把大 AI 之间的点连起来

科技公司之间的财务联系非常紧密。而且——如果我们撇开这对反垄断监管机构或运作资本主义基础带来的挑战不谈——这些联系并不特别令人担忧。

至少，在一个企业不会失败的世界里，这些联系并不特别令人担忧。

我们生活在一个企业有时会失败的世界。因此，连接人工智能生态系统中看似安全且安全的企业与潜在系统性重要弱环节的金融联系，可能非常重要。

Sona资产管理公司（以其庞大的伦敦信用对冲基金闻名）的Craig Nicol、Oleg Melentyev和Charlie Callan发表了一篇新论文，试图绘制人工智能宇宙的地图，并记录主要参与者之间的相互关联。

剧透一下：它们很多。

作者们慷慨地将他们挖掘到的数据分享给了Alphaville。我们把这些数据放进了我们的数据可视化系统，做出了这张混乱的猫摇篮径向网络图表：

我们理解图表不是最适合移动端，但它能让人感受到不同实体之间财务联系的程度。财务联系包括股权、债务、租赁承诺等。节点的大小是根据据称关联的承诺数量来决定的。

所以绿色的OpenAI块很大（大量承诺涌入和流出）。但代表Citadel的一个小灰色块很小（因为我们没有具体的承诺数字，只报道他们参与了20亿美元的C轮股权融资，为neocloud Nscale融资）。

将指针悬停在节点上，可以看到融资来源和流向。

数据涵盖了截至2026年8月的三年半时间内，176笔交易，总额达36万亿美元，交易双方为202家实体。看起来交易的真实价值可能更高，仅仅因为有许多交易价值未披露。

OpenAI和Anthropic都是生态系统的核心，并且各自积累了庞大的承诺。我们并不是说它们是网络中的薄弱环节，但它们缺乏正向（未调整）收益，可能意味着它们值得更多关注。

Sona的数据使我们能够聚焦它们：

这两个桑基图显示了对两个单线AI实验室所做的各种承诺，以及它们对其他实验室所做的承诺。将指针悬停在图表的一条腿上，你会看到每笔交易的详细信息。

在大多数情况下，投入实验室的资金看起来来自另一个来源，然后资金又被投入到另一个来源。但并非总是如此。正如作者所指出的：

亚马逊已投资OpenAI（~500亿美元），同时获得了约1000亿美元的计算承诺;Microsoft对OpenAI的持股重组价值~1350亿美元，同时OpenAI还承诺向Microsoft Azure投资~2500亿美元。

亚马逊已投资OpenAI（~500亿美元），同时也获得了~1000亿美元计算承诺从中;Microsoft对OpenAI的持股重组~1350亿美元，与OpenAI~2500亿美元的收购承诺并列返回 Microsoft Azure.

此外：

NVIDIA已有条件承诺在OpenAI（2025年）投资最高约1000亿美元，预计2026年还将投入~300亿美元;OpenAI随后向甲骨文、Microsoft和亚马逊投入数千亿美元用于云和计算领域;这些公司是NVIDIA硅片的最大买家之一：循环已完成。

NVIDIA已有条件承诺在OpenAI（2025年）投资最高约1000亿美元，预计2026年还将投入~300亿美元;OpenAI随后向甲骨文、Microsoft和亚马逊投入数千亿美元用于云和计算领域;这些公司是NVIDIA硅片的最大买家之一：循环已完成。

他们认为，放大视角，人工智能融资网络“越来越反映出闭环系统的特征”。

事实上，在分析的176笔交易中，约有120笔携带分析师所称的“高循环性标志”，即节点之间通过多重关系连接，通常资本流动成循环。

而且，比如开放模型吃掉Frontier Labs的午餐，S&P Global Ratings中出现的类似循环融资的现象已知未知两周前，超大规模投资者信用评级的风险。

我们的图表真的是可视化人工智能生态系统互联互通的最佳方式吗？Sona也有自己的亮点，但遗憾的是只能以静态图片形式呈现。请看：

Sona将节点分为四个独立轨道。中央轨道包含关键AI玩家、内存和代工厂大厂等;第二环显示其他公司;第三环显示投资联盟;外环显示投资者和融资者。

不仅是错综复杂的融资网络将科技公司的命运紧密联系在一起。利用彭博的供应商数据，Sona通过绘制公司间的收入依赖关系，绘制了AI供应链的集中度和依赖度。

当然，他们发现芯片公司向芯片买家销售大量芯片。但他们也发现，一些公司的收入几乎与一两个参与者的资本支出决策存在紧密相关。

这是一张显示前五大公司收入对生态生态依赖的图表：

Sona绘制了收入依赖图，并利用此配置了每家公司在网络图表上的定位，使得反映每家公司与关键AI参与者（他们已固定在外围）的联系，并叠加杠杆——此处以EBITDA的总债务为框架——从而生成了以下内容：

基本上，泡沫越大，总债务越大，红色越深，杠杆越大。大多数泡沫都比较偏绿色，但这并不奇怪参见神谕 以及CoreWeave是鲜红色的。

循环融资其实并不算作弊。如果芯片制造商和新云公司发现他们的收入依赖于超大规模企业和人工智能实验室的业务，那就太奇怪了。

但收入、资本支出融资的错综复杂网络确实意味着，如果你想了解系统中某一部分的信用状况，就必须从整体来看。

这正是这项工作的重点：探讨单点故障如何影响人工智能宇宙。因为我们生活在一个企业有时会失败的世界。

延伸阅读：
—信用评级机构是否对超大规模企业感到厌倦了？（FTAV）
—开放模型对人工智能超大规模开发者的威胁有多大？（FTAV）