过去两年，
AI 产业最常听到的问题是：
「大家花这么多钱，到底真的有人用吗？」
数据中心愈盖愈大。
GPU 愈买愈多。
AI 公司估值愈来愈高。
但真正的考试一直没有变：
客户愿不愿意真的付钱？
今天三则新闻，
刚好把答案拆成三个层次。
第一则：
一家金融公司据报愿意用五年、约 130 亿美元，
买 AI Cloud。
第二则：
Snowflake 开始在正式财报里看到 AI 带动内核平台成长。
第三则：
需求真的大到，
德州开始问：
「我们的电网、水和居民真的承受得了这么多数据中心吗？」
所以今天真正的共同主题不是：
AI 还在成长。
而是：
AI 热潮开始同时接受「商业需求」和「实体成本」的检验。
第一则｜Crusoe 据报和 Jane Street 签下约 130 亿美元 AI Cloud 合约
第一则新闻，
直接把 AI 算力需求变成一个很大的数字。
Reuters 9 月 3 日转述 Bloomberg News 报导，
AI 基础设施公司：
Crusoe
据报已和金融交易公司：
Jane Street Group
签下一份：
五年期 AI Cloud 合约。
合约价值约：
130 亿美元。
先注意两个字：
据报。
目前这项合约信息来自 Bloomberg 引述知情人士，
Reuters 再进一步报导。
Crusoe 在 Reuters 发稿时，
没有立即回应置评要求。
所以现在不能写成：
双方已正式公开宣布全部合约条件。
Crusoe 到底是做什么的？
它不是 ChatGPT 这类面向一般人的 AI App。
Crusoe 更接近：
AI 基础设施供应商。
也就是帮企业提供：
数据中心。
GPU。
AI Cloud。
以及训练与运行大型模型需要的算力。
这类公司现在常被称为：
Neocloud。
可以理解成：
专门为 AI 高性能计算而生的新型 Cloud Provider。
它不像 AWS、Azure、Google Cloud 什么服务都做。
而是更集中在：
GPU。
高速网络。
AI Training。
Inference。
大型运算集群。
Crusoe 原本甚至不是做 AI 的
公司 2018 年成立时，
早期业务与加密货币相关。
后来逐步转向：
AI Data Center。
AI Cloud。
这其实很能代表过去几年的产业变化。
以前大家抢的是：
Crypto Mining。
现在最稀缺的运算需求变成：
AI。
所以原本懂：
电力。
数据中心。
高密度运算。
的人，
很多都开始往 AI Infrastructure 移动。
130 亿美元有多大？
如果 Bloomberg 的报导最终成立，
这不是：
Jane Street 试用一个 AI SaaS。
也不是：
买几千个 Chatbot 帐号。
它代表的是：
五年期的：
大量运算容量。
平均摊开来看，
130 亿美元 ÷ 5 年，
约：
每年 26 亿美元。
当然，
真实付款方式不一定平均分布。
合约也可能依实际容量、设备、建设进度与其他条件安排。
所以不能直接拿 26 亿美元当每年实际帐单。
但它至少告诉市场：
AI Infrastructure 已经开始出现：
十亿美元级的长期企业客户。
而且 Jane Street 不是 AI 模型公司
这点反而更值得注意。
Jane Street 是一家大型金融交易公司。
也就是：
AI 算力需求不再只来自：
OpenAI。
Anthropic。
Meta。
Google。
这些本身训练大型模型的公司。
非 AI 原生企业，
也可能开始需要非常大的：
运算容量。
数据处理。
模型开发。
研究。
企业内部 AI。
但要注意：
目前公开报导并没有说明：
Jane Street 这 130 亿美元算力具体会用在哪一种交易模型、
金融决策或策略。
所以不能自行写成：
「Jane Street 花 130 亿美元让 AI 自动交易。」
我们真正知道的是：
据报它成为 Crusoe 非常重要的大型 Cloud 客户。
Crusoe 同时又募了超过 30 亿美元
同一份报导还有另一个数字。
Bloomberg 据报称，
Crusoe 最新一轮募资：
超过：
30 亿美元。
公司 Post-money Valuation：
约：
300 亿美元。
Post-money 就是：
新资金投入之后的公司估值。
而这份 Jane Street 大型合约，
据报也是吸引投资人参与这轮融资的重要原因之一。
这很容易理解。
投资人最担心 AI Infrastructure 的事情是：
先花几十亿盖数据中心，
最后：
没有人真的租。
