甲骨文公司联合创始人兼董事长拉里·埃里森
“构建更好的神经网络的竞赛将永远持续下去。训练 AI 模型的成本是天文数字。当我谈到建设千兆瓦或多千兆瓦数据中心时，如果有人想在这个领域竞争，那么真正尖端的 AI 模型的入门价约为 1000 亿美元。”全球数据库巨头甲骨文联合创始人兼董事长拉里·埃里森 (Larry ) 在 9 月初的财报电话会议上表示。他表示，在未来 4 到 5 年内，任何想要参与这场大模型竞赛的公司可能都要为尖端模型支付高达 1000 亿美元的费用，这场计算能力军备竞赛将永远持续下去。
现年80岁的埃里森是甲骨文公司的先驱人物，47年前他与鲍勃·迈纳（Bob Miner）和艾德·奥茨（Ed Oates）共同创立了软件开发实验室（SDL），该公司受美国中央情报局委托开发代号为“SDL”的数据库程序。该公司后来更名，并于1986年成功完成IPO。
2014年9月，埃里森宣布辞去甲骨文公司首席执行官一职，被任命为甲骨文公司执行董事长兼首席技术官，2024年4月，埃里森被《时代》杂志列为2024年全球100位最具影响力人物之一，被评为“最具影响力人物”之一。
近日，埃里森的一则“真实故事”引发关注，他在一场投资者会议上承认，自己曾恳求英伟达CEO黄仁勋为公司提供最新的GPU，这被认为是解决当前AI算力短缺问题的一个重要印证。
“我和伊隆·马斯克以及黄仁勋在帕洛阿尔托的 Nobu 餐厅共进晚餐，我可以形容那顿晚餐就是伊隆和我恳求黄仁勋给我们 GPU。请收下我们的钱；不，要收更多钱。你们收的钱不够；我们需要你们收更多钱，拜托了，”埃里森在电话中说道，最后，“一切顺利，成功了。”
从结果来看，这笔钱花得很值。甲骨文近期宣布将打造由 GB200 NVL72 GPU 组成的 AI 超级集群，可提供 2.4 倍的 AI 性能，比马斯克的 xAI 算力集群还要强大。投资者目前拥有 10 万块 H100 GPU 显卡。
与此同时，甲骨文的人工智能计划也需要大量电力，该公司已获得建造三座模块化核反应堆的许可，以满足其设施的电力需求。然而，建造核反应堆并将其部署到数据中心可能需要数年时间，因此甲骨文目前可能无法做到这一点。必要时，将使用大型移动发电机来增加当地的电力供应。
9月9日，甲骨文公布了截至今年8月的2025财年第一季度业绩，甲骨文营收同比增长7%至133亿美元，营收也强于华尔街预期，同比增长45%至22亿美元，甲骨文给出的第二季度营收增长预期为8%至10%，中值为高于分析师预期的8.72%。
埃里森在财报电话会议上表示，未来会有很多专门的模型，比如他参与的这个模型——使用计算机查看活检切片或 CT 扫描来发现癌症，以及使用血液测试来发现癌症。非常专业的模型。它们不一定使用基本的 Groks、Llama 等，它们往往是高度专业化的模型……我们将会看到越来越多这样的应用。”
不过，埃里森向分析师强调，如果展望未来五年甚至十年，我们尚未达到训练出所有必要模型并进入推理阶段的阶段。
“这是一场持续不断的技术霸权之战，未来五年，甚至十年，将由少数几家公司和一个国家展开。因此，这项业务正在变得越来越大。没有放缓或扭转的迹象。”埃里森强调，“事情变得越来越疯狂，但这就是正在发生的事情。”
摩根士丹利分析师 Keith Weiss 随后撰文称，今年迄今为止，甲骨文的股价表现远超其软件同行，他将这种强劲表现归因于甲骨文被投资者视为 AI 硬件稀缺性的主要受益者，这推动了其 OCI 业务的发展。
今年以来，甲骨文股价已飙升63.68%，涨幅高于标准普尔500指数和纳斯达克综合指数。
受到甲骨文利好消息的影响，埃里森的身家飙升，截至北京时间9月17日，福布斯全球亿万富翁排行榜实时数据显示，埃里森个人身家增至2065亿美元，位居第二，高于亚马逊创始人贝索斯、沃伦·巴菲特、meta创始人扎克伯格等人，仅次于特斯拉CEO埃隆·马斯克，有意思的是，埃里森还是特斯拉董事会的独立董事。
9月14日，甲骨文在年度财务分析师会议上透露，预计2026财年公司营收将至少达到660亿美元，上调了预期，超出了分析师的预期，预计到2029财年，甲骨文营收将至少达到104亿美元，相当于三年营收增长近58%。
以下是甲骨文第一季度财报会议部分问答的记录：
