過去兩年，
AI 產業最常聽到的問題是：
「大家花這麼多錢，到底真的有人用嗎？」
資料中心愈蓋愈大。
GPU 愈買愈多。
AI 公司估值愈來愈高。
但真正的考試一直沒有變：
客戶願不願意真的付錢？
今天三則新聞，
剛好把答案拆成三個層次。
第一則：
一家金融公司據報願意用五年、約 130 億美元，
買 AI Cloud。
第二則：
Snowflake 開始在正式財報裡看到 AI 帶動核心平台成長。
第三則：
需求真的大到，
德州開始問：
「我們的電網、水和居民真的承受得了這麼多資料中心嗎？」
所以今天真正的共同主題不是：
AI 還在成長。
而是：
AI 熱潮開始同時接受「商業需求」和「實體成本」的檢驗。
第一則｜Crusoe 據報和 Jane Street 簽下約 130 億美元 AI Cloud 合約
第一則新聞，
直接把 AI 算力需求變成一個很大的數字。
Reuters 9 月 3 日轉述 Bloomberg News 報導，
AI 基礎設施公司：
Crusoe
據報已和金融交易公司：
Jane Street Group
簽下一份：
五年期 AI Cloud 合約。
合約價值約：
130 億美元。
先注意兩個字：
據報。
目前這項合約資訊來自 Bloomberg 引述知情人士，
Reuters 再進一步報導。
Crusoe 在 Reuters 發稿時，
沒有立即回應置評要求。
所以現在不能寫成：
雙方已正式公開宣布全部合約條件。
Crusoe 到底是做什麼的？
它不是 ChatGPT 這類面向一般人的 AI App。
Crusoe 更接近：
AI 基礎設施供應商。
也就是幫企業提供：
資料中心。
GPU。
AI Cloud。
以及訓練與執行大型模型需要的算力。
這類公司現在常被稱為：
Neocloud。
可以理解成：
專門為 AI 高效能運算而生的新型 Cloud Provider。
它不像 AWS、Azure、Google Cloud 什麼服務都做。
而是更集中在：
GPU。
高速網路。
AI Training。
Inference。
大型運算叢集。
Crusoe 原本甚至不是做 AI 的
公司 2018 年成立時，
早期業務與加密貨幣相關。
後來逐步轉向：
AI Data Center。
AI Cloud。
這其實很能代表過去幾年的產業變化。
以前大家搶的是：
Crypto Mining。
現在最稀缺的運算需求變成：
AI。
所以原本懂：
電力。
資料中心。
高密度運算。
的人，
很多都開始往 AI Infrastructure 移動。
130 億美元有多大？
如果 Bloomberg 的報導最終成立，
這不是：
Jane Street 試用一個 AI SaaS。
也不是：
買幾千個 Chatbot 帳號。
它代表的是：
五年期的：
大量運算容量。
平均攤開來看，
130 億美元 ÷ 5 年，
約：
每年 26 億美元。
當然，
真實付款方式不一定平均分布。
合約也可能依實際容量、設備、建設進度與其他條件安排。
所以不能直接拿 26 億美元當每年實際帳單。
但它至少告訴市場：
AI Infrastructure 已經開始出現：
十億美元級的長期企業客戶。
而且 Jane Street 不是 AI 模型公司
這點反而更值得注意。
Jane Street 是一家大型金融交易公司。
也就是：
AI 算力需求不再只來自：
OpenAI。
Anthropic。
Meta。
Google。
這些本身訓練大型模型的公司。
非 AI 原生企業，
也可能開始需要非常大的：
運算容量。
資料處理。
模型開發。
研究。
企業內部 AI。
但要注意：
目前公開報導並沒有說明：
Jane Street 這 130 億美元算力具體會用在哪一種交易模型、
金融決策或策略。
所以不能自行寫成：
「Jane Street 花 130 億美元讓 AI 自動交易。」
我們真正知道的是：
據報它成為 Crusoe 非常重要的大型 Cloud 客戶。
Crusoe 同時又募了超過 30 億美元
同一份報導還有另一個數字。
Bloomberg 據報稱，
Crusoe 最新一輪募資：
超過：
30 億美元。
公司 Post-money Valuation：
約：
300 億美元。
Post-money 就是：
新資金投入之後的公司估值。
而這份 Jane Street 大型合約，
據報也是吸引投資人參與這輪融資的重要原因之一。
這很容易理解。
投資人最擔心 AI Infrastructure 的事情是：
先花幾十億蓋資料中心，
最後：
