一間大餐廳決定不再只跟同一個攤商拿菜了

2026 年 10 月 28 日，甲骨文（Oracle）宣布兩件事：一是擴大與輝達（Nvidia）的雲端 AI 晶片合作，將大規模部署最新一代 Vera Rubin AI 伺服器，規模達到「數吉瓦級」；二是同時引進輝達對手的產品，包括谷歌（Google）的 TPU 晶片與 Cerebras Systems 的晶片。換句話說，這間餐廳跟原來的老供應商越訂越多，卻也開始跟別的攤商往來。

這種做法，你家附近那間生意最好的熱炒店老闆早就懂。每天清早上市場，他跟固定攤商拿貨，關係熟、品質穩、送來的蚵仔顆顆飽滿。但如果整間店的蚵仔都壓在這一攤身上，哪天颱風一來、貨一斷，整本菜單上的蚵仔煎、蔭豉蚵就全得下架。所以老練的老闆，永遠會多認識兩三個攤子。

爐火上多擺幾口鍋

甲骨文這次的布局，細看更像一間大餐廳在調整廚房動線。報導提到，就算是基於輝達晶片的系統，甲骨文也將放棄部分輝達的網路晶片，改用自家研發的 Accelerator 網路晶片。連醬料都開始自己調了，不完全用供應商配好的。

更值得注意的是，甲骨文將成為谷歌以外第一家提供谷歌 TPU 的超大型雲端服務商，預計 2027 年推出。谷歌第八代 TPU 分成兩款：TPU 8t 面向訓練，TPU 8i 面向推理。這就像同一種食材，分成了適合大火爆炒的和適合小火慢燉的兩種規格。甲骨文雲基礎設施部門總裁蒂亞加拉詹在聲明中說得直白：「不同的 AI 工作負載對計算資源有不同的需求。」翻成廚房的話就是，炒青菜和燉牛腩，需要的是不同的火。

這種「兩個本來各自開餐廳的大廚決定共用料理檯」的味道，我們在OpenAI 與新思科技的合作故事裡也聞過一次。差別在於，這回不是兩家合力，而是一家大餐廳主動把爐臺拆開，每一口鍋配不同的火。

訓練像熬高湯，推理像出餐

來源裡有一段值得細嚼：目前輝達在 AI 模型訓練市場佔主導地位，但推理市場的競爭者明顯更多。這句話用做菜來想很貼切。訓練模型像熬一鍋高湯，要大火滾、小火燉，一熬好幾天，喫的是本錢和耐性，所以敢開這種大竈的人少。推理則是客人上門後，你怎麼在幾分鐘內把湯變成一碗一碗端出去，講究的是出餐的速度與流暢。這一段的玩家自然多，SambaNova、Cerebras 都專注在推理晶片上。

Cerebras 執行長費爾德曼接受路透社採訪時說，與甲骨文的合作「將大幅擴大我們的一級客戶羣體」，他們的產品正以大規模部署的方式進入其他公司的資料中心。一個原本只在巷口擺攤的攤商，忽然把貨送進了大飯店的中央廚房。

帳單最後還是要有人付

當然，廚房擴建是要錢的。報導指出，甲骨文將在本週舉行投資者日活動，但尚未說明如何為這些晶片採購籌資。而在上個月的財報電話會議上，甲骨文表示客戶正越來越多地承擔晶片採購費用，公司預計 2027 財年相關支出約達 900 億至 950 億美元。

這就像一間餐廳擴建廚房，一部分錢是老闆出，一部分是包桌的常客先付訂金。常客為什麼願意先付？因為他們知道，之後的每個月、每一餐，都得靠這幾口竈。

回到你家的餐桌

你家的廚房大概不會有吉瓦級的煩惱，但「不把所有雞蛋放在同一個籃子裡」這件事， everyday 得很。冰箱裡的雞蛋快用完之前先補一盒，常去的麵攤休息時你知道隔壁還有一家，醬油用習慣的那罐見底了，架上還有另一瓶備用。一張能長久運轉的餐桌，靠的從來都是這種不動聲色的備援。大公司的新聞離你很遠，但那份「多認識兩個攤子」的精明，是你每天上市場就在練的功夫。