基础设施建设的逻辑与传统软件开发截然不同。软件可以快速迭代，应用可以灵活部署，但数据中心建设需要长期规划，芯片采购需要提前预订，电力供应需要稳定保障。当软件的发展速度远超硬件的供给能力时，整个产业就会遭遇基础设施瓶颈的根本性制约。

甲骨文发布的财报数据显示，4550亿美元的订单积压使得股价单日盘中暴涨41%，市值增加近千亿美元。甲骨文的AI基础设施收入实现了55%的显著增长。公司预计这一增长势头将持续，并预测本财年该业务收入将达到180亿美元，五年内将达到1440亿美元。

事实上，虽然订单业的数额很大，但理解起来并不复杂。以甲骨文和OpenAI的大订单为例，甲骨文主要提供数据中心，让OpenAI可以把大量原始数据存放在数据库里。

这些数据结构包括文本、代码、JSON文件以及图片。OpenAI要对这些原始数据进行清洗、去重、标注和格式化以训练大模型。因此，甲骨文需要提供一个足够大的数据库来存储这些数据。

然而还有一个问题，大模型不能直接理解数据，只能理解Tokens。所以甲骨文还要通过数据库将所有的原始数据转换为Tokens并“向量化”，因此这个数据库也被称作向量数据库。

甲骨文的数据中心还帮助OpenAI实现调用功能。因为大模型可能占用数TB的显存，没有任何单一的GPU能装下它。因此模型被“切片”后分布加载到多个GPU的显存中。

当OpenAI请求一个包含数千GPU的计算集群时，甲骨文的数据中心要第一时间响应并点亮调用这些GPU。

财报显示，甲骨文与亚马逊、谷歌和微软合作的多云数据库服务收入增长率高达1529%。更夸张的是，甲骨文最近还和OpenAI签署了一项价值高达3000亿美元的协议。

甲骨文现在要做的，是新一代的AI基础设施。以Oracle AI Database为例，这个产品让客户在数据库上直接使用各种大型语言模型，因此客户无需单独采购计算资源、存储资源和AI模型，跳过了原先复杂的部署阶段。

这种数据库与AI模型的深度集成代表了基础设施服务的新方向。通过将企业数据进行向量化处理，使ChatGPT、Gemini等主流大模型能够轻松理解和运用企业数据。

甲骨文的成功揭示了AI基础设施竞争的新逻辑。甲骨文首席财务官Safra Catz透露，公司能够在一周内完成客户原本预期需要数月时间的大型数据中心交付。能与OpenAI、xAI和Meta等AI巨头签署数十亿美元合同的关键在于快速交付和成本优化。

02

2025年9月，蚂蚁数科在外滩大会上宣布推出按“效果付费”的新型商业模式，支持企业客户根据大模型应用的实际效果来付费而非传统的项目制或订阅制模式。

客户关注的不再是租用了多少台服务器，而是完成了多少次模型训练或处理了多少推理请求。

在传统云服务模式下，企业按照CPU核数、内存容量、存储空间等硬件资源付费。但AI应用的特殊性在于相同的硬件配置在不同场景下的实际效果可能相差数倍。一次GPT-4级别的大模型训练可能需要数千张GPU卡运行数周而同样的硬件用于推理服务可能每秒处理数百次请求。

这种差异催生了全新的计费模式。客户开始按照“训练完成的模型数量”、“推理请求的处理次数”、“模型精度的提升幅度”等实际业务指标付费。

03

2024年10月美国商务部进一步收紧对华芯片出口管制使得英伟达H20芯片面临停产风险。这款芯片虽然性能大幅削减但仍然是中国企业能够合法采购的最先进AI芯片之一。

尽管面临挑战中国企业在AI芯片领域仍取得显著进展。根据伯恩斯坦报告2025年中国AI芯片市场规模达到380亿美元国产芯片销售额从60亿美元跃升至160亿美元市场占比从29%提升到42%。

尽管国产AI芯片数量增长迅速但配套体系还不够完善。大多数企业在选择AI基础设施时需要对性能和成本进行权衡一些关键训练仍然离不开英伟达产品。

没有CUDAGPU强大的并行计算能力就无法被释放对于AI开发者来说没有CUDA的GPU就是一块废铁。