甲骨文聯合創始人、董事長埃里森（Larry Ellison）
“（算力）這場競賽將永遠進行下去，以建立一個更好的神經網絡。訓練 AI模型的成本是天文數字。當我談到建立千兆瓦或數千兆瓦的數據中心時，將是一個真正的前沿 AI 模型入門價格，如果有人想在該領域競爭，大約1000億美元。”全球數據庫巨頭甲骨文（oracle）公司聯合創始人、董事長埃里森（ Larry Ellison）于9月初財報電話會議上表示，未來4到5年內，任何想參與這場大模型競賽的企業，前沿模型門檻或高達1000億美金，而且這場算力軍備競賽將永遠進行下去。
今年80歲的埃里森，是甲骨文公司的開拓者。47年前，他和鮑勃·邁納 (Bob Miner) 、艾德·奧茨 (Ed Oates) 成立了軟件開發實驗室 (SDL)，並受美國中央情報局委托開發代號爲“Oracle”的數據庫程序，該公司後來更名爲Oracle Corporation，並于1986年成功完成IPO上市。
2014年9月，埃里森宣布辭去甲骨文CEO一職，並被任命爲甲骨文董事會執行主席兼首席技術官。2024年4月，埃里森被美國《時代》雜志列入2024年全球100位最具影響力人物名單。
近期埃里森的一則“真實故事”引發關注。他在投資者會議上承認，他不得不懇求英偉達（NVIDIA）CEO黃仁勳 (Jensen Huang) 爲公司提供最新的 GPU，被認爲是當前 AI 算力短缺的一個重要印證。
“在帕洛阿爾托的 Nobu，我和埃隆·馬斯克 (Elon Musk) 、黃仁勳共進晚餐，我可以形容那頓晚餐，就是我和馬斯克懇求黃仁勳提供 GPU。請收下我們的錢；不，多收點。你拿的還不夠；我們需要你多收點錢，拜托，”埃里森在電話會議上說，最後，“一切順利，成功了。”
從結果來看，這筆錢花得值得。甲骨文最近宣布，將打造一個由131072個英偉達GB200 NVL72 Blackwell GPU 組成的Zettascale AI 超級集群 ，可提供 2.4 ZettaFLOPS 的 AI 性能，比馬斯克的 xAI 算力集群更強大，後者目前擁有100,000個英偉達 H100 GPU顯卡。
同時，甲骨文的AI計劃還需要大量電力，該公司已經獲得建造三座模塊化核反應堆的許可，以滿足其設施電力需求。然而，構建核反應堆部署到數據中心可能需要數年時間，因此，當前甲骨文可能會在必要時使用大型移動發電機來增加本地電力供應。
今年9月9日，甲骨文公布截至今年8月的2025財年第一財季業務，甲骨文營收同比超預期增長7%，至133億美元。其中，備受矚目的雲基礎設施（OCI）營收也比華爾街預期的強勁，同比增長45%至22億美元。甲骨文提供的第二財季營收指引增長區間爲8%到10%，中位值高于分析師預期的增速8.72%。
埃里森在財報會議上表示，未來會有很多專業模型，比如他自己就參與類似的模型——使用計算機查看活檢切片或CT掃描以發現癌症，以及用血液檢測來發現癌症。“這些往往是非常專業的模型。它們不一定使用基礎的Groks、ChatGPT、Llama和Gemini，它們往往是高度專業化的模型……我們將看到越來越多像這樣的應用。”
不過，埃里森對分析師強調，如果以未來5年甚至10年的眼光來看，我們還沒有進入已經訓練完所有需要的模型，轉向推理的階段。
“這是一場爭奪技術霸主地位的持續戰鬥，這場戰鬥將在未來五年，可能更像是10年內，由少數幾家公司和一個國家來進行。所以這個業務正在變得越來越大。沒有放緩或轉變的迹象。”埃里森強調，“事情變得多麽瘋狂，但這就是正在發生的事情。”
摩根士丹利分析師 Keith Weiss 隨後發文表示，今年迄今爲止，甲骨文的股價表現已遠超過軟件業同行。他將這一強勁的表現歸結爲，甲骨文被投資者視爲AI硬件稀缺的主要受益者，這推動了其 OCI 業務的發展。
年初至今，甲骨文股價大漲了63.68%，增速高于標普500和納斯達克綜合指數。
