甲骨文第三財季財報電話會議中投資者提出的問題，反映了他們對於在配備最新人工智慧加速硬體的先進數據中心上投入巨資能否獲得投資回報的合理擔憂。這不僅是科技股投資者的擔憂，也是IT和企業領導者的憂慮，而超大規模雲服務商正依賴他們來償還正在產生的IT基礎設施成本。
甲骨文公布的雲基礎設施收入為49億美元，同比增長84%，雲應用業務收入為40億美元，增長13%。
該公司承諾在AI基礎設施上投入533億美元，以滿足其所謂的剩餘履約義務，即履行客戶合同所需的計算能力。
上個月，該公司宣布為滿足其最大的甲骨文雲基礎設施客戶（包括AMD、Meta、英偉達、OpenAI、TikTok和xAI）的合同需求，預計在2026日曆年籌集450-500億美元的總現金收入。計劃通過債務和股權融資相結合的方式實現這一目標。
但在債務增長的同時，彭博社最近報道稱，該公司在推進支持AI工作負載的數據中心擴張計劃時，正在計劃裁員數千人。
該公司聲稱，用於生成計算機代碼的AI模型變得如此高效，以至於它將產品開發團隊重組為更小、更敏捷和更高效的組織，使其能夠在更短的時間內用更少的人員構建更多軟體。
在財報電話會議期間，甲骨文聯席首席執行官Mike Cecilia表示："在甲骨文內部使用AI編碼工具，使較小的工程團隊能夠更快地為客戶提供更完整的解決方案。我們正在使用AI構建全新的SaaS產品，並將智能體嵌入到現有的應用套件中。"
數據中心盈利能力
當被問及甲骨文AI數據中心的盈利能力時，特別是該公司在AI加速硬體上的投資，甲骨文雲基礎設施負責人Clay Magouyrk表示："我們看到毛利率在30-40%的範圍內。"
據Magouyrk稱，甲骨文客戶越來越希望以安全和私密的方式將最佳AI模型與其私有數據相結合。他聲稱這種方法比訓練自己的大語言模型越來越受歡迎。
Magouyrk說："在早期，很多人認為大多數客戶會對自己的大語言模型進行非常具體的訓練。我認為這在很大程度上被證明並非如此。相反，我認為非常受歡迎且越來越受歡迎的是，人們採用最佳模型，並希望以私密方式將其與私有數據相結合。"
但與其他雲服務提供商一樣，甲骨文需要確保其客戶在該公司自己的雲基礎設施中運行AI。他表示，甲骨文已經引入了新的融資模式，如"自帶硬體"和客戶預付款，這使甲骨文能夠在不增加額外債務或發行股票的情況下擴展基礎設施。據Magouyrk稱，這種模式已經帶來了290億美元的合同。
甲骨文和其他公共雲提供商需要回答的問題是，這種增長是否現實，是否可持續，還是只是行業炒作。據分析機構Gartner稱，企業對AI技術能力的了解越來越深入和現實，正在超越炒作，專註於商業價值。
Gartner對數百個用例的分析顯示，雖然大多數智能體AI部署（55%）由於智能體AI價值主張中創新不一致而在投資回報率方面表現不佳，但有相當一部分（40%）通過穩步推進取得了可靠的業務成果。
Gartner高級總監分析師Roberta Cozza在接受Computer Weekly採訪時談到投資回報分析，她說研究顯示5%的AI用例實現了"變革性投資回報"。
她表示，這些創新者不僅超越了投資回報率預期，還為企業釋放了變革性價值，包括新的收入流和競爭優勢。她補充說："這些傑出的競爭者有望建立持久的競爭護城河。"
然而，據Cozza稱，雖然這些變革性用例影響深遠，但非常罕見。Gartner正在專註研究這些特定案例成功的原因。這表明AI如何在組織中帶來變革性變化存在不確定性。
2025年12月，投資公司紐約梅隆銀行的一篇文章引用了瑞銀和摩根大通的數據，顯示1.5萬億美元的AI相關債務可能會給公司債券市場帶來壓力，加劇波動性。高級投資策略師Theodore Bair Jr寫道："與互聯網和電信建設的相似之處表明，如果基礎設施回報落後於預期，就存在風險。"
AI是否是一個會破裂的技術泡沫？鑒於Gartner的數據顯示，超過一半的AI部署未能完全滿足為投資這些系統成本辯護的商業案例中設定的期望，IT和企業領導者需要對自己準備花費多少錢保持現實態度。
Q&A
Q1：甲骨文在AI基礎設施上的投資規模有多大？
A：甲骨文承諾在AI基礎設施上投入533億美元，以滿足其剩餘履約義務。此外，為滿足最大客戶的合同需求，預計在2026日曆年籌集450-500億美元的總現金收入，通過債務和股權融資相結合的方式實現。
Q2：甲骨文AI數據中心的盈利情況如何？
A：據甲骨文雲基礎設施負責人Clay Magouyrk稱，甲骨文AI數據中心的毛利率在30-40%的範圍內。公司還引入了"自帶硬體"和客戶預付款等新融資模式，這種模式已經帶來了290億美元的合同。
Q3：當前AI投資的回報率表現如何？
A：根據Gartner的分析，55%的智能體AI部署在投資回報率方面表現不佳，40%取得了可靠的業務成果，只有5%的AI用例實現了"變革性投資回報"。這表明超過一半的AI部署未能完全滿足預期。
