鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

甲骨文“一树梨花压海棠”

编程导航
编程导航
2025-09-17 12:30
阅读 146
编程导航
2025-09-17 12:30
阅读 146

一夜之间,甲骨文就从垂垂老矣的数据库公司变成AI巨擘,以及成为未来TikTok 股权交易的最大赢家。

美东时间9 月15 日,甲骨文股价再度上涨3.41%。此前八月,它就被美国私人金融和投资咨询公司Motley Fool列入“美股十巨头”之列。这“十巨头”除了此前的“七姐妹”(英伟达(NVDA)、微软(MSFT)、苹果(AAPL)、亚马逊(AMZN)、Alphabet(GOOGL)、Meta Platforms(META)、特斯拉(TSLA)之外,加上了甲骨文(ORCL)、博通(AVGO)和奈飞(NFLX),认为它们将引领AI前进方向。

跻身AI 巨头,甲骨文对云计算市场也野心勃勃。六月份的2025财年第四季度收益报告里,甲骨文CEO萨弗拉·卡兹曾宣称:“甲骨文不仅有望成为全球最大的云应用公司,而且还有望成为全球最大的云基础设施公司之一。”

甲骨文可能收到的一份大礼将巩固它在云计算市场的优势,那就是TikTok 美国用户数据将继续由甲骨文托管,存储在得克萨斯州的数据中心。

更重磅的是,据传,甲骨文与沃尔玛组成的财团将有望接持 TikTok40%的股份。81岁的甲骨文创始人拉里·埃里森迎娶了年仅34 岁的90后华裔女性,再焕发青春,如今,又想将10 后的TikTok部分纳入版图。

但也有泼冷水的,高盛在最新报告中大幅上调甲骨文目标价至310 美元的同时却维持“中性”评级,其认为巨额资本支出将推迟至现金流盈亏平衡至29财年,而且能否转化为营收增长仍缺乏明确的可见性。

虽然前景看涨,但因存在诸多不确定性,所以甲骨文市值在短暂突破万亿美元后,跌到8500 亿美元左右。

但谁都不会再忽视埃里森的野心,以及他背后雄厚的政商资源。

01

81岁的埃里森给54岁的马斯克上了一课。

当地时间9月10日,甲骨文跳空高开,股价涨幅一度超过40%,收盘市值一天增加2240亿美元,创下1992年以来最大单日涨幅!拉里·埃里森个人财富也水涨船高,暴涨890亿美元,一度超越马斯克,首次登顶世界首富!

在硅谷纵横四十余年,耋耄之年还能再进一步,拉里森的精神头属实令人惊叹。

甲骨文的突然“起飞”源于其前一日公布的2026财年第一财季业绩。

根据财报,本季度甲骨文总营收149亿美元,同比增长11%;净利润为29亿美元,同比下降4%。从客观数字来看,这是一份拿得出手的成绩单,然而处在AI爆发式增长期,甲骨文营收和净利润表现并没有达到的市场的预期。

不过,甲骨文想要强调的重点不在本季度,而是一个让行业内外瞠目结舌的预期收入——公司剩余履约义务(RPO)高达4550亿美元,单季度增加3170亿美元,同比增幅359%!

RPO本质是企业的“预收款”,包含已签约但尚未确认收入的合同价值。此前,外界对这一数字的预期约1800亿美元。

甲骨文CEO萨弗拉·卡兹强调,公司本季度与三家人工智能领域巨头都签署了重量级的云合同。目前,OpenAI、xAI、Meta、英伟达等在AI浪潮下收益最大的公司都与甲骨文有着重要合作,公司未来RPO可能突破5000亿美元大关,“客户需求远远超过了产能供给。”

卡兹给出了极其有冲击力的预期指引,认为公司云基础设施业务本财年收入将增长77%,达到180亿美元,未来四个财年的年收入目标分别为320亿美元、730亿美元、1140亿美元和1440亿美元。