受甲骨文利好消息影響，埃里森身價大漲。截至北京時間9月17日，《福布斯》全球億萬富豪排行榜實時數據顯示，埃里森的個人淨資産增至2065億美元，排名第二，高于亞馬遜創始人貝佐斯、股神巴菲特、Meta創始人扎克伯格等人，僅次于特斯拉CEO馬斯克（Elon Musk）。有趣的是，埃里森還是特斯拉董事會獨立董事。
9月14日，甲骨文在年度金融分析師會議上透露，預計2026財年，公司營收將至少達到660億美元，上調知音並超出分析師預期。預計到2029財年，甲骨文營收至少高達1040億美元，相當于三年內收入增長近58%。
以下是甲骨文Q1財報會上的部分問答實錄：
分析師：謝謝。我想問一個關于利潤率的問題。你不斷提供強大的雲服務收入數字，尤其是 OCI 數字，當你給他們（競爭對手）提供指導，看看你必須做什麽才能打擊他們時，至少可以說，他們看起來真的很難做到。
埃里森（Larry Ellison）：讓我們從員工開始，然後進入自治數據庫（Oracle Autonomous Database）。我們獲得了巨大的效率，就在我們說話的時候，我們正在將融合和下周轉移到自治數據庫。我們已經決定一切都需要轉移到自主，因爲兩個原因，真的。第一個原因是，當您擁有一個完全自治的數據庫時，沒有DBA，數據庫管理員是一個機器人。沒有與管理Oracle自治數據庫相關的人力。
現在，這顯然是一種成本節約。但更重要的是，沒有人力，就沒有人爲錯誤。與競爭對手相比，我們擁有巨大的安全優勢。不會犯任何錯誤。沒有人力，全是自動化的。當你把一切都完全自動化時，它的潛力也是非常有彈性的。我不會詳細說明這意味著什麽，但它意味著你的工作運行突然需要500個微處理器。你在3分鍾內得到了500美元，你需要它。然後你把它們放回遊泳池。所以這與其他數據庫的工作方式非常不同，他們可能會調用。雲本身可能在某些地方是有彈性的，但它們的數據庫通常沒有彈性。自主是我們使用更少的硬件，速度更快，效率更高，完全自動化，沒有人力，更安全。基于自主數據庫的業務的利潤率遠遠高于傳統的Oracle業務。
我認爲這些利潤是驚人的高，與SaaS的利潤差不多，SaaS也是驚人的硬市場，因爲Sass主要在自主數據庫上運行。我們非常高效地使用硬件。我們很少使用勞動力，因爲勞動力是一個安全風險。當人們實際手動操作時，安全風險會降低我們的擴展能力。從最大到最小的每個Oracle數據中心在特性和功能上都是相同的。它們僅隨以下因素而變化。
這意味著我們有一套自動化軟件，可以自動完成所有這些工作。沒有其他人這樣做。沒有人有那種程度的自動化，那種程度的自主性。它使我們能夠在數據庫業務、SaaS業務和其他雲業務中獲得更高的利潤。我們的雲更加自動化。我們的勞動力成本很低。我們的網絡更加高效。它們是運行速度快得多的域網絡。如果你的運行速度快一倍，我們的成本就會下降一半，而且我們的網絡比其他雲快得多。因此，我們認爲我們的潛力，隨著我們規模的擴大，我們提供比目前更好的利潤的潛力，這是非常真實的。
我相信是這樣。例如，我認爲當我們將 Fusion 遷移到自治數據庫時，您會發現不同工程師的不同觀點。我認爲成本節省——我們的成本——我們的雲成本節省將達到 50% 左右。這就是我所相信的。現在可能是 40%，也可能是 35%，但與現在相比，我們將節省大量成本，而且這涉及整個 Fusion 客戶群。所以這只是我們如何使用更快的網絡、更快的數據庫、更多的自動化來使我們的産品更安全的一個例子。我一直強調安全確實是主要目標。但作爲次要效應，我們最終也會花費更少的錢來運營這些數據中心。
分析師：我是摩根大通的馬克·墨菲。Larry，你如何看待市場從AI訓練階段向AI推理階段過渡?有一些爭論認爲，在曲線的前端我們可能存在不平衡或泡沫，因爲訓練是計算密集型的，然後也許它會在推理階段以某種方式重新校准，而推理階段可能不那麽密集?或者你認爲在這兩個階段都有高增長的潛力?