分析师：谢谢。我想问一个关于利润率的问题。你们一直在提供强劲的云服务收入数字，尤其是 OCI 数字，当你给他们（竞争对手）指引时，看看你必须做些什么才能打败他们。至少可以这么说，这看起来真的很难做到。
拉里·埃里森：让我们先从员工队伍开始，然后讨论自治数据库。我们已经获得了巨大的效率，现在我们正在走向融合，下周将转向自治数据库。我们决定一切都需要转向自治，实际上有两个原因。第一个原因是，当你有一个完全自治的数据库时，没有 DBA，数据库管理员是一个机器人。管理自治数据库不需要人力。
现在，这显然是一种成本节省。但更重要的是，没有人力，没有人为错误。与竞争对手相比，我们拥有巨大的安全优势。没有错误。没有人力，一切都是自动化的。当你完全自动化一切时，它就有可能变得非常有弹性。我不会详细解释这意味着什么，但这意味着突然间你的工作在 500 个微处理器上运行。你可以在 3 分钟内运行它。有 500 美元，你需要它。然后你把它们放回池中。所以这与其他数据库的工作方式非常不同，他们可能会这样称呼。云本身在某些地方可能具有弹性，但他们的数据库通常没有弹性。自治意味着我们使用更少的硬件，速度更快，效率更高，完全自动化，没有人力，而且更安全。基于自治数据库的业务的利润率远高于传统业务。
我认为这些利润率非常高，与 SaaS 利润率大致相同，这也是一个非常艰难的市场，因为 Sass 主要在自主数据库上运行。我们非常高效地使用硬件。我们很少使用劳动力，因为劳动力存在安全风险。当人们真正手动完成这项工作时，安全风险会降低我们的扩展能力。从最大到最小，每个数据中心的功能和能力都是相同的。它们只根据以下因素而有所不同。
这意味着我们有一套自动化软件可以自动完成所有这些工作。没有其他人能做到这一点。没有其他人拥有这种程度的自动化和自主性。它使我们能够从事数据库业务、SaaS 业务和其他业务。我们从事云业务，并且正在赚取更多利润。我们的云更加自动化。我们的劳动力成本非常低。我们的网络更高效。它们是运行速度更快的域网络。如果运行速度提高一倍，我们的成本将降低一半，而且我们的网络比其他云快得多。因此，我们认为我们的潜力，我们在扩大规模时提供比目前更好的利润的潜力是非常真实的。
我认为是这样。例如，当我们转向自治数据库时，你会发现不同工程师有不同的观点。我认为成本节省——我们的成本——我们的云成本节省将达到 50% 左右。这就是我所相信的。现在可能是 40%，也可能是 35%，但与现在相比，我们将节省大量成本，而且这是针对整个客户群的。所以这只是一个如何使用更快网络的问题，更快的一个例子是我们有一个可以使用的数据库，更多的自动化使我们的产品更安全。我一直说安全确实是首要目标。但作为次要影响，我们最终也会花费更少的钱来运营这些数据中心。
分析师：我是摩根大通的 Mark 。Larry，您如何看待市场从 AI 训练阶段过渡到 AI 推理阶段？有人认为，我们可能在曲线前端出现不平衡或泡沫，因为训练在计算上是昂贵的。然后也许在推理阶段会以某种方式重新调整，也许不会那么密集？或者您认为两个阶段都有高增长的潜力？
埃里森：很多人认为，我送孩子上大学就完事了。他们的训练已经结束了。我接受了四年的训练，然后就可以让孩子出去工作，他们会自己推理。事实并非如此。构建更好的神经网络的竞赛永远不会结束。这种训练的成本正变得高得惊人。当我谈到构建千兆瓦或多千兆瓦数据中心时，我指的是这些人工智能模型，这些尖端模型——对于任何想在这个领域竞争的人来说，一个真正的尖端模型的入门价格约为 1000 亿美元。
让我再说一遍，在未来 4 到 5 年内，任何想玩这个游戏的人都将获得大约 1000 亿美元的资金。这是一大笔钱，而且不会变得更容易。所以他们不会有很多人。这里不是列出谁能真正建造这些尖端模型的地方。
但除此之外，还有很多非常专业的模型。我可以告诉你，我个人参与过的一些事情是使用计算机查看活检幻灯片或 CT 扫描以发现癌症，还有血液测试可以发现癌症。这些通常都是非常专业的模型。它们不一定使用基本的 Grok、Llama，而且它们往往是高度专业化的模型。图像识别在某些数据上进行训练，我的意思是，比如数百万张活检幻灯片，其他训练数据没有太大帮助。
事情就是这样，我们将会看到越来越多这样的应用。所以如果你的眼光是未来五年，甚至十年，我不会担心，我们已经培训了现在所需的所有人才。模型，我们需要做的就是推理。
