TheBestDoll.com

5 月 27 日，Bloomberg 报道 Fireworks AI 正在洽谈新一轮融资，估值目标 150 亿美元。该公司专注帮助企业高效运行 AI 模型，属于典型的推理优化平台。此前 Cerebras 以 570 亿美元完成 IPO，Nvidia 也以 200 亿美元收购 Groq，显示市场对专用推理硬件和平台的追捧正加速。

这一趋势与训练赛道形成鲜明对比。OpenAI、Anthropic 等闭源巨头仍以海量资本堆叠训练算力，2026 年 OpenAI 预计单年算力支出达 500 亿美元，而 Fireworks 这类玩家通过模型压缩、动态批处理和多租户调度，将推理成本降低一个数量级。过去两年，训练主导的估值逻辑正向“谁能把模型跑得又快又省”转移。

根本驱动力是需求从实验室实验转向企业规模化落地。训练一次模型的边际成本持续上升，但每次推理的成本敏感度直接决定 ROI。专业推理玩家抓住这个缺口，把算力从“买 GPU”变成“卖服务”，资本结构也更轻。

未来 6-12 个月，关键看传统云巨头是否跟进。若 AWS、Azure 大规模自建类似平台，Fireworks 们的估值溢价将被压缩；若它们继续依赖第三方，推理层将形成独立赛道，估值逻辑彻底脱离训练范式。

信源：https://www.bloomberg.com/news/articles/2026-05-27/fireworks-ai-in-talks-for-funding-at-15-billion-valuation

5 月 28 日，Dell Technologies 将 2026 年 AI 服务器销售指引上调至 600 亿美元，远超此前市场预期，股价单日大涨。AI 训练与推理集群对高性能服务器的需求，正从 hyperscaler 延伸至更广泛企业级采购，传统硬件厂商迎来确定性增长窗口。

这一数据并非孤例。NVIDIA 等芯片供应商持续高增，而 Dell、联想等系统集成商的服务器订单直接受益于算力部署落地。相比之下，纯软件或模型公司仍在烧钱追赶用户留存，硬件环节的毛利与现金流更具可见性。过去两年 AI 资本开支主要集中在 GPU 本身，如今“最后一公里”的服务器、电源、散热等配套正成为新瓶颈，Dell 的上调正是这一链条传导的实时信号。

与此同时，市场对 AI 长期回报的质疑也在升温。哈佛经济学教授 Gita Gopinath 在 Bloomberg 访谈中指出，当前估值已将 AI 生产力红利充分定价，但社会与劳动力端的实际转化仍存不确定性。Dell 的乐观指引与这一宏观审慎形成对比：硬件厂商用真实订单对冲叙事风险，而模型公司则需持续证明 ROI。

未来 6-12 个月，关键变量在于企业级 AI 部署节奏。若 Dell 等厂商的服务器出货持续超预期，AI 军备竞赛将从“买 GPU”转向“建集群”的全链条竞争；反之，若需求集中于少数大厂，硬件周期或提前见顶。硬件厂商的财测，正成为检验 AI 落地真实深度的试金石。

信源：https://www.bloomberg.com/news/articles/2026-05-28/dell-boosts-outlook-to-60-billion-in-ai-server-sales-this-year

5 月 29 日，彭博中国秀节目聚焦中国科技巨头财报：AI 相关资本开支正侵蚀盈利，CXMT 等存储公司 IPO 计划也受影响。多家企业一季度 AI 基础设施投入同比激增，拖累净利润增速放缓。

这背后是全球 AI 军备竞赛的镜像。中国企业过去靠“应用落地快”差异化，如今在算力、能源和数据中心上不得不跟进美系巨头节奏。字节、阿里、百度等头部玩家资本开支已进入百亿美元量级，回报周期却拉长至 18-24 个月。

对比海外，OpenAI、Anthropic 等闭源阵营同样烧钱抢规模，但中国公司面临额外变量：政策对数据出境和能源使用的双重约束。结果是，国内科技股估值溢价被压缩，市场更青睐能证明“ROI 可测”的细分玩家。

未来 6-12 个月，关键看中国存储与能源供应链能否形成闭环。若 CXMT 等 IPO 顺利，或将为 AI 支出提供新融资通道；反之，盈利压力可能迫使部分公司从“全栈自研”转向“混合采购”策略，改变供应链格局。

信源：https://www.bloomberg.com/news/videos/2026-05-29/the-china-show-5-29-2026-video

5 月 28-29 日，多家媒体报道企业 AI 代币消费已进入失控阶段。Axios 和 Business Insider 披露，Uber 与 Microsoft 已部分终止 Claude Code 许可，原因正是月度 token 费用远超预期；一家 Fortune 500 客户单月在 Claude 上花费 5 亿美元，相当于全美人口每月护肤品总支出。一位 AI 顾问向 Axios 透露，多家企业代理项目首月即烧掉数千万美元，远超原有软件工程师团队预算。

这一现象背后是代理规模化后的真实成本曲线。过去企业视 AI 为“低边际成本实验”，现在推理量激增直接侵蚀毛利。JPMorgan 最新报告指出，“AI token 成本正在吞噬互联网利润”。Shopify、Spotify、ServiceNow 等公司在财报中均承认 AI 支出占运营费用比例大幅上升，部分已开始限量使用或切换更便宜模型。

与此同时，闭源三巨头营收虽仍在高增长，但企业端付费意愿正从“试水”转向“严苛 ROI 考核”。OpenAI 与 Anthropic 此前靠安全叙事与能力差异化抢市场，如今成本成为共同痛点。Meta 等开源/半开源路线反而在这一轮中获得缓冲空间，因为本地部署或更低价推理选项更易控制支出。

未来 6-12 个月，关键看两点：一是企业是否大规模转向混合部署（云+本地），二是头部实验室能否推出“按效果付费”而非纯 token 的新定价模式。若成本继续失控，AI 代理商业化将从“能力竞赛”转向“效率竞赛”，低效玩家将被快速淘汰。

信源：https://www.axios.com/2026/05/28/ai-spending-roi-enterprise-costs
https://www.derekthompson.org/p/the-great-ai-cost-panic-of-2026