把上一章的画面接过来：甲骨文花了十年，赌了一件当时看起来有点固执的事——它不去租别人的机房，而是自己盖，还盖成一种别人不太理解的样子：机器与机器之间用超高带宽的网络扁平地连在一起，任意两台之间几乎是「直线距离」。在 2019 年那会儿，你要问这有什么用，答案有点尴尬：绝大多数生意其实用不上。跑个网站、开个数据库、算算报表，机器之间根本不需要那么快地互相说话。甲骨文像是修了一条八车道的高速公路，通往一个只有几辆车的小镇。
然后 AI 来了。突然之间，小镇变成了要疏散的百万人口城市，而全世界只有几条八车道公路。这一章讲的就是：为什么训练大模型这件事，恰好是那种「机器必须疯狂地互相说话」的活儿，为什么它把甲骨文原本冷门的长处变成了稀缺资源，以及为什么赌注会因此从「百亿」这个量级，一脚踩到「千亿」。
为什么训练大模型，是一件「机器必须互相说话」的事
先说清楚训练一个大模型到底在干嘛。你可以把它想成：有一个上万亿个数字组成的巨大参数表（就是模型的「大脑」），你不断喂给它文本，让它猜下一个词，猜错了就把这上万亿个数字往「猜得更对」的方向轻轻推一下。这个「推一下」要重复几百万、几千万次。
问题是，这个大脑太大了，装不进一块 GPU（图形处理器，本来是给游戏算画面的芯片，因为特别擅长同时做海量简单乘加，被拿来算神经网络）。一块顶级 GPU 的高速显存也就几十到一两百 GB，而一个前沿模型的参数、加上训练时要临时存的中间结果，动辄需要几百上千块 GPU 的显存加起来才装得下。
于是你被迫把一个大脑拆开，摊在成千上万块 GPU 上。麻烦就在这：这些 GPU 不是各干各的，它们算的是同一个大脑的不同部分。每走完一步，它们必须把各自算出来的梯度（那个「往哪个方向推」的信息）互相同步一遍，凑成一个完整的更新，然后才能走下一步。
打个比方。一万个人合抄一本上万亿字的账本，每人负责一小段。抄完一页，所有人必须停下来，把这一页每个数字的修改互相通报、对齐，确认大家改的是同一个版本，才能翻到下一页。如果通报环节慢，那一万个人抄字的手速再快也没用——大家都在干等着对账。训练大模型就是这样：算得快不算本事，对账（GPU 之间的通信）不能慢，才是本事。
这就是关键的因果：GPU 越多，算力越强，但「对账」的负担也越重。如果 GPU 之间的网络不够快，你多插的那些 GPU 大部分时间都在空等通信，白白烧电。业内管这个叫 GPU 被网络「饿死」。所以训练集群不是 GPU 越多越好，而是 GPU 加上把它们连起来的网络，共同决定了你能不能真的组成一台「超级计算机」。
把上万块 GPU 连成「一台机器」，难在哪
让 GPU 互相说话，有两个层次。
第一层是一台服务器机箱内部的几块（通常八块）GPU，靠一种叫 NVLink 的专用高速通道直连——这个 Nvidia 已经帮你解决了，箱子内部的八块 GPU 之间快得像一块。
第二层才是难点：机箱和机箱之间、机架和机架之间，成百上千个箱子怎么连。这里用的是 RDMA（远程直接内存访问）——它的意思是，一台机器可以直接读写另一台机器的内存，不用惊动对方的 CPU 和操作系统去中转。普通网络传数据像寄快递：打包、贴单、进分拣中心、CPU 一层层拆封；RDMA 像在两台机器的内存之间打通一根直达管道，数据自己流过去，延迟低、还不占用 CPU。承载它的物理网络，通常是 InfiniBand（一种专为高性能计算设计的超高速网络，带宽和延迟都远好于普通以太网），或者是特意调校过、能跑 RDMA 的高端以太网。
但光有好网卡不够。真正决定成败的是整个机房的网络拓扑——也就是这几万个端口是按什么结构连起来的。这里有个残酷的物理事实：距离和层级都要收费。两台 GPU 如果只隔一个交换机，通信快；如果信号要往上爬三四层交换机、横穿半个机房再下来，延迟和拥塞就上来了。当一万块 GPU 每一步都要全体对账时，那个最慢的、绕最远的路径，会拖累所有人——木桶效应，短板是那根最长的网线。