沒有人真的租。
如果你手上已經有大型長期客戶，
融資故事就完全不同。
Crusoe 6 月才公布一個更大的數字
Crusoe 6 月官方曾表示，
公司已簽約的 AI Infrastructure Capacity：
接近：
4.9 GW。
也就是：
4.9 Gigawatts。
而整個包含：
已簽約。
正在談 Tenant。
以及進階開發階段
的 Project Pipeline，
超過：
40 GW。
這不是說：
40 GW 現在都已經蓋好。
Pipeline 也不等於正式營收。
但它讓你看見：
現在 AI Infrastructure 公司思考的單位，
已經不是：
幾台 GPU。
而是：
幾十億瓦的電力與資料中心容量。
第一則新聞真正值得看的不是 Jane Street 多有錢
而是 AI 基礎設施第一次愈來愈像：
傳統大型工業。
例如航空公司會簽：
長期飛機訂單。
製造業會簽：
長期能源合約。
大型企業會簽：
長期 Cloud Commitment。
AI 現在開始進到：
五年期、百億美元級的算力採購。
這讓 AI Infrastructure 從：
「大家都說以後需求很大」
逐漸變成：
真的有人簽長約。
第二則｜Snowflake：AI 不只是一個功能，開始拉動整個平台使用量
第二則新聞，
從 Data Center 回到軟體。
Snowflake 9 月 2 日公布第二季財報後，
9 月 3 日股價一度大漲接近：
25%。
真正讓市場興奮的不是：
Snowflake 又加了一個 AI Chatbot。
而是：
公司開始能把 AI 和真正的：
平台使用量
連起來。
Snowflake 第二季 Product Revenue 年增 37%
Snowflake 第二季：
Product Revenue
年增：
37%。
公司同時把 FY2027 全年 Product Revenue Forecast，
從原本：
58.4 億美元
調高到：
60.7 億美元。
真正值得注意的是 CEO Sridhar Ramaswamy 的說法。
他表示：
AI Offerings 大約貢獻了：
近期成長加速的一半。
注意這句話的精確意思。
不是：
Snowflake 一半營收全部來自 AI。
也不是：
37% 成長全部都是 AI。
而是公司認為：
AI 約占近期「成長速度加快」的一半。
這個差別很重要。
為什麼 Snowflake 這個案例比「AI App 賣得很好」更有意思？
因為 Snowflake 本來就不是一家：
純生成式 AI 公司。
它原本的核心是：
企業 Data Cloud。
企業把：
資料。
分析。
應用。
工作負載
放在 Snowflake 上。
AI 出現之後，
如果企業開始：
用更多資料做 Agent。
用 Coding Agent 寫程式。
讓員工查企業知識。
讓 AI 產生更多 Query。
那 AI 可能帶來的收入，
不只出現在：
「AI 產品訂閱費。」
還會增加：
整個底層平台的 Consumption。
這才是企業軟體公司最希望看到的效果。
Cortex Code 已超過 9,100 個帳號
Snowflake 的 AI Coding Assistant：
Cortex Code
目前使用帳號已超過：
9,100。
單季新增超過：
2,000 個客戶。
另一套企業知識工作 Agent：
CoWork
則已擴展到：
5,800 個帳號。
這些數字真正重要的不是：
「有多少人試過。」
而是：
AI 功能開始把更多日常工作帶回：
Snowflake 平台。
企業 AI 真正的商業價值，可能不是另外收一筆「AI 費」
這是很多 SaaS 公司正在碰到的問題。
假設你原本賣：
資料庫。
CRM。
協作工具。
設計軟體。
加入 AI 之後，
可以有兩種賺錢方法。
第一種：
AI 額外收費。
例如：
每人每月再收一筆。
第二種：
AI 讓使用者：
使用更多原本的核心服務。
例如：
查更多資料。
跑更多 Query。
建立更多 Application。
進行更多運算。
Snowflake 目前看到的比較像：
兩種都可能發生，
但更值得市場注意的是：
AI 開始推動 Core Platform Consumption。
這和前幾年最大的質疑正好相反
前幾年投資人常問企業軟體公司：
你加入 AI，
是不是只增加：
GPU 成本？
每個 Query 都要呼叫模型。
毛利下降。
但客戶又不願意多付太多錢。
如果是這樣，
AI 可能反而：
吃掉 Software Margin。
Snowflake 現在提供的是另一種可能：
