得克萨斯州阿比林的 Stargate AI 数据中心。

AI 数据中心建设项目的合同几乎没有两份是完全相同的。整个流程是一场全维度的多方撮合博弈，参与方包罗万象：拿地并落实电力资源的主体、建设运营数据中心的厂商、为项目放贷的金融机构，以及客户（包括微软、谷歌这类大型云厂商）。谈判要处理诸多棘手问题，例如一旦项目出状况，各方分别承担何种风险。

在这套博弈格局当中，大型云厂商以往在向 CoreWeave、Nebius、Nscale 这类新兴云厂商以及各类数据中心运营商租赁算力时占据上风，毕竟巨头手握最多资本、信用评级最优。但局势正在发生变化。多位数据中心及信贷业务高管表示，微软等云厂商迫切希望从英伟达采购的服务器机架能够落地投产，数据中心运营商如今议价权提升，可以争取降低自身承担的风险。

以往，大型云厂商凭借租赁谈判中的优势地位，向规模小得多的新兴云厂商索要严苛的服务等级协议（SLA）—— 这份核心合同条款规定 AI 服务器必须达到怎样的运行标准。一旦违反 SLA，数据中心运营商就构成合同违约，需要支付罚金。

在很多交易谈判中，大型云厂商的初始诉求是要求新兴云厂商保证每一台服务器机架几乎 100% 时间正常运行。一位数据中心负责人兼信贷业务高管称，数据中心开发商还必须满足近乎苛刻的机房温湿度指标。这位高管见过不少合同草案，其中条款规定：只要单台机架因断电、散热过载、交换机故障或其他故障停机，大型云厂商就有权直接扣除六个月租金！

倘若数据中心企业多次违反 SLA 约定，租赁机房的云厂商就有权终止租约。（多位业内人士表示，SLA 违约其实并不少见，只是客户通常不会真正执行罚则。）

该数据中心高管表示，SLA 谈判需要权衡：想要拿到低价合同，就要接受严苛条款；同时又希望合同具备 " 容错空间 "。即便租金报价会被压低，也要尽可能争取惩罚力度更低的 SLA 条款。

芯片厂商愿意推出更创新的融资与交易方案扶持客户，这也助推数据中心开发商、运营商议价能力上涨。

另一位接触过这类业务的数中心高管介绍，为了确保适配自家芯片、资本开支巨大的数据中心算力能够顺利建成，英伟达与 AMD 有时甚至会展开竞争，争相为某数据中心项目的客户提供信用担保。（该人士称，得益于资产负债表强劲，英伟达的态度更为激进。）这类合作对数据中心开发商有利：英伟达、AMD 会对部分租约提供长达 15 年的信贷支持，而英伟达此前对外披露、和部分新兴云厂商的合作期限仅为 6 年。

从事 AI 数据中心交易的信贷高管表示，数据中心运营商现在也更有底气提出更严苛的付款条款。他见过这样的案例：客户只租用大型数据中心的一小部分算力，一旦客户逾期付款，就需要全额支付整座机房一段时间的租金。这位数据中心业主也承认该条件十分强硬：" 他说，‘我们知道这要求很离谱，但我们确实可以这么谈。’ "

这种博弈同样传导至电力企业。电力协议支出往往占到数据中心运营成本的五分之一以上，部分场景占比会高得多。客户规模越大、资金越雄厚，对电价就越不敏感。该信贷高管称，同一个月内，不同客户面对的电价波动幅度最高可达 400%。每个参与方都认为自己拿到了划算的电价，但体量最大的云厂商往往支付最高电价，只因它们承担得起。

正如 Ann 上周报道，埃隆・马斯克预判 2027 年会出现电力短缺，已经着手布局相关方案。还有三名参与过大厂云厂商数据中心合同工作的业内人士透露，其他数据中心开发商正在从业内口中所说的 " 不靠谱临时厂商 " 手中高价采购天然气涡轮发电机。设备来源不明，也会抬高保险与债务融资成本，保险公司很难对来源不清的设备开展承保。

综上，数据中心的实际成本极难预估。过去几年，建设一座 1 吉瓦规模的数据中心的成本已经翻倍有余。如果成本持续走高，会压制全球多家大型上市公司的市场情绪。后续我会持续关注这类数据中心合同、条款与博弈策略会如何演变。

去中心化分布式 AI

上周数据中心运营商 Equinix 举办客户大会，保障充足电力供应是讨论重点。英伟达高管在会上表示，电力获取如今或许是供应链中最棘手的难题。

一个局部解决方案：面向推理业务（运行已训练完成 AI 模型）建设规模更小、分布式部署的数据中心。在芯片厂商、AI 实验室、大型云厂商等待大型算力中心上线的空档期，分布式小机房可以缓解电力缺口。

英伟达、Equinix 与 Together AI 就在本次大会上推出了相关合作项目。合作模式为：Together AI 采购英伟达硬件，部署到 Equinix 现有机房，在服务器上对开源 AI 模型做优化并对外提供服务，服务对象并非头部云厂商与顶级大模型企业。

英伟达与 Equinix 高管并未披露本次合作涉及的资金规模与芯片数量。但英伟达 CEO 黄仁勋显然把这类合作视作平衡头部实验室、云厂商话语权的手段，同时也能分散英伟达客户集中的风险。

黄仁勋在大会圆桌论坛上表示：" 算力正在走向碎片化。AI 世界从根本上将不再高度集中，而是高度分布式。"

黄仁勋称，依托本次合作以及 Equinix 的全球机房网络，AI 任务中对时延敏感的部分可以在距离用户最近的 Equinix 机房运行，而存储、推理运算可以放在大洋彼岸的远端机房完成。

大会现场，谷歌、思科以及新兴云厂商 Lambda Labs 的高管也表达了类似观点：AI 未来会进一步走向去中心化、分布式。短期之内，大模型厂商依旧需要吉瓦级巨型数据中心完成模型训练；但数以千计小型机房构成的分布式架构，或将成为 AI 推理业务的常态。