埃里森：很多人認爲，我送孩子上大學然後就完成了。他們的訓練結束了。我有四年的訓練，然後我可以讓孩子去工作，他們會做推理。這是不對的。這場競賽永遠不會結束，要建立更好的神經網絡。這種訓練的成本變得天文數字般高昂。當我談到建造吉瓦級或多吉瓦級數據中心時，我的意思是這些AI模型，這些前沿模型將要 - 對于任何想要在這個領域競爭的人來說，一個真正的前沿模型的入場價格大約是1000億美元。
讓我重複一下，在未來4到5年內，對于任何想參與這場遊戲的人來說，這將是大約1000億美元。這是一大筆錢，而且不會變得更容易。所以他們不會有很多這樣的人。這不是列出誰能真正建立這些前沿模型的地方。
但除此之外，還會有很多非常專業的模型。我可以告訴你，我個人參與的一些事情，比如使用計算機查看活檢切片或CT掃描來發現癌症，還有發現癌症的血液測試。這些往往是非常專業的模型。它們不一定使用基礎的Grok、ChatGPT、Llama和Gemini，它們往往是高度專業化的模型。在某些數據上訓練圖像識別，我的意思是，比如數百萬張活檢切片，其他訓練數據並不太有幫助。
所以這還在繼續，我們將看到越來越多像這樣的應用。所以，如果你的視野是未來 5 年，甚至可能是未來10年，我不會擔心，我們現在已經訓練了所有需要的模型，我們需要做的就是推理。
我認爲這是一場持續的技術優勢之戰，將由少數公司和也許一個國家，在未來至少五年內進行，但可能更像是10年。所以這個業務只會越來越大。沒有放緩或轉變即將到來。
我說一些聽起來可能真的很奇怪的話。你可能會說，他一直在說奇怪的話。那麽爲什麽他要說這個呢？這一定非常奇怪。我們正在設計一個功率超過1吉瓦的數據中心，但我們找到了地點和電力設施。我們看了看，他們已經獲得了三個核反應堆的建設許可。這些是小型模塊化核反應堆，專爲數據中心提供電力。事情變得多麽瘋狂，但這就是正在發生的事情。
分析師：我是巴克萊銀行（Barclays）的Raimo Lenschow。關于數據庫方面的問題，您今天剛剛宣布的協議，或者您已經與 AWS 達成的協議。現在我們已經達成了所有超大規模協議，您如何看待從目前在本地或雲客戶上運行的數據庫工作負載向公共雲的遷移？我的意思是我們應該如何看待這種勢頭？謝謝。
埃里森：嗯，有兩件事。公共雲非常有趣，也非常重要。
我的意思是，Oracle 很久以前在數據庫業務上就非常成功，因爲我們的口號之一就是可移植性。我們在 IBM 主機上運行。我們在 Microsoft PC 上運行。我們在 Hewlett Packard 機器上運行。如果你還記得的話，數字設備機器和各種計算機，我們在任何地方運行。這非常重要，這樣我們的客戶就可以在任何環境中運行 Oracle 數據庫。很明顯，我們必須找到一種方法來真正使我們數據庫的最佳版本、Exadata、Exascale 版本的數據庫在其他人的雲中可用。
我們能夠做的基本上就是讓 OCI 足夠小，這樣我們就可以在 Microsoft Azure 中嵌入一個 OCI 數據中心，或者在 Google 或 AWS 中嵌入一個 OCI 數據中心，或者我們可以將它放在任何可以完全自主的地方，在那裏我們可以使用 Exadata 和 Exascale 集群。我們實際上能夠做到這一點。這在技術上並不容易，但我們做到了。
