10月27日，Oracle宣布扩大与英伟达的AI基础设施合作，Google TPU、Cerebras推理芯片和SambaNova方案引入Oracle Cloud Infrastructure（OCI）。
公司还计划在部分英伟达系统中使用自研网络芯片，一边扩大算力供给，一边增强系统整合能力。
AI基础设施需求进一步分化。大模型训练需要大规模并行计算，推理业务更加关注响应速度、吞吐量和单位任务成本，智能体应用则会增加模型调用与数据传输需求。
不同工作负载对芯片和网络的要求并不相同，云厂商开始寻求更灵活的算力组合。
AI算力需求开始分化，Oracle要提供更多选择
过去几年，AI训练需求推动英伟达GPU成为产业链核心。CUDA软件生态、高速互联和完整系统方案构成了英伟达的竞争优势。
随着模型进入商业部署阶段，推理业务的重要性持续上升，客户开始更加关注单位计算成本、能耗与响应延迟，AI算力的竞争也从芯片性能延伸到整套系统的运行效率。
Oracle扩大英伟达合作，同时引入其他芯片架构，正是对这种需求变化的回应。
根据公司公布的计划，搭载英伟达Vera Rubin NVL72的系统将扩大至多吉瓦级部署。Google TPU计划从2027年开始进入OCI，Cerebras推理方案和SambaNova SN50也将陆续纳入产品布局。这些属于分阶段推进的合作计划，不能直接视为相关算力已经全部交付。
其中，Google长期将TPU用于自身AI基础设施，如今Oracle计划向云客户提供这一架构，意味着企业有机会在同一云平台上评估不同芯片方案，减少对单一硬件路线的依赖。
Cerebras与SambaNova做的是推理场景。AI智能体需要反复调用模型、检索信息和执行任务，推理成本与响应速度会直接影响产品的商业化效率。专用芯片能否形成优势，最终仍要看真实工作负载下的性能、能耗与综合成本，不能仅凭技术架构判断胜负。
Oracle希望把不同芯片整合进同一个云平台，让客户根据任务选择算力，再通过网络、存储和云管理服务提高资源利用率。GPU仍是重要的训练基础设施，但推理芯片、网络设备和系统集成也可能获得更大的商业空间。
云业务高速增长，真正的考验是资本开支能否兑现回报
Oracle的扩张已经有了财务支撑。
2027财年第一季度，公司营收为193.45亿美元，同比增长30%；云业务收入达到116.07亿美元，同比增长62%，其中云基础设施收入为74亿美元，同比增长121%。
同期，公司剩余履约义务升至6640亿美元，新增AI云合同超过300亿美元。Oracle还披露，该季度新增交付数据中心容量850兆瓦，并向AI云客户交付超过30万颗GPU。
云基础设施收入增速显著高于公司整体营收，业务结构正在变化；剩余履约义务则为未来收入提供了观察窗口。
但合同金额不等于已经收到的现金，更不等于最终利润，交付进度、客户使用量和合同执行周期仍会影响收入兑现。
另一面是资金压力。
Oracle预计2027财年资本开支约为900亿至950亿美元，第一季度资本开支达到284.99亿美元，自由现金流为负53.96亿美元。公司同期还通过市场发行机制完成了200亿美元普通股融资。
数据中心、芯片、供电和高速网络都需要提前建设，才能承接AI云订单。产能从采购到交付存在时间差，资本开支越大，对订单兑现和资金效率的要求就越高。如果客户需求增长放缓，或者新增产能无法及时转化为收入，现金流便可能持续承压。
芯片选择权正在增值，但多元化不等于低成本
Oracle还计划在部分英伟达系统中使用自研Acceleron网络芯片。
大型AI集群由大量计算设备组成，芯片性能再强，数据传输跟不上，计算资源仍可能处于等待状态。网络效率会影响集群吞吐量和单位算力成本。
通过自研网络技术，Oracle希望提高系统整合能力，在芯片采购之外争取更多基础设施环节的控制权。
不过，多架构部署也会增加运营复杂度。不同芯片可能需要不同的软件工具、开发环境和系统配置，模型迁移与资源调度也需要额外适配。
平台支持的架构越多，云厂商越需要解决兼容性、稳定性和技术支持问题。只有当这些成本得到控制，多元化才可能对客户有真正价值。
对英伟达而言，Oracle扩大合作仍有助于拓展高性能计算系统的潜在部署空间；Google TPU及专用推理芯片的加入，也给客户带来了更多比较选项。未来竞争将更加关注每单位算力的综合成本、软件生态、交付速度和系统利用率。
Oracle正在尝试将多种芯片、网络技术与云平台整合起来，为不同AI任务提供更灵活的计算资源。这为推理芯片、网络设备和系统集成带来了新的发展空间，也意味着云厂商需要承担更复杂的交付与运营责任。
芯片选择越来越多只是起点，能否以合理成本交付算力，并让巨额资本投入形成持续现金流，才是这轮扩张真正的胜负手。