我认为这是一场持续不断的技术优势争夺战，至少在未来五年内，甚至可能在未来十年内，几家公司和某个国家将会展开争夺。因此，这项业务只会越来越大。不会有任何放缓，也不会有变化。
我要说一些听起来很奇怪的事情。你可能会说，他一直在说奇怪的东西。那么他为什么这么说呢？这一定很奇怪。我们正在设计一个功率超过 1 千兆瓦的数据中心，但我们找到了地点和电力。我们查看了一下，他们已经获得了三座核反应堆的许可。这些是专为数据中心供电而设计的小型模块化核反应堆。事情疯狂到令人难以置信，但这就是正在发生的事情。
分析师：我是巴克莱的 Raimo。我只想问一个关于数据库方面的问题，您今天刚刚宣布的交易，或者您已经与 AWS 达成的交易。现在我们有了所有超大规模交易，您如何看待从这些交易转向将在本地或云客户上运行的数据库工作负载迁移到公共云？我的意思是我们应该如何看待这种势头？谢谢。
埃里森：嗯，有两点。公共云非常有趣，也非常重要。
我的意思是，很久以前我们在数据库业务上非常成功，因为我们的口号之一就是可移植性。我们在 IBM 大型机上运行。我们在 PC 上运行。我们在机器上运行。如果你还记得的话，数字设备、机器和各种计算机，我们到处都在运行。这非常重要，这样我们的客户就可以在任何环境中运行数据库。很明显，我们必须找到一种方法来真正使我们的数据库的最佳版本，数据库的版本可以在其他人的云中使用。
我们能做的基本上就是让 OCI 足够小，这样我们就可以在 Azure 中嵌入一个 OCI 数据中心，或者在 AWS 中嵌入一个 OCI 数据中心，或者我们可以把它放在任何可以完全自主的地方。在那里我们可以使用它和集群。我们实际上能够做到这一点。这在技术上并不容易，但我们做到了。
在这样做并缩小我们的数据中心时，我之前提到过，除了大小之外，我们所有的数据中心都是相同的。目前最大的数据中心是 800 千兆瓦，接近 800 兆瓦，对不起，我们接近 1 千兆瓦。最小的数据中心大约是 150 千瓦，我们将降到 50 千瓦。这意味着我们将有很多公司，中型到大型公司将决定拥有私有云。我的意思是，我们的私有云私有云和公共云之间仍然没有区别。它们是相同的。它们完全一样。许多人都有私有云，许多工业公司，例如沃达丰有六个私有云来运行他们的工作负载。但它们已经变得如此便宜，以至于任何人都可以决定，好吧，我想转移到云上。我想享受云的所有好处，但我想确保我是云中唯一的人。我不要任何邻居，或者我只想要经过批准的人。邻居。我不希望有人带着信用卡搬进来。我只是对安全感到担忧，因为我必须遵守政府规定。
因此，我们认为，在 AWS 等平台上使用数据库显然非常重要。Safra 是对的，我的意思是，它肯定会加速公共云中数据库的增长。但我们预计私有云将大大超过公共云。云，因为公司决定将云放在数据中心的防火墙后面，没有邻居。而且因为我们已经拥有自己的数据中心，我们的数据中心非常自动化，并且可扩展，它做同样的事情，而且我们组织有序。所以事实上，我们现在有 162 个数据中心。我预计我们将在世界各地拥有 1,000 或 2,000 个或更多的数据中心，其中许多将专用于单个银行或电信公司或科技公司，或者您拥有哪些国家，主权云，所有这些其他东西。所以我们认为，我很难预测哪个会更大，私有云还是公共云？我不知道。
但好消息是，无论如何我们都会获胜。
分析师：嗨，我是 的 Mark。非常感谢，祝贺本季度。本季度和本指南非常令人印象深刻。我们看到很多关注点都集中在模型训练上，但在其他领域，对应用和推理的关注较少。你们在市场和行业方面拥有深厚的专业知识。你们已经将传统 AI 融入到你们的所有产品和功能中。但就应用而言，你认为 GenAI 的可货币化价值在哪里？你认为生成式 AI 需要多长时间才能成为有意义的收入来源，不仅仅是对于软件，而是对于一般软件，在应用方面，而不仅仅是在训练方面？谢谢
埃里森：我先从医疗保健开始，我们帮助医生诊断不同的疾病。当有人去做超声波检查时，我看到护士、技术人员和医生实际上在测量婴儿的头骨，测量婴儿的脊髓，看着——这太荒谬了。计算机应该做所有这些。如果胎儿周围有脐带，计算机应该找到所有这些，现在就应该记录下来。医生可以让计算机帮助他们做所有这些。检查斑块和冠状动脉，所有这些都应该以这种方式完成。
