风投如何锁定GPU算力
硅谷的风投机构最近在忙同一件事:自己下场锁定 GPU 算力。过去创业公司缺卡,第一反应是找云厂商租;现在不少投资人选择直接建算力池、谈长约,把 GPU 资源先攥在手里,再分给被投企业。a16z、General Catalyst 都已经动了,连一些小型风投也在跟进。
这件事最容易误解的地方在于:它不是简单的“有钱就能买到卡”。对 AI 创业公司来说,真正的门槛往往不是融没融到钱,而是钱到了、卡没到。a16z 披露的情况就显示,算力紧张时,原本签半年合同的价格,可能被要求直接签三年。
这篇文章把镜头对准风投自建算力这股风潮:谁在建、建了多少、创业公司拿到手的是什么条件,以及这套模式跟过去“全靠云厂商”相比有什么不同。
AI 创业公司融资后,为什么还是租不到 GPU?
ChainCatcher 的报道里提到一个现实:AI 创业公司即使完成融资,也未必能及时租到 GPU 算力。今年 4 月,微软等大型云厂商被曝优先把算力留给内部团队和大客户,部分创业公司面临数月等待。换句话说,钱不是唯一变量,算力分配顺序同样卡人。
a16z 之前也披露过,算力紧缺的时候,原本签半年合同就能享受的价格,可能被要求签约三年。对模型团队来说,训练需要短期集中使用大量 GPU,推理需求又难以预测,提前锁定多年算力很容易造成资金浪费。可要是不锁,模型可能根本跑不起来。
风投自己囤算力,到底怎么运作?
目前被讨论最多的是 a16z 的 Oxygen 项目。路子并不复杂:由风投集中采购和租赁算力,再分配给旗下创业公司。这样一来,创业公司拿到的是大客户才有的价格与合同条件,不用自己去和云厂商一轮轮磨条款。
对小型团队来说,这类安排省掉的不只是钱,还有时间。算力到位早了,模型迭代节奏就能跟上;晚了,同样的产品窗口可能就过去了。
a16z 的 GPU 算力池现在有多少卡?
公开信息显示,a16z 早在 2024 年就建立了约 2 万张 GPU 的算力池,现在正与数据中心企业 Switch、Volta 洽谈扩容。约 2 万张的规模,已经接近一个中等数据中心集群的体量,而不是几家创业公司拼单的概念。
今年 8 月,a16z 还联合领投了 Volta 的 3 亿美元融资,后者估值 24 亿美元。这笔投资同时覆盖了 AI 创业公司和提供算力的数据中心企业,能看出 a16z 在算力链条上是两条线一起走。
还有哪些机构在加码 GPU 算力?
General Catalyst 也在计划建设面向被投公司的数据中心,并在今年 5 月引入英伟达 DGX Cloud 前负责人,统筹 AI 基础设施业务。把云体系的人招进来,说明他们不是临时租一批卡,而是想把这套基础设施长期做起来。
规模更小的风投也在找自己的位置。Crucible Capital 建有一座拥有 576 张英伟达 B300 GPU 的集群,供旗下创业公司测试,同时把部分算力出售给一家前沿 AI 实验室。576 张的体量不能和 a16z 比,但对被投团队来说,已经足够支撑早期的模型验证。
创业公司能拿到什么实际条件?
这套模式的关键不在“卡多”,而在合同结构。通过 Oxygen 项目,a16z 把算力集中起来再分配,让被投公司获得大客户才有的价格与合同条件。过去很多早期团队在云厂商那里按需购买服务,价格和优先级都不占优势。
代价也很直接:这类投入传统上主要由云厂商和数据中心运营商承担,现在风投也在担。对风投来说,算力从“服务采购”变成了资产负债表的一部分。
结语:风投开始替创业公司扛算力成本
从 a16z 的约 2 万张 GPU,到 General Catalyst 自建数据中心,再到 Crucible Capital 的 576 张 B300 集群,硅谷风投正在把“投钱”扩展到“投算力”。对创业公司而言,能不能及时、划算地拿到 GPU,正在成为和融资额同样重要的事。
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。