如果 AI 讓客戶使用：
更多資料。
更多 Cloud。
更多核心功能。
那 AI 不只是一項：
成本。
也可能成為：
Usage Growth Engine。
但還不能直接說「企業 AI ROI 已經完全被證明」
Snowflake 是一家公司的結果。
而且 AI Offerings 對成長加速的貢獻，
是公司管理層的說法。
不同企業軟體公司：
定價。
客戶。
AI 成本。
使用頻率。
都不一樣。
所以不能從 Snowflake 一季好成績，
直接推論：
所有 SaaS 公司加入 AI 都會賺更多錢。
但至少現在開始有一個很重要的新證據：
AI 已經不只出現在 Demo 與產品發表會，也開始出現在正式營收成長的解釋裡。
第三則｜德州原本想當 AI 中心，現在卻開始對資料中心踩煞車
前兩則新聞告訴我們：
需求是真的。
客戶真的願意付。
軟體公司也開始看到收入。
那接下來會發生什麼？
第三則就是答案：
真實世界開始承受這些需求。
Reuters 9 月 3 日報導，
不到一年前，
德州州長 Greg Abbott 還把 Texas 稱為：
AI Development 的重要中心。
現在他卻開始主張：
對大型 Data Center：
增加限制。
取消部分稅務優惠。
限制某些鄉村地區的開發。
而且德州的新接網審批實際上已經暫停
Abbott 在 8 月 3 日啟動一項：
State Audit。
Reuters 報導指出，
這項審查已經：
實質暫停新資料中心的電網接入批准。
這不等於：
德州禁止所有資料中心。
也不是：
現有資料中心全部停工。
真正的問題是：
新的大型專案想取得：
Grid Connection。
電網必須先重新確認：
這個需求是真的嗎？
電力從哪裡來？
基礎設施誰付錢？
會不會影響其他居民？
為什麼最支持能源與商業發展的德州會變成這樣？
因為資料中心需求真的太快。
居民現在開始直接看到：
電費。
水資源。
土地。
夜間照明。
基礎設施。
這些外部成本。
Reuters 引述當地反對者說，
大型資料中心可能：
推高 Electricity 和 Water Costs。
同時，
地方政府提供大量 Incentives，
但實際創造的長期就業與稅收，
未必符合居民原本期待。
所以爭議已經從：
「我們要不要發展 AI？」
變成：
「AI 的成本應該由誰承擔？」
德州民調只剩 30% 支持自己社區蓋資料中心
Texas Politics Project 8 月調查顯示，
只有：
30%
受訪者表示，
會支持在自己所在社區建立：
Data Center。
這也是為什麼議題快速政治化。
而且不是只有一個政黨。
Reuters 指出，
美國多州的民主黨候選人早已因地方反對資料中心而採取更強硬立場。
現在部分共和黨候選人也開始跟進。
這讓資料中心政策變成：
美國 AI 擴張的新政治戰場。
德州內部甚至出現和川普不同的方向
美國總統 Donald Trump 的政策方向，
整體上強調：
加速 AI Infrastructure。
希望美國保持 AI 領先。
但德州部分共和黨人現在開始主張：
地方成本也必須控制。
這就形成一個很典型的矛盾。
國家層級希望：
蓋更多。
更快。
跟中國競爭。
地方居民問的卻是：
電費誰付？
水夠不夠？
我們得到什麼？
兩邊不一定誰完全錯。
它們只是站在：
不同成本與利益位置。
還有另一個麻煩：有些資料中心需求可能根本不是真的
Reuters 9 月 1 日另一項調查提到：
美國各地 Utilities 收到的資料中心接電需求，
加起來已超過：
700 GW。
這是非常誇張的數字。
遠高於目前所有美國資料中心的實際用電規模。
其中問題之一是：
同一個開發案可能同時到：
不同地區。
不同電力公司。
申請接電。
最後只真的蓋其中一個。
這被稱為：
Ghost Demand。
幽靈需求。
Ghost Demand 為什麼很麻煩？
假設電力公司收到：
10 個資料中心申請。
每個都說：
我要 1 GW。
電力公司看到 10 GW 新需求，
可能就開始規劃：
電廠。
變電站。
輸電線。
如果最後只有：
2 個真的蓋，
其他 8 個消失，
前面規劃的基礎建設可能：
過量。
而這些成本，
最後可能透過電費、
基礎設施投資
分攤出去。
所以德州現在的 Audit，
不只是：
「我們不喜歡 AI。」
也包含：
先證明你的 Data Center 真的會蓋，而且真的有能力付錢。
這就讓今天第一則新聞變得更有意思
Crusoe 說自己有：
4.9 GW 已 Contracted Capacity。