所以「把一万块 GPU 连成一台超级计算机」，真正的工程活儿不是买 GPU，而是：设计一种网络结构，让任意两块 GPU 之间都尽量「近」、都有足够宽的路、还不会在全体同时对账时堵成一锅粥。这活儿必须在盖机房、拉线、排机架的时候就想好——事后是改不动的。
现在回头看第五章讲的甲骨文那套「off-box 虚拟化、扁平高带宽网络、RDMA 集群」的第二代 OCI，你会发现一件事：它当年为「高性能计算」这个冷门小众市场设计的东西，几乎就是照着 AI 训练的需求提前长出来的。扁平、高带宽、任意两点都近、原生支持 RDMA——这不是甲骨文预见了 AI，而是它为了别的原因修的八车道公路，恰好通向了这座突然爆发的城市。这在商业史上有个朴素的名字：运气，但是修在了实力之上的运气。你得先真的把公路修好，运气来了才接得住。
为什么赌注从「百亿」跳到「千亿」
理解了上面这些，赌注的量级跳变就顺理成章了。
过去甲骨文（和别的云）扩容，是「需求涨一点，加一点机器」——线性的、可控的，一年资本开支在百亿美元量级。但 AI 训练客户的胃口不是这么涨的。一个前沿实验室来谈，开口就是「我要几万块、甚至十几万块最新 GPU 连成的集群，而且我要签好几年」。这不是加几台机器，这是要你专门为它盖一整片、甚至好几片数据中心园区。
这里要引入这几年最能代表这种量级的名字。Stargate（星际之门）是 OpenAI 牵头、联合软银、甲骨文等方推动的超大规模 AI 基础设施计划，公开口径是要在数年内投入数千亿美元、在美国多地建设专供 AI 的巨型数据中心园区。而甲骨文与 OpenAI（做出 ChatGPT 的那家 AI 公司）之间，据多方报道签下了量级达数千亿美元、跨越数年的算力合同——具体数字随报道口径浮动，但公认在「数千亿美元级」这个量级，是软件行业闻所未闻的单笔体量。
翻译成人话：以前甲骨文接的是「租几千台机器」的订单，现在接的是「请你从零盖一座发电厂规模的算力工厂，专门供我一家用几年」的订单。订单的单位从「机架」变成了「园区」，从「季度」变成了「数年」，钱的量级自然从百亿跳到千亿。不是甲骨文突然变激进，是客户的需求本身跳了一个数量级，逼着供给方也跳一个数量级。
为什么偏偏轮到甲骨文接这种单？把因果串起来就清楚了：训练前沿模型需要「几万块 GPU 用 RDMA 连成一台超级计算机」这种极端形态的算力；能把这种集群盖得又快又扁平又不「饿死」GPU 的供给方，本来就没几家；甲骨文恰好有一套为高带宽负载而生的自建机房设计，还有一支敢在资产负债表上压重注、执行力凶悍的班子。于是那些天量算力合同，有很大一部分落到了它头上。OCI 就这样从第四章里那个「起步太晚的追赶者」，被 AI 浪潮一把推到了「AI 算力主要供应方之一」的位置。
把这一章钉住：主角是怎么换的
我们从头捋一遍这条因果链，因为它是理解后面所有财务争议的地基：
- 训练大模型，本质是让成千上万块 GPU 每走一步都全体「对账」——所以网络（对账速度）和 GPU（算力）同样是瓶颈。
- 要让对账不慢，就得把 GPU 用 RDMA / InfiniBand 连成任意两点都「近」的扁平高带宽集群——这活儿必须在盖机房时就设计好，事后改不动。
- 甲骨文当年为高性能计算自建的第二代 OCI，恰好就是这种形态——冷门长处一夜变成稀缺资源。
- AI 客户的订单单位从「机架」跳到「园区」、从「季度」跳到「数年」，于是赌注从百亿量级跳到千亿量级，Stargate 和 OpenAI 的天量合同就是这个跳变的具体形状。
- 结果：OCI 从追赶者变成主角之一。
但请记住，这一章讲的全是「机会」这一面：需求为什么爆、长处为什么值钱、订单为什么这么大。它把甲骨文推上了牌桌，也把赌注推到了一个前所未有的高度。而牌桌的另一面——为了盖这些千亿级园区，钱要从哪里借、资产负债表要承受什么、这些天量订单里有多少是真金白银、又有多少只是「已签未交付」的一串数字——那才是这本书真正要拆的账。
下一章，我们就从那个突然冲上约 4550 亿美元、让埃里森短暂登顶世界首富的数字开始：RPO 到底是什么，为什么一夜暴涨，它离你口袋里的现金又有多远。