如果你手上已经有大型长期客户，
融资故事就完全不同。
Crusoe 6 月才公布一个更大的数字
Crusoe 6 月官方曾表示，
公司已签约的 AI Infrastructure Capacity：
接近：
4.9 GW。
也就是：
4.9 Gigawatts。
而整个包含：
已签约。
正在谈 Tenant。
以及高级开发阶段
的 Project Pipeline，
超过：
40 GW。
这不是说：
40 GW 现在都已经盖好。
Pipeline 也不等于正式营收。
但它让你看见：
现在 AI Infrastructure 公司思考的单位，
已经不是：
几台 GPU。
而是：
几十亿瓦的电力与数据中心容量。
第一则新闻真正值得看的不是 Jane Street 多有钱
而是 AI 基础设施第一次愈来愈像：
传统大型工业。
例如航空公司会签：
长期飞机订单。
制造业会签：
长期能源合约。
大型企业会签：
长期 Cloud Commitment。
AI 现在开始进到：
五年期、百亿美元级的算力采购。
这让 AI Infrastructure 从：
「大家都说以后需求很大」
逐渐变成：
真的有人签长约。
第二则｜Snowflake：AI 不只是一个功能，开始拉动整个平台使用量
第二则新闻，
从 Data Center 回到软件。
Snowflake 9 月 2 日公布第二季财报后，
9 月 3 日股价一度大涨接近：
25%。
真正让市场兴奋的不是：
Snowflake 又加了一个 AI Chatbot。
而是：
公司开始能把 AI 和真正的：
平台使用量
连起来。
Snowflake 第二季 Product Revenue 年增 37%
Snowflake 第二季：
Product Revenue
年增：
37%。
公司同时把 FY2027 全年 Product Revenue Forecast，
从原本：
58.4 亿美元
调高到：
60.7 亿美元。
真正值得注意的是 CEO Sridhar Ramaswamy 的说法。
他表示：
AI Offerings 大约贡献了：
近期成长加速的一半。
注意这句话的精确意思。
不是：
Snowflake 一半营收全部来自 AI。
也不是：
37% 成长全部都是 AI。
而是公司认为：
AI 约占近期「成长速度加快」的一半。
这个差别很重要。
为什么 Snowflake 这个案例比「AI App 卖得很好」更有意思？
因为 Snowflake 本来就不是一家：
纯生成式 AI 公司。
它原本的核心是：
企业 Data Cloud。
企业把：
数据。
分析。
应用。
工作负载
放在 Snowflake 上。
AI 出现之后，
如果企业开始：
用更多数据做 Agent。
用 Coding Agent 写程序。
让员工查企业知识。
让 AI 产生更多 Query。
那 AI 可能带来的收入，
不只出现在：
「AI 产品订阅费。」
还会增加：
整个底层平台的 Consumption。
这才是企业软件公司最希望看到的效果。
Cortex Code 已超过 9,100 个帐号
Snowflake 的 AI Coding Assistant：
Cortex Code
目前使用帐号已超过：
9,100。
单季添加超过：
2,000 个客户。
另一套企业知识工作 Agent：
CoWork
则已扩展到：
5,800 个帐号。
这些数字真正重要的不是：
「有多少人试过。」
而是：
AI 功能开始把更多日常工作带回：
Snowflake 平台。
企业 AI 真正的商业价值，可能不是另外收一笔「AI 费」
这是很多 SaaS 公司正在碰到的问题。
假设你原本卖：
数据库。
CRM。
协作工具。
设计软件。
加入 AI 之后，
可以有两种赚钱方法。
第一种：
AI 额外收费。
例如：
每人每月再收一笔。
第二种：
AI 让用户：
使用更多原本的核心服务。
例如：
查更多数据。
跑更多 Query。
创建更多 Application。
进行更多运算。
Snowflake 目前看到的比较像：
两种都可能发生，
但更值得市场注意的是：
AI 开始推动 Core Platform Consumption。
这和前几年最大的质疑正好相反
前几年投资人常问企业软件公司：
你加入 AI，
是不是只增加：
GPU 成本？
每个 Query 都要调用模型。
毛利下降。
但客户又不愿意多付太多钱。
如果是这样，
AI 可能反而：
吃掉 Software Margin。
Snowflake 现在提供的是另一种可能：
