谷歌云达成与 SpaceX 的 $300 亿美元交易，用于人工智能计算能力

Google Cloud 已与 SpaceX 达成一项里程碑式的协议，承诺在三年内支付 300 亿美元用于云计算容量，其中包括访问 110,000 个 Nvidia GPU 和其他组件。该协议于 2026 年 6 月 5 日宣布，这笔巨额交易凸显了人工智能快速扩张所驱动的高性能计算基础设施日益增长的需求。 Google 将从 2026 年 10 月至 2029 年 6 月每月支付 9.2 亿美元，容量将在 9 月份前以较低费用逐步增加。合同中包含一项绩效条款，要求 SpaceX 在 2026 年 9 月 30 日前提供 Nvidia 芯片的访问权限，否则 Google 保留在一个月宽限期后终止协议的权利。

Google Cloud 发言人表示，该安排旨在满足公司对人工智能服务日益增长的需求，特别是其 Gemini Enterprise 智能 AI 平台。此协议紧随 SpaceX 与人工智能公司 Anthropic 达成的类似协议，Anthropic 将通过 2029 年 5 月向 SpaceX 的 Colossus 1 数据中心支付每月 12.5 亿美元的计算容量费用。通过这两项交易，SpaceX 将每月获得总计 21.7 亿美元的计算容量收入，巩固了其在预期 IPO 前作为重要人工智能基础设施提供商的地位。

战略合作伙伴关系和云承诺

除了 Google-SpaceX 交易外，其他主要参与者也在对人工智能基础设施做出重大承诺。 Pinterest 宣布计划在 2031 年前向 Amazon Web Services (AWS) 投入 40 亿美元，这是其迄今为止最大的基础设施投资。 这项合作伙伴关系旨在加速 Pinterest 视觉发现平台的 AI 创新，利用 AWS Trainium 和 Graviton 芯片来托管和运行大型语言模型和视觉语言模型。

与此同时，微软在其 Build 2026 开发者大会上发布了七款名为 MAI (Microsoft AI) 系列的新内部 AI 模型。此举标志着其在 AI 模型开发方面朝着自给自足方向的战略性转变，例如 MAI-Thinking-1 模型是从零开始在干净、商业许可的数据上训练的。微软的战略为 Azure 客户提供了多样化的模型组合，由微软控制其发展路线图和定价。

扩展 AI 生态系统和数据运营

在其他重要的合作中，IBM 和 Google Cloud 宣布了一项战略合作伙伴关系，以帮助组织将 AI 投入生产。他们推出了新的 Google Cloud Practice，将 IBM 的行业专业知识与 Google Cloud 的 Gemini Enterprise Agent Platform、网络安全和数据能力相结合。

西门子也正在通过与工业软件公司 HighByte 的合作来扩展其工业边缘生态系统。此次合作旨在为工业运营提供统一的数据基础设施，使客户能够连接、情境化和消费工业数据，从而大规模构建 AI 模型和应用程序。 HighByte Intelligence Hub 现在可在 Siemens Industrial Edge Marketplace 上获得。

不断演变的数据监管格局

数据监管环境正在迅速发展。英国《2025 年数据（使用和访问）法案》（DUAA）引入了一项新的法定要求，要求组织从 2026 年 6 月 19 日起实施内部数据保护投诉流程。这意味着个人将在向信息专员办公室（ICO）上报问题之前，首先直接向组织提出投诉。

在美国，康涅狄格州州长 Ned Lamont 于 2026 年 5 月 27 日签署了一项修订版《数据隐私法案》。这项新立法对数据经纪人引入了重要的监管要求，要求他们进行注册、制定隐私政策并实施数据删除机制。 包括数据经纪人注册和删除要求在内的关键条款将于 2026 年 7 月 1 日生效。

战略收购和市场整合

人工智能市场也正在经历战略整合。 Databricks 正在积极寻求战略收购，以加强其在数据处理和人工智能解决方案市场的地位。尽管其首席执行官表示 2026 年不是 IPO 的合适时机，但该公司正在利用其强大的财务实力来资助研究、收购和国际扩张。这种方法使 Databricks 能够在不受即时公开市场压力的情况下构建其企业 AI 能力，这反映了现有公司收购 AI 初创公司的普遍趋势。

这对数据所有者意味着什么

大量高价值的 AI 计算交易、战略合作伙伴关系和不断变化的数据法规预示着数据所有者正处于一个关键时刻。 Google、Microsoft 和 Pinterest 等科技巨头在 AI 基础设施和模型开发方面的巨额投资，凸显了高质量、商业许可数据的日益增长的价值。对于数据所有者来说，这种环境通过许可协议、联合开发合作伙伴关系和参与新兴数据市场，为货币化提供了前所未有的机会。与此同时，日益收紧的监管环境，例如英国的 DUAA 和康涅狄格州新的数据经纪人法律所体现的，强调了强大的数据治理、合规性和透明的数据处理实践的至关重要性。要有效地货币化数据资产，现在不仅需要识别有价值的数据集，还需要驾驭复杂的法律框架并确保道德使用，才能在蓬勃发展的 AI 经济中充分发挥其潜力。