01 触发事件

11月16日,诺基亚、Nscale、Skeleton、Telia和Verda宣布组建 AI Gigafactory Northern(AIGF Northern)联盟,计划在北欧和波罗的海地区建设分布式 AI 超级工厂。

项目面向欧洲企业、研究机构和公共部门,提供的不是单一 GPU 集群,而是大规模 AI compute、主权 cloud、高速网络连接与低碳能源服务的组合。

这个公告没有披露投资总额、GPU 数量、投产时间或利用率目标,因此目前更像基础设施联盟正式成立,而不是一项已经具备明确 economics 的交付项目。

02 这事的真正含义

问题不在于又有五家公司宣布建设 AI 基础设施,而在于它们选择把网络、energy、cloud、compute 与工业客户关系放进同一张基础设施图里。

AI factory 正在从“买多少 NVIDIA GPU”的设备叙事,转向一套包含 location、power、network 和 compliance 的区域生产系统。模型 API 只是最上层;下面真正稀缺的是可预测的电力供给、可用的互联带宽,以及满足数据驻留要求的部署路径。

这也解释了为什么诺基亚和 Telia 有资格坐在联盟里。前者提供工业客户和 telecom 关系,后者提供网络连接与区域基础设施;Nscale 与 Skeleton 则更接近 AI cloud 运营方。Verda 的角色则把可再生能源与算力建设绑在一起。

换句话说,AIGF Northern 试图解决的是欧洲 AI infra 的结构性问题:单家公司可以建设一个数据中心,却很难同时拿到工业 demand、跨区域 network、低碳 power 和 sovereign cloud 的完整组合。

那个真正会被定价的,不是联盟名称,而是这套组合能否把长期电力与网络投入变成稳定 compute 供给,并最终降低企业获得合规 AI capacity 的搜寻和等待成本。

03 历史类比 / 结构对照

这更接近 2014 年 AWS 带来的 cloud utility 逻辑,而不是 2007 年 iPhone 式的单点产品爆发。

iPhone 靠的是终端、OS 与内容分发形成闭环;AIGF Northern 试图形成的,则是 compute、network、power 与主权需求之间的闭环。前者通过消费产品迅速扩张,后者必须穿过重资产建设周期和 institutional procurement。

历史类比也有另一面:大型电信运营商曾多次尝试推出 cloud service,但许多项目最终败在同一个地方——有客户关系,不一定有足够的 operator discipline 和 unit economics。

AI infrastructure 同样可能出现类似分化。掌握 demand 的工业公司可以确保首批 utilization,掌握 network 的公司可以降低连接成本,但没人能仅凭联盟公告证明 GPU utilization、energy economics 或 pricing power。

因此,我更愿意把 AIGF Northern 看作“供给侧联合体”,而非欧洲版 hyperscaler。它若成功,可能先成为 model provider 和 enterprise workload 的补充 capacity;如果失败,最大的风险也不是技术故障,而是五方股东都在合作,却没人愿意独自承担利用率不达预期的成本。

04 对 AI builder 意味着什么

第一,欧洲的 AI capacity planning 不应再只盯 OpenAI、Anthropic、Google 的 API availability。北欧和波罗的海地区正在形成面向主权 workload 的新供给池,但当前更值得跟踪的是设备订单、data center location、grid connection 和首批客户,而不是联盟 logo。

对 model API 消费者来说,这类项目短期不会改变主流模型的价格,却可能扩大 fallback options。真正的 routing 价值不只来自多个 provider 之间的质量差,还来自 region、data residency、latency 与 delivery assurance 的组合。

如果你服务欧洲受监管客户,可以开始要求基础设施供应商回答四件事:

  • compute 位于哪些 jurisdiction,数据是否支持 residency 或 sovereignty 要求;
  • 底层 accelerator 型号、互联带宽与预计可用时间;
  • capacity 是 reserved、committed,还是仅提供 marketplace access;
  • energy、network 和 compute 是否存在捆绑,最低消费由谁承担。

第三,application layer 暂时不必因为这个联盟立刻调整模型架构。但如果你正在建设高吞吐、长时间运行的 agent workload,值得把 Nordic/Baltic sovereign capacity 纳入未来 6—12 个月的 procurement map。

第四,developer tooling 团队应把 MCP、Agent SDK 与 inference runtime 的 region portability 当作架构问题,而不是部署后的配置项。模型可以 routing,tool server、identity、audit log 和 sensitive data 边界却未必能轻易迁移。

第五,对 opcx.ai 这类 model access 平台,欧洲供给侧正在变厚。未来值得观察的不是客户能否“拿到一个模型”,而是能否按 jurisdiction、latency、data policy 和 SLA 选择具体 compute pool。Routing engine 如果只能按 price 和 benchmark 排序,价值会相当有限。

05 反方观点 / 风险

我可能高估了联盟的产业含义。五个公司共同发布公告,不等于它们已经形成统一投资、定价和 capacity allocation 机制。

第一个风险是 anchor customer 缺失。工业客户说需要 sovereign AI,不代表愿意签署足以支撑 GPU depreciation 的长期合同。若主要由公共补贴或 research funding 驱动,联盟可能获得 infrastructure 身份,却无法建立持续 economics。

第二个风险是 power-before-compute 的次序错误。AI data center 不是普通 cloud warehouse,低碳电力固然重要,但 grid connection、cooling、network fabric 与 accelerator delivery 都有各自的 lead time。任何一环延迟,都可能让昂贵的硬件在利用率到来之前持续折旧。

第三个风险是欧洲的主权叙事与成本效率存在张力。严格 data residency、客户定制和本地运营会增加复杂度;跨区域统一调度则可能削弱 sovereignty 的卖点。联盟成员之间的 capacity sharing 如果不充分,项目会变成五套局部基础设施,而不是一个 distributed AI factory。

第四个风险是 network 与 compute 的利益冲突。Telia 可能希望网络成本独立计价,Nscale 与 Skeleton 可能希望 compute 成为主产品。没人愿意让 compute 收益被网络与能源环节分走,结果可能是每家公司都保住自己的收入,却没人愿意为共同基础设施优化。

第五个风险是供需错配。我没在内部跑过 AIGF Northern 的 capacity plan,也看不到其 GPU 型号与 deployment schedule,所以无法判断项目究竟对应真实 enterprise demand,还是供给方提前争夺“欧洲 sovereign AI”叙事。

因此,我当前会把它定价为一个值得跟踪的 72 分供给侧事件:方向正确,组合逻辑成立,但商业约束尚未被证明。真正值得重估的节点,不是下一次联盟扩张公告,而是首批客户合同、实际 GPU 到货、每 megawatt 可用容量,以及这些数字能否支撑稳定 utilization。