如果 AI 让客户使用：
更多数据。
更多 Cloud。
更多核心功能。
那 AI 不只是一项：
成本。
也可能成为：
Usage Growth Engine。
但还不能直接说「企业 AI ROI 已经完全被证明」
Snowflake 是一家公司的结果。
而且 AI Offerings 对成长加速的贡献，
是公司管理层的说法。
不同企业软件公司：
定价。
客户。
AI 成本。
使用频率。
都不一样。
所以不能从 Snowflake 一季好成绩，
直接推论：
所有 SaaS 公司加入 AI 都会赚更多钱。
但至少现在开始有一个很重要的新证据：
AI 已经不只出现在 Demo 与产品发表会，也开始出现在正式营收成长的解释里。
第三则｜德州原本想当 AI 中心，现在却开始对数据中心踩煞车
前两则新闻告诉我们：
需求是真的。
客户真的愿意付。
软件公司也开始看到收入。
那接下来会发生什么？
第三则就是答案：
真实世界开始承受这些需求。
Reuters 9 月 3 日报导，
不到一年前，
德州州长 Greg Abbott 还把 Texas 称为：
AI Development 的重要中心。
现在他却开始主张：
对大型 Data Center：
增加限制。
取消部分税务优惠。
限制某些乡村地区的开发。
而且德州的新接网审批实际上已经暂停
Abbott 在 8 月 3 日启动一项：
State Audit。
Reuters 报导指出，
这项审查已经：
实质暂停新数据中心的电网接入批准。
这不等于：
德州禁止所有数据中心。
也不是：
现有数据中心全部停工。
真正的问题是：
新的大型项目想取得：
Grid Connection。
电网必须先重新确认：
这个需求是真的吗？
电力从哪里来？
基础设施谁付钱？
会不会影响其他居民？
为什么最支持能源与商业发展的德州会变成这样？
因为数据中心需求真的太快。
居民现在开始直接看到：
电费。
水资源。
土地。
夜间照明。
基础设施。
这些外部成本。
Reuters 引述当地反对者说，
大型数据中心可能：
推高 Electricity 和 Water Costs。
同时，
地方政府提供大量 Incentives，
但实际创造的长期就业与税收，
未必符合居民原本期待。
所以争议已经从：
「我们要不要发展 AI？」
变成：
「AI 的成本应该由谁承担？」
德州民调只剩 30% 支持自己社区盖数据中心
Texas Politics Project 8 月调查显示，
只有：
30%
受访者表示，
会支持在自己所在社区创建：
Data Center。
这也是为什么议题快速政治化。
而且不是只有一个政党。
Reuters 指出，
美国多州的民主党候选人早已因地方反对数据中心而采取更强硬立场。
现在部分共和党候选人也开始跟进。
这让数据中心政策变成：
美国 AI 扩张的新政治战场。
德州内部甚至出现和川普不同的方向
美国总统 Donald Trump 的政策方向，
整体上强调：
加速 AI Infrastructure。
希望美国保持 AI 领先。
但德州部分共和党人现在开始主张：
地方成本也必须控制。
这就形成一个很典型的矛盾。
国家层级希望：
盖更多。
更快。
跟中国竞争。
地方居民问的却是：
电费谁付？
水够不够？
我们得到什么？
两边不一定谁完全错。
它们只是站在：
不同成本与利益位置。
还有另一个麻烦：有些数据中心需求可能根本不是真的
Reuters 9 月 1 日另一项调查提到：
美国各地 Utilities 收到的数据中心接电需求，
加起来已超过：
700 GW。
这是非常夸张的数字。
远高于目前所有美国数据中心的实际用电规模。
其中问题之一是：
同一个开发案可能同时到：
不同地区。
不同电力公司。
申请接电。
最后只真的盖其中一个。
这被称为：
Ghost Demand。
幽灵需求。
Ghost Demand 为什么很麻烦？
假设电力公司收到：
10 个数据中心申请。
每个都说：
我要 1 GW。
电力公司看到 10 GW 新需求，
可能就开始规划：
电厂。
变电站。
输电线。
如果最后只有：
2 个真的盖，
其他 8 个消失，
前面规划的基础建设可能：
过量。
而这些成本，
最后可能透过电费、
基础设施投资
分摊出去。
所以德州现在的 Audit，
不只是：
「我们不喜欢 AI。」
也包含：
先证明你的 Data Center 真的会盖，而且真的有能力付钱。
这就让今天第一则新闻变得更有意思
Crusoe 说自己有：
4.9 GW 已 Contracted Capacity。
还有超过：