虽然甲骨文没有直接承认带动RPO的项目是什么,可是媒体如同早已打好招呼一般,迅速跟进披露了具体内容——OpenAI将在未来5年,向甲骨文采购价值高达3000亿美元的算力。

这笔采购是“星际之门”AI基础设施投资计划的一部分,

今年初,美国总统特朗普与软银孙正义、OpenAI奥尔特曼和拉里·埃里森共同在白宫宣布启动“星际之门”,号称要在四年内投资5000亿美元在美国本土建设容量为10吉瓦的数据中心。其中,软银负责财务,OpenAI承担运营,甲骨文提供高性能芯片。此外,微软、英伟达和Arm也会是初始技术合伙人。

7月,OpenAI宣布与甲骨文共同在美国开发4.5GW新增“星际之门”数据中心算力,未来AI数据中心总容量突破5GW,可支持超200万枚芯片运行。

彼时,双方没有透露具体的交易金额,直到发布财报,甲骨文才抛出“重磅炸弹”。

一夕之间,投资机构们似乎全部变成了单线思考的乐观主义者,完全沉浸在了3000亿美元这一天文数字带来的震撼之中,用一飞冲天的走势强行打造美股新的神话。

02

稍许冷静之后,甲骨文股价连续两个交易日回落,累计跌超10%。

3000亿美元说着好听,可这只能算是一笔“口头支票”。AI浪潮下,钱变得越来越不值钱,天文数字随处可见,只要把一时的热度抓住了,似乎没有人会真正跟进具体的落实细节。

根据最新披露信息,作为采购方,OpenAI的年收入约为100亿美元,尚未实现盈利。即便身处行业领先位置,在激烈的市场竞争中让ChatGPT保持高速增长的难度越来越大,商业模式也仍处于探索状态,从产品端获取足够现金流对奥尔特曼仍是一个难题。

换言之,OpenAI自身的“造血能力”与约定的合同金额之间存在巨大的差距。

预期收入严重依赖单一客户,客户的支付能力是个未知数。怎么看,甲骨文都像是在用一个虚实不清的交易引导市场做出过度反应,用一场豪赌刺激市场继续看好自身在AI时代的前景。

拉里·埃里森的商业形象一直是激进的“坏小子”。在塑造激进的个人形象,创造增长故事领域,马斯克只能算他的晚辈。

在科技圈大佬中,埃里森是技术底子很薄弱的哪一类,先后就读三所大学却没有拿到一张毕业证书。不过,复杂的社会经历锻炼出了他过人的商业前瞻力以及打造政商关系的能力。70年代末,埃里森找到了合适的技术合伙人,利用IBM的战略失误带领甲骨文销售团队率先拿下了美国中央情报局的订单,卖出了尚未成熟的数据库产品,成为信息技术革命下成功摘到果子的人。

过于沉溺于传统数据库市场,使得甲骨文云业务起步晚,加上丢掉中国市场,甲骨文一度被视为一家跑输科技大盘的“老公司”。

2016年,甲骨文才推出第二代云基础设施Oracle Cloud Infrastructure(OCI)。在进度远远落后于竞争对手的情况下,甲骨文立足自身优势,专注企业级混合云和数据库相关的云服务,将OCI与其数据库服务深度整合。

同时,甲骨文采用多云融合战略,帮助客户实现在私有云、公有云和本地数据中心之间灵活切换,协同服务,这对注重信息安全的大客户非常实用。

“TikTok是OCI发展‘分水岭’。”2020年,在美国监管机构的强制要求下,Tik Tok一度处在出售边缘,不得不寻找在美国本土化运行的合作者。

与半路入伙又反叛的马斯克不同,在相当长一段时间,埃里森一直是硅谷少有的共和党支持者。凭借在信息安全领域经验和与特朗普政府的良好的关系,甲骨文从微软手中抢下了大单,成为Tik Tok“可信技术提供商”。知情人士透露,Tik Tok庞大的流量所带来的业务规模超过了OCI其他所有客户的总和,迫使甲骨文以从未有过的规模思考业务布局。