在這樣做並縮小我們的 Oracle 數據中心時，我之前提到過，我們所有的數據中心除了規模之外都是相同的。目前最大的數據中心是 800 千兆瓦，接近 800 兆瓦，對不起，我們接近 1 千兆瓦。最小的數據中心大約是 150 千瓦，我們將降至 50 千瓦。這意味著，我們將有許多公司，中大型公司將決定擁有 Oracle 私有雲。我的意思是，我們的私有雲和公共雲之間仍然沒有區別。它們是相同的。它們完全相同。許多人擁有 Oracle 私有雲，許多工業公司，例如沃達豐擁有六個 Oracle 私有雲來運行他們的工作負載。但它們變得如此便宜，以至于任何人都可以決定，好吧，我想轉移到雲端。我想享受雲的所有優勢，但我想確保我是雲中唯一的人。我不想有任何鄰居，或者我只想要經過批准的鄰居。我不希望有人帶著信用卡搬進來。我只是對安全感到偏執，因爲我必須遵守政府法規。
因此，我們認爲，顯然，在 AWS、Microsoft 和 Google 上使用 Oracle 數據庫非常重要。Safra 說得對，我的意思是，這絕對會加速公共雲中的數據庫增長。但我們預計，私有雲的數量將大大超過公共雲，因爲公司決定將 Oracle 雲放在數據中心的防火牆後面，沒有鄰居。而且，由于我們已經擁有自己的數據中心，我們的數據中心非常自動化，而且可擴展，功能完全相同，我們組織有序。因此，實際上，我們現在有 162 個數據中心。我預計我們將擁有 1,000 個或 2,000 個或更多數據中心，即遍布全球的 Oracle 數據中心，其中許多將專用于個人銀行、電信公司或科技公司，或者您有什麽國家、主權雲，所有這些其他東西。因此，我們認爲，我很難預測私有雲和公共雲哪個會更大？我不知道。
但好消息是，無論哪種方式，我們都會獲勝。
分析師：你好，我是伯恩斯坦的 Mark Moerdler。非常感謝，祝賀本季度。本季度和本指南都非常令人印象深刻。我們看到很多關注點都集中在模型訓練方面，但在其他方面對應用程序和推理的關注較少。你們在市場和行業方面擁有豐富的專業知識。你們已經在所有 Oracle 産品和功能中融入了傳統 AI。但是，您認爲 GenAI 在應用方面的可貨幣化價值在哪裏？您認爲生成式 AI 需要多長時間才能成爲一項有意義的收入，不僅僅是對 Oracle，而是對一般軟件，在應用程序方面，而不是在培訓方面？謝謝
埃里森：讓我先從醫療保健開始，我們幫助醫生診斷不同的疾病。當有人去做超聲波檢查時，我看到護士、技術人員和醫生實際上測量嬰兒的頭骨，測量嬰兒的脊髓，看看——這太荒謬了。計算機應該做所有這些。如果胎兒周圍纏著臍帶，計算機應該發現所有這些，現在應該全部記錄下來。醫生可以得到計算機的幫助來完成所有這些工作。檢查斑塊和冠狀動脈，所有這些都應該以這種方式完成。
我們已經實現了當醫生看病時——准備看病時，我們會爲醫生准備一份總結。我們使用人工智能查看電子健康記錄，查看幾個小時前的最新實驗室檢查結果。並讓醫生知道病情是否穩定或病情是否進展，或者醫生在會診前需要知道的任何信息。該總結由人工智能創建，是人類可讀的總結。然後人工智能會聽取醫生和患者之間的會診。這已經交付了。這已經存在了。他們會交付——他們會聽取醫生與患者的會診。如果醫生開具處方，人工智能會檢查以確保處方准確無誤並輸入處方。人工智能會更新電子健康記錄。人工智能會轉錄和分發醫生的醫囑，所有這些都是通過聽取對話完成的。然後醫生在談話結束時會得到一份草稿，醫生可以快速審查和批准。然後配藥、執行醫囑並更新電子健康記錄。我們已經在做所有這些事情了。但我還可以繼續說下去。在醫療保健領域，我們需要很多東西，從讀取 X 光片到用戶界面。
