甲骨文第三财季财报电话会议中投资者提出的问题，反映了他们对于在配备最新人工智能加速硬件的先进数据中心上投入巨资能否获得投资回报的合理担忧。这不仅是科技股投资者的担忧，也是IT和企业领导者的忧虑，而超大规模云服务商正依赖他们来偿还正在产生的IT基础设施成本。
甲骨文公布的云基础设施收入为49亿美元，同比增长84%，云应用业务收入为40亿美元，增长13%。
该公司承诺在AI基础设施上投入533亿美元，以满足其所谓的剩余履约义务，即履行客户合同所需的计算能力。
上个月，该公司宣布为满足其最大的甲骨文云基础设施客户（包括AMD、Meta、英伟达、OpenAI、TikTok和xAI）的合同需求，预计在2026日历年筹集450-500亿美元的总现金收入。计划通过债务和股权融资相结合的方式实现这一目标。
但在债务增长的同时，彭博社最近报道称，该公司在推进支持AI工作负载的数据中心扩张计划时，正在计划裁员数千人。
该公司声称，用于生成计算机代码的AI模型变得如此高效，以至于它将产品开发团队重组为更小、更敏捷和更高效的组织，使其能够在更短的时间内用更少的人员构建更多软件。
在财报电话会议期间，甲骨文联席首席执行官Mike Cecilia表示："在甲骨文内部使用AI编码工具，使较小的工程团队能够更快地为客户提供更完整的解决方案。我们正在使用AI构建全新的SaaS产品，并将智能体嵌入到现有的应用套件中。"
数据中心盈利能力
当被问及甲骨文AI数据中心的盈利能力时，特别是该公司在AI加速硬件上的投资，甲骨文云基础设施负责人Clay Magouyrk表示："我们看到毛利率在30-40%的范围内。"
据Magouyrk称，甲骨文客户越来越希望以安全和私密的方式将最佳AI模型与其私有数据相结合。他声称这种方法比训练自己的大语言模型越来越受欢迎。
Magouyrk说："在早期，很多人认为大多数客户会对自己的大语言模型进行非常具体的训练。我认为这在很大程度上被证明并非如此。相反，我认为非常受欢迎且越来越受欢迎的是，人们采用最佳模型，并希望以私密方式将其与私有数据相结合。"
但与其他云服务提供商一样，甲骨文需要确保其客户在该公司自己的云基础设施中运行AI。他表示，甲骨文已经引入了新的融资模式，如"自带硬件"和客户预付款，这使甲骨文能够在不增加额外债务或发行股票的情况下扩展基础设施。据Magouyrk称，这种模式已经带来了290亿美元的合同。
甲骨文和其他公共云提供商需要回答的问题是，这种增长是否现实，是否可持续，还是只是行业炒作。据分析机构Gartner称，企业对AI技术能力的了解越来越深入和现实，正在超越炒作，专注于商业价值。
Gartner对数百个用例的分析显示，虽然大多数智能体AI部署（55%）由于智能体AI价值主张中创新不一致而在投资回报率方面表现不佳，但有相当一部分（40%）通过稳步推进取得了可靠的业务成果。
Gartner高级总监分析师Roberta Cozza在接受Computer Weekly采访时谈到投资回报分析，她说研究显示5%的AI用例实现了"变革性投资回报"。
她表示，这些创新者不仅超越了投资回报率预期，还为企业释放了变革性价值，包括新的收入流和竞争优势。她补充说："这些杰出的竞争者有望建立持久的竞争护城河。"
然而，据Cozza称，虽然这些变革性用例影响深远，但非常罕见。Gartner正在专注研究这些特定案例成功的原因。这表明AI如何在组织中带来变革性变化存在不确定性。
2025年12月，投资公司纽约梅隆银行的一篇文章引用了瑞银和摩根大通的数据，显示1.5万亿美元的AI相关债务可能会给公司债券市场带来压力，加剧波动性。高级投资策略师Theodore Bair Jr写道："与互联网和电信建设的相似之处表明，如果基础设施回报落后于预期，就存在风险。"
AI是否是一个会破裂的技术泡沫？鉴于Gartner的数据显示，超过一半的AI部署未能完全满足为投资这些系统成本辩护的商业案例中设定的期望，IT和企业领导者需要对自己准备花费多少钱保持现实态度。
Q&A
Q1：甲骨文在AI基础设施上的投资规模有多大？
A：甲骨文承诺在AI基础设施上投入533亿美元，以满足其剩余履约义务。此外，为满足最大客户的合同需求，预计在2026日历年筹集450-500亿美元的总现金收入，通过债务和股权融资相结合的方式实现。
Q2：甲骨文AI数据中心的盈利情况如何？
A：据甲骨文云基础设施负责人Clay Magouyrk称，甲骨文AI数据中心的毛利率在30-40%的范围内。公司还引入了"自带硬件"和客户预付款等新融资模式，这种模式已经带来了290亿美元的合同。
Q3：当前AI投资的回报率表现如何？
A：根据Gartner的分析，55%的智能体AI部署在投资回报率方面表现不佳，40%取得了可靠的业务成果，只有5%的AI用例实现了"变革性投资回报"。这表明超过一半的AI部署未能完全满足预期。
