大容量AI服务器投资1亿美元谷歌和Meta前高管亲自操刀！

Majestic Labs 的核心业务聚焦 AI 服务器研发，其核心目标是解决当前 AI 数据中心的成本与效率痛点。

公司正在申请专利的芯片设计架构，可实现 “单服务器集成千倍于传统企业级服务器的内存容量”，每台服务器有望取代当前市场上多达 10 个领先机架的功能。

与英伟达等专注 GPU 的厂商不同，Majestic Labs 并不寻求全面替代 GPU，而是聚焦内存密集型 AI 工作负载 —— 针对大型语言模型训练、海量数据处理等场景中 “计算内存比率受限” 的行业难题，通过技术创新压缩数据中心占地面积，降低电力消耗与冷却成本。

目前，该公司团队规模不足 50 人，分别位于以色列特拉维夫与美国加利福尼亚州洛斯阿尔托斯，计划来年扩大团队规模并寻求更多资金；其盒式服务器原型预计 2027 年向部分客户交付，已启动预订洽谈，目标客户涵盖超大规模科技企业及金融、制药等行业的 AI 应用巨头。

另一家人工智能公司基础设施提供商CoreWeave 出租英伟达图形处理单元，并赢得了领先的云基础设施提供商的业务，包括谷歌和Microsoft。该公司的积压订单目前为 556 亿美元，合同电力为 2.9 吉瓦，高于 6 月 30 日的 2.2 吉瓦。

本季度，CoreWeave 宣布与 OpenAI 扩大 65 亿美元的业务，并签订一份为期六年、价值高达 142 亿美元的协议。CoreWeave 还获得了Meta“领先的超大规模企业”的第六份合同。

一是GPU 主导型巨头。以英伟达为核心，其 GPU 是全球多数大型语言模型、AI 工作负载的核心算力支撑，占据市场主导地位。另外，AMD和英特尔也在乏力GPU，不过市场份额很低。

二是科技巨头自研派。如谷歌推出最新张量处理单元 TPU Ironwood，已被 Anthropic 选定用于 Claude 模型；Meta、亚马逊等也在持续加码自研芯片与服务器架构，适配自身 AI 业务需求。中国阿里自研AI芯片也开始有用户。

三是垂直创新型初创公司。除 Majestic Labs 外，聚焦 AI 基础设施细分痛点的初创企业不断涌现，围绕内存优化、能耗控制、定制化架构等方向寻找突破口。

技术差异化：避开 GPU 算力竞争，直击 “内存容量不足” 这一核心瓶颈，通过专利架构实现内存密度千倍提升，单服务器替代多机架，从根本上降低数据中心建设与运营成本。

团队背书：核心团队均为谷歌 TPU、Meta FAST 团队的核心搭建者，拥有从芯片设计到产品落地的全流程经验，且积累了 1500 余名前同事组成的信任网络，为技术研发与人才招聘提供支撑。

场景精准度：聚焦超大规模企业与高价值行业（金融、制药）的内存密集型需求，这类场景对成本控制与效率提升的诉求强烈，且付费能力强，市场空间明确。

随着 AI 技术向更深层次渗透，尤其是大模型参数规模扩大、多模态应用普及，AI 基础设施行业将呈现三大发展趋势：

首先，内存与算力的协同优化。单纯提升算力已无法满足需求，内存容量、数据传输速率与算力的匹配度成为核心竞争力，像 Majestic Labs 这样专注内存优化的技术路线将持续受到关注，“高内存密度 + 低能耗” 成为服务器设计的核心指标。

其次，定制化与垂直化深耕。不同行业、不同 AI 场景（训练 / 推理、大模型 / 小模型）对基础设施的需求差异显著，通用型服务器的市场空间将逐渐被定制化产品挤压，针对金融风控、药物研发等垂直场景的专用 AI 基础设施将迎来爆发。

最后，成本控制成为核心诉求。科技巨头资本支出持续攀升，2024 年谷歌、Meta、亚马逊等企业数据中心相关资本支出预计超 3800 亿美元，企业对 “降本增效” 的需求日益迫切，能够通过架构创新、能耗优化降低 TCO（总拥有成本）的解决方案，将成为市场竞争的关键胜负手。

此外，随着行业竞争加剧，“自研 + 并购” 将成为巨头的核心策略，而拥有核心技术的初创公司有望成为并购热点；同时，跨区域研发与供应链布局将成为趋势，像 Majestic Labs 这样整合以色列与美国技术资源的模式，或将成为行业常态。