我們的用戶界面與 Epic 的用戶界面截然不同。我曾經帶兒子去斯坦福大學，需要三個人，三個不同的姿勢才能找到他的 X 光片。這就是你找到 Larry Ellison 的 X 光片的方法。你說，Oracle，請給我看看 Larry Ellison 的最新 X 光片。這是一個語音界面。你只要要求他們就可以了。你如何登錄？嗯，你看著電腦，它就能識別你的臉。它能識別你的聲音，知道你是醫生，你有權查看它，所有的授權都是通過人工智能完成的。
這些都是人工智能，我知道人們認爲這是一個獨立的東西，我聽到很多人都說，我們現在有了人工智能代理（AI Agent），將單獨收費。但我認爲，我們的應用程序將主要是 AI 應用，你如何單獨收取所有費用？我真的不知道。當我聽他們說話時，我感到很困惑。我不明白他們在說什麽。我會想知道什麽，我就到此爲止。
分析師：我是TD Cowen 的 Derrick Wood。我也要向你們表示祝賀，你們在過去幾個季度增長中取得巨大的進步。您能否向我們介紹一下您對供應可用性的看法，以及您以高效的方式建立數據中心基礎設施的能力，以便從簽訂合同轉向消費並將積壓轉化爲收入？我想，您今天所做的與一年前相比有什麽不同，能嘗試幫助我提供這些加速時間點嗎？
埃里森：我們的私有雲與公共雲完全相同，只是它們可能只有一個租戶，並且可能位于您擁有的建築物中。除此之外，它們是完全相同的。我們擁有硬件。我們爲您管理硬件。它恰好位于您擁有的建築物中，只有您才能進入。因此，這與我們所有競爭對手的情況截然不同，而且它是完全自動化的。
因此，我們准備管理數千個數據中心。順便說一句，我會將其與伊隆·馬斯克的 Starlink 進行比較，我認爲他現在在天空中擁有近 7,000 顆衛星，6,800 顆。你如何管理——這些衛星不斷機動。它們不是地球同步衛星。它們是低地球軌道衛星。所以它們不斷飛行並改變位置。你如何管理 7,000 個飛行的航天器？好吧，讓我告訴你，計算機，它必須完全自動化，否則它就無法工作。
我想說，你不可能擁有數千甚至數百個數據中心，但你當然可以擁有數千個數據中心，除非它們完全自動化。而你實現自動化的唯一方法就是讓它們都一樣。你不可能自動化 25 種不同的事物。所以這是一方面。
我要指出的另一件事，我認爲甲骨文的一個有趣之處是，我們管理團隊中一些最資深的人是建築、發電廠和電力傳輸系統的專家。因爲建設這些數據中心就是這樣。你不能只建一個數據中心。你還必須考慮能源以及從能源産生地到數據中心的能源傳輸。
當然，最有效的方法實際上是在數據中心旁邊建造發電廠。這樣你就可以在最短的距離內傳輸數據。我們實際上有非常資深的人員，他們實際上來自公用事業行業，雖然這聽起來很奇怪，但他們是這方面的專家，並幫助我們建造這些龐大的項目。
再次，我要聽聽伊隆·馬斯克的話。他在建造特斯拉時遇到的最艱難的工作之一是建造奧斯汀工廠，他必須建造人類在任何時候建造的最大建築。你想知道有史以來最大的建築嗎？當然不是五角大樓。也不是 NASA 的航天飛機大樓。最大的建築是特斯拉工廠。所以你必須是該工廠的承包商。你必須能夠建造這些東西，然後用機器人來制造你的汽車。
因此，你必須建造大樓、接通電源、建立所有自動化系統，這是構建雲或樓宇自動化系統最困難的部分，建立所有自動化系統，以便高效、可靠且經濟高效地運行。也就是說——我們這裏有一些非常有趣的人，他們的經驗基礎與我們五年前相比有很大不同。---[钛媒體/作者 : 林志佳，編輯 : 胡潤峰｜钛媒體AGI]
