{"id":"mb-20261001-dee48c","kind":"deep","title":"腾讯向甲骨文租用10万张芯片算力：70亿美元合约背后的离岸交付逻辑","summary":"据《金融时报》报道，腾讯与甲骨文签署了一项为期5年、总额约70亿美元的算力租赁协议，获得约10万张先进AI芯片的算力支持。硬件部署在甲骨文东南亚数据中心，腾讯通过预付约30%资金锁定资源并远程调用，在遵守美国商务部出口管制规则的同时满足大模型训练对先进制程算力的紧迫需求。","body":"腾讯为了拿到 10 万张先进 AI 芯片的算力，刚签下了一笔约 70 亿美元的长约。\n\n但这一批顶尖芯片，一枚都不会运进中国境内。\n\n根据《金融时报》披露的细节，\n腾讯向美国云服务商甲骨文租用了庞大的算力集群。\n整个租赁合同为期 5 年，总金额大约 70 亿美元。\n硬件设备全部部署在甲骨文位于东南亚的多个数据中心里。\n\n为了把这批紧俏的算力锁在自己手里，\n腾讯在签约时直接支付了大约 30% 的预付款。\n单笔超过 20 亿美元的现金支出，\n直接拉低了腾讯第二季度的账面数据，\n甚至导致当期自由现金流转为负数。\n这也是腾讯有史以来最大的一笔海外租赁交易。\n\n很多人好奇，美国商务部工业与安全局（BIS）的禁令摆在眼前，\n为什么这笔交易能够成立？\n\n答案在芯片的物理交付和算力租赁的界限上。\n出口管制的红线划在实物硬件的边境清关上：\n英伟达的高性能 GPU 和整柜服务器，无法直接运抵中国本土。\n但如果算力是由美国本土云厂商持有，\n硬件机柜架设在东南亚的中立机房里，\n客户通过跨国网络远程租用算力，\n在现行法规框架下就走出了一条完全不同的路径。\n\n从工程上看，这种跨国租算力模式能跑通，\n关键在于集群内部与外部的网络分工。\n\n大模型预训练中最怕延迟的是 GPU 之间的参数同步。\n几万张卡同时计算，节点之间需要极高的通信带宽。\n而在甲骨文的东南亚数据中心内部，\n服务器之间直接通过高带宽 RDMA 网络和集群交换机互联，\n最吃带宽的梯度交换和节点通信全部在机房局域网内闭环完成。\n\n跨越国境的海底光缆，\n主要负责往机房里输送清洗好的训练语料，\n或者定期把模型训练好的权重切片下载回国。\n这种架构避开了跨国网络的高延迟劣势，\n让分布在深圳或北京的研发团队，\n能够像调用本地机房一样远程操控数万张卡的大规模集群。\n\n甲骨文也是这场交易里的关键推手。\n创始人拉里·埃里森近年在云市场上全力押注人工智能算力。\n相比于亚马逊 AWS 和微软 Azure 对自研芯片或自留算力的倾斜，\n甲骨文将核心卖点定在英伟达先进制程芯片的裸金属部署上，\n用最激进的采买策略囤积了海量硬件，\n再将其整包出租给有算力渴求的客户。\n\n对腾讯而言，混元大模型的追赶和海量 AI 应用的落地，\n最输不起的是时间。\n本土芯片在单卡峰值算力和万卡互联集群生态上仍有客观差距，\n等待供应链完全成熟需要漫长周期。\n拿出超过 20 亿美元预付款在海外锁死 10 万张先进制程芯片，\n是眼下维持模型迭代梯队最直接的商业决策。\n\n物理管制的铁网封住了芯片集装箱的到港航线，\n但数据中心的机柜和跨国光纤，\n依然在资本的驱动下，搭起了越过地理边界的算力走廊。","topic":"腾讯向甲骨文租用10万张芯片算力：70亿美元合约背后的离岸交付逻辑","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-01 12:07:29","legal_anchor_count":0,"transcript_citation_count":0}