在ChatGPT引爆AI热潮之前,为TikTok运行图形处理器使得甲骨文储存了规模庞大的英伟达GPU芯片,也积累了丰富的AI基础设施运营经验,这家老牌公司得以迅速适应市场变化。

科技业不将论资排辈,只看能不能站上风口。2024年,埃里森又抓紧特朗普重返白宫的机遇,和OpenAI携手搞起了充满雄心壮志的“星际之门”。

虽然人在暮年,但依靠与特朗普的亲密关系,埃里森在用激进的方式为甲骨文争取进入下一个科技周期的机会。

03

最近几年的经济形势,让个人到企业都有了一个明确的认知:不能用当下的情况去推断未来,不能只看得见上升看不见低谷。AI应用能否充分发展,融入生活的每一个角落将会决定当前火热的AI基础设施投资是不是一场泡沫。

诚然,每一方都希望有好的结果,但更需要看得见风险。

甲骨文作为经历过几轮周期的科技业“老人”,有着丰富的“过关”经验。因此,当甲骨文一味地片面凸显积极因素时,外界反而会更加在意它想要掩饰的是什么。

“他们实际上没有钱。”作为竞争对手,马斯克一直是“星际之门”有力的监督者。

按照奥尔特曼的规划,“星际之门”初始投资额1000亿美元,逐步扩展至5000亿美元。马斯克则称,他掌握可靠情报,软银的融资保障金额远低于100亿美元。

官宣以来,“星际之门”计划进展缓慢,软银和OpenAI在多项议题上存在分歧。据透露,OpenAI自行将设在得克萨斯州阿比林市和登顿市的两座数据中心列入“星际之门”项目,OpenAI与甲骨文达成的协议也绕过了软银。

这意味着AI基础设施建设巨额成本很难得到软银引入的外部资金,而是要由甲骨文承担。

2026财年一季度,甲骨文的资本支出高达85亿美元,同比增长近270%,自由现金流已连续两个季度为负。2026年,甲骨文计划新建37个AI数据中心。财报会上,卡兹承认公司财年资本支出指引上调至约350亿美元,相当于预计营收的53%。

据统计,甲骨文在AI基础设施上的投资已经超过了其现金流,总债务权益比高达427%。作为对比,微软仅为32%。

今年初,就有外媒披露甲骨文在数据中心方面的资金投入已接近临界线,埃里森个人的财务能力或许比整个公司还要强。未来几年,甲骨文有极大概率持续陷入负自由现金流的状态。

一旦订单转化不如预期,很可能引发流动性危机,市场对公司的信心将迅速崩塌。

实际上,甲骨文AI基础设施业务的盈利能力也让外界担忧。

摩根史坦利的报告明确指出,甲骨文在本季度财报中回避了原先设定的2026财年营业利润率达到45%这一目标,这表明公司的利润率表现不及预期。

第一财季,包括云基础设施(IaaS)和SaaS的云业务在甲骨文总收入中的占比接近50%,相比2022年25%的占比翻了一番。以此推测,云业务对利润率起到了反向作用。

摩根史坦利估算,甲骨文本地部署数据库业务毛利率高达97%,AI基础设施业务的毛利率约为40%左右。随着公司进一步转型,业务占比的变化将对利润率产生持续性影响。摩根士丹利预测,到2029财年,甲骨文的整体营业利润率将从2025财年的72%下降到54%。

对任何生意而言,长期性的“投入>产出”绝对说不上是走在正确的路径上。想要当AI时代的基础底座供应商,甲骨文必须要改善成本结构,以及拓展更多客户,否则迟早会被开除出十巨头之列。

这就不难解释为什么埃里森会紧抱特朗普大腿,以及紧盯着TikTok 后续的股权交易。作为围绕着特朗普周围的大财团的一员,埃里森虽然不擅长技术,但也精通“交易的艺术”。(何伊然)

原文链接: 甲骨文“一树梨花压海棠”
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230