我们已经实现了，当医生看病人时——当他准备看病人时，我们会为医生准备一份总结。我们使用人工智能查看电子健康记录，查看几个小时前最新的实验室测试结果。并让医生知道病情是否稳定，病情是否在进展，或者医生在会诊前需要知道的任何其他事情。这份总结是由人工智能创建的，是人类可读的总结。然后，人工智能会倾听医生和病人之间的会诊。这已经是交付的。这已经存在了。他们会交付——他们会倾听医生和病人的会诊。如果医生开出处方，人工智能会检查以确保处方准确无误，并输入处方。人工智能会更新电子健康记录。人工智能会转录和分发医生的医嘱，所有这些都是通过倾听对话来完成的。然后，医生在对话结束时会得到一份草稿，医生可以非常快速地审查和批准。然后药物被填满，医嘱被执行，电子健康记录被更新。我们已经在做这些了，但我还可以继续说下去。在医疗保健领域，我们需要很多东西，从读取 x 光片到用户界面。
我们的用户界面与 Epic 的用户界面非常不同。我曾经带儿子去斯坦福大学，需要三个人、三个不同的姿势才能找到他的 X 光片。这就是你找到 Larry 的 X 光片的方法。你说，请给我看看 Larry 最新的 X 光片。这是一个语音界面。你只要问他们就行了。你如何登录？嗯，你看着电脑，它就能识别你的脸。它可以识别你的声音，知道你是一名医生，你有权查看它，所有的授权都是通过人工智能完成的。
这些都是人工智能，我知道人们认为这是一个独立的东西，我听到很多人说，我们现在有人工智能代理，我们要单独收费。但我认为我们的应用程序将主要是人工智能应用程序，你怎么单独收费呢？我真的不知道。当我听他们说话的时候，我很困惑。我不明白他们在说什么。我会好奇什么，然后就此打住。
分析师：我是 TD Cowen 的 Wood。我也想祝贺你们过去几个季度在增长方面取得的巨大进步。你能不能给我们介绍一下你对供应可用性的看法，以及你们在效率方面做得如何？你们如何在数据中心基础设施中建设容量，从承包转向消费，并将积压转化为收入？我想，你们今天的做法与一年前有什么不同？你能试着帮我确定这些加速的时机吗？
埃里森：我们的私有云与公有云完全相同，只是它们可能只有一个租户，并且可能位于您拥有的建筑物中。除此之外，它们完全相同。我们拥有硬件。我们为您管理硬件。它恰好位于您拥有的建筑物中，只有您才能访问。因此，这与我们的任何竞争对手都截然不同，而且它是完全自动化的。
所以我们要管理数千个数据中心。顺便说一句，我会将其与伊隆·马斯克进行比较，我认为他目前在天空中拥有近 7,000 颗卫星，6,800 颗。你如何管理——这些卫星不断机动。它们不是地球同步卫星。它们是低地球轨道卫星。因此它们不断飞行并改变位置。你如何管理 7,000 个飞行航天器？好吧，让我告诉你，计算机，它必须完全自动化。否则它将无法工作。
我想说你不可能拥有数千甚至数百个数据中心，但你当然可以拥有数千个数据中心，除非它们完全自动化。而自动化的唯一方法就是让它们都一样。你不可能自动化 25 种不同的事物。所以这是一个方面。
我想指出的另一件事是，我认为 的一个有趣之处是，我们管理团队中一些最资深的人是建筑、发电厂和电力传输系统方面的专家。因为这就是建设这些数据中心的意义所在。你不能只建立一个数据中心。你还必须考虑能源以及从能源产生地到数据中心的能源传输。
当然，最有效的方法实际上是在数据中心旁边建造发电厂。这样你就可以在尽可能短的距离内传输数据。我们实际上有来自公用事业行业的资深人士，虽然这听起来很奇怪，但他们是这方面的专家，并帮助我们建设这些大型项目。
再次，我要听听伊隆·马斯克的话。他在创建特斯拉时遇到的最艰难的工作之一就是建造奥斯汀工厂，他必须建造人类有史以来最大的建筑。你想知道有史以来最大的建筑是什么吗？它肯定不是五角大楼。它不是 NASA 航天飞机大楼。最大的建筑是特斯拉工厂。所以你必须成为那家工厂的承包商。你必须能够建造这些东西，然后使用机器人来制造你的汽车。
因此，您必须建造建筑物、接通电源、构建所有自动化系统，这是构建云或楼宇自动化系统最困难的部分，构建所有自动化系统，以便它能够高效、可靠且经济高效地运行。这意味着——我们这里有一些非常有趣的人，他们的经验基础与五年前大不相同。