40 GW Pipeline。
今天又传出：
Jane Street 约 130 亿美元长期 Cloud Contract。
为什么这类合约重要？
因为当数据中心产业开始遇到：
Ghost Demand
质疑时，
「我要盖一座超大数据中心」
已经不够。
政府。
银行。
电力公司。
投资人。
可能都会开始问：
客户是谁？
合约在哪？
谁会付这笔电费？
这个需求是真需求还是先卡位？
大型长约于是变成：
基础设施融资的重要证据。
所以今天三则新闻其实是一条完整的 AI 商业链
第一端：
真正的企业需求。
Jane Street 据报愿意签五年大型算力合约。
↓
第二端：
真正的软件使用与营收。
Snowflake 表示 AI 正在增加内核平台 Consumption。
↓
第三端：
真正的实体成本。
数据中心需要：
电。
水。
土地。
输电。
社区接受。
最后形成一条非常真实的产业链：
AI 使用
↓
Cloud Usage
↓
Data Center
↓
Electricity
↓
Infrastructure
↓
居民成本与政治
这就是 AI 从：
网络产品
走到：
真正基础设施
之后一定会遇到的事情。
AI 商业化的问题已经从「会不会有人付钱」往下一步走
早期大家问：
AI 到底能不能赚钱？
今天其实开始有：
部分答案。
有人愿意签十亿美元级 Cloud Contract。
Snowflake 也开始说：
AI 正带动平台成长。
但下一题马上就出现：
如果所有公司都真的开始用 AI，我们有足够的算力与能源承载吗？
所以 AI 最大的风险可能不再只有：
需求不足。
也可能是：
需求太快。
对一般人来说，这和我有什么关系？
你可能不买 Snowflake 股票。
也不会租 130 亿美元 Cloud。
但这三则新闻最后还是会影响：
你使用 AI 的成本。
如果算力供应充足。
数据中心顺利建设。
软件公司有足够付费客户。
AI 通常更有机会：
价格下降。
功能变多。
如果反过来：
电力紧张。
地方限制增加。
建设成本变高。
运算需求又暴增。
最后这些成本，
可能仍然反映到：
Cloud 费用。
API 价格。
企业软件价格。
甚至：
电力与公共基础设施。
AI 并不是存在云里的一团魔法。
云的底下还是土地、芯片、机房与电。
对企业真正重要的是：别只看「我们有没有 AI」
今天 Snowflake 的新闻，
其实给所有小公司一个很简单的提醒。
不要只记：
这个月员工问了 AI 几次。
我们开了几个 Agent。
有多少人登录。
真正要开始追：
这些 AI 使用，
有没有带来：
更多完成工作。
更多客户。
更少人工时间。
更低成本。
更高使用量。
真正收入。
因为 AI 产业现在连大型上市公司，
都开始需要用：
实际营收
证明 AI。
小公司更不应该只靠：
「大家觉得很方便。」
对 AI Infrastructure 投资也是一样
看到：
40 GW Pipeline。
几百亿美元投资。
超大型数据中心。
很容易觉得：
数字愈大，
公司愈厉害。
但真正重要的是：
多少已签约？
谁是客户？
客户能不能持续付款？
电力真的接得到吗？
土地和水可不可以取得？
政府会不会批准？
如果最后不能开机，
再漂亮的 Data Center Rendering，
也只是：
一张图。
今天三则新闻真正把 AI 拉回一个很传统的商业问题
一门生意最后要成立，
需要三件事情。
有人买。
Crusoe 的大型合约，
如果最终确认，
就是需求证据。
有人持续用。
Snowflake 的 Usage 与 Revenue Growth，
开始提供使用证据。
供应能力撑得住。
德州的 Data Center 争议，
则是在提醒：
AI 不是无限供应。
所以真正健康的 AI 产业，
不是只把：
Demand
做得愈大。
还需要：
Supply。
Infrastructure。
Economics。
一起跟上。
今天最值得记住的一句话
AI 泡沫到底是不是泡沫，
不能只看：
公司估值。
也不能只看：
GPU 订单。
真正要往下看：
有没有真客户签真合约。
AI 有没有真的带动营收。
背后的电力与基础设施能不能真的支撑。
今天的三则新闻，
刚好把这三层全部摆在一起。
AI 正从：
「相信未来会很大」
慢慢走向：
「现在请拿合约、营收和电力出来证明。」
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
推荐阅读
科技公司明明承诺减碳，为什么 60 座 AI 数据中心的排放可能等于 27 座燃煤电厂？