還有超過：
40 GW Pipeline。
今天又傳出：
Jane Street 約 130 億美元長期 Cloud Contract。
為什麼這類合約重要？
因為當資料中心產業開始遇到：
Ghost Demand
質疑時，
「我要蓋一座超大資料中心」
已經不夠。
政府。
銀行。
電力公司。
投資人。
可能都會開始問：
客戶是誰？
合約在哪？
誰會付這筆電費？
這個需求是真需求還是先卡位？
大型長約於是變成：
基礎設施融資的重要證據。
所以今天三則新聞其實是一條完整的 AI 商業鏈
第一端：
真正的企業需求。
Jane Street 據報願意簽五年大型算力合約。
↓
第二端：
真正的軟體使用與營收。
Snowflake 表示 AI 正在增加核心平台 Consumption。
↓
第三端：
真正的實體成本。
資料中心需要：
電。
水。
土地。
輸電。
社區接受。
最後形成一條非常真實的產業鏈：
AI 使用
↓
Cloud Usage
↓
Data Center
↓
Electricity
↓
Infrastructure
↓
居民成本與政治
這就是 AI 從：
網路產品
走到：
真正基礎設施
之後一定會遇到的事情。
AI 商業化的問題已經從「會不會有人付錢」往下一步走
早期大家問：
AI 到底能不能賺錢？
今天其實開始有：
部分答案。
有人願意簽十億美元級 Cloud Contract。
Snowflake 也開始說：
AI 正帶動平台成長。
但下一題馬上就出現：
如果所有公司都真的開始用 AI，我們有足夠的算力與能源承載嗎？
所以 AI 最大的風險可能不再只有：
需求不足。
也可能是：
需求太快。
對一般人來說，這和我有什麼關係？
你可能不買 Snowflake 股票。
也不會租 130 億美元 Cloud。
但這三則新聞最後還是會影響：
你使用 AI 的成本。
如果算力供應充足。
資料中心順利建設。
軟體公司有足夠付費客戶。
AI 通常更有機會：
價格下降。
功能變多。
如果反過來：
電力緊張。
地方限制增加。
建設成本變高。
運算需求又暴增。
最後這些成本，
可能仍然反映到：
Cloud 費用。
API 價格。
企業軟體價格。
甚至：
電力與公共基礎設施。
AI 並不是存在雲裡的一團魔法。
雲的底下還是土地、晶片、機房與電。
對企業真正重要的是：別只看「我們有沒有 AI」
今天 Snowflake 的新聞，
其實給所有小公司一個很簡單的提醒。
不要只記：
這個月員工問了 AI 幾次。
我們開了幾個 Agent。
有多少人登入。
真正要開始追：
這些 AI 使用，
有沒有帶來：
更多完成工作。
更多客戶。
更少人工時間。
更低成本。
更高使用量。
真正收入。
因為 AI 產業現在連大型上市公司，
都開始需要用：
實際營收
證明 AI。
小公司更不應該只靠：
「大家覺得很方便。」
對 AI Infrastructure 投資也是一樣
看到：
40 GW Pipeline。
幾百億美元投資。
超大型資料中心。
很容易覺得：
數字愈大，
公司愈厲害。
但真正重要的是：
多少已簽約？
誰是客戶？
客戶能不能持續付款？
電力真的接得到嗎？
土地和水可不可以取得？
政府會不會批准？
如果最後不能開機，
再漂亮的 Data Center Rendering，
也只是：
一張圖。
今天三則新聞真正把 AI 拉回一個很傳統的商業問題
一門生意最後要成立，
需要三件事情。
有人買。
Crusoe 的大型合約，
如果最終確認，
就是需求證據。
有人持續用。
Snowflake 的 Usage 與 Revenue Growth，
開始提供使用證據。
供應能力撐得住。
德州的 Data Center 爭議，
則是在提醒：
AI 不是無限供應。
所以真正健康的 AI 產業，
不是只把：
Demand
做得愈大。
還需要：
Supply。
Infrastructure。
Economics。
一起跟上。
今天最值得記住的一句話
AI 泡沫到底是不是泡沫，
不能只看：
公司估值。
也不能只看：
GPU 訂單。
真正要往下看：
有沒有真客戶簽真合約。
AI 有沒有真的帶動營收。
背後的電力與基礎設施能不能真的支撐。
今天的三則新聞，
剛好把這三層全部擺在一起。
AI 正從：
「相信未來會很大」
慢慢走向：
「現在請拿合約、營收和電力出來證明。」
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
科技公司明明承諾減碳，為什麼 60 座 AI 資料中心的排放可能等於 27 座燃煤電廠？
