主权AI带来的To G生意：算力基建与出海机会

编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）

这是一段投资人与媒体关于“主权AI”趋势的访谈。关键数据：日本政府承诺10年投入650亿美元（B·第三方），英伟达预计今年主权AI收入达100亿美元（B·第三方），中国已建成/在建280多座智算中心（B·行业统计）。对搞钱者意味着：除了做模型，下游的“卖铲子”生意（算力集群、液冷、Infra适配）是更稳的To G/To B机会；尤其适合懂硬件集成、有政府资源的团队做国内智算中心配套，或跟随大厂做海外模型本地化部署。最大的坑是国内To G账期极长，现金流管理是生死线；海外机会则在于承接“中国AI能力出海”的落地服务。

• 关注智算中心配套的液冷、电力、土建工程…
• 针对东南亚/中东市场，提供中国开源模型（如Llama/ChatGLM）的私有化部署服务
• 避坑：国内To G项目回款慢，启动前需确认是否有垫资能力或政府贴息政策
• 利用大厂（阿里/字节）海外布局的红利…
• 不要盲目投自研大模型，优先选择已验证的基座模型做垂直领域微调与应用层开发

一、这是什么机会

面向各国政府、主权基金及大型央企国企，提供AI基础设施及配套服务。核心产品包括算力集群集成、液冷工程、电力土建以及国产/开源大模型的私有化部署。商业模式以To G项目制招标或To B服务订阅为主，通过承接政府“数字主权”战略获得高壁垒订单。

二、独立判断

值得切入，但需避开“造轮子”，聚焦“卖铲子”。推理逻辑显示，英伟达预测主权AI收入今年将从0激增至100亿美元，且中国政府已投入280多座智算中心建设，证明需求端真实且紧迫。对于创业团队，做算力配套（液冷、电力）比自研基座模型更稳，且现金流风险相对可控。

三、冷启动路径

第一步验证动作：梳理本地（如东南亚、中东或国内欠发达地区）已获批但尚未交付的智算中心项目清单，锁定其中的液冷缺失或模型适配痛点。成本量级：前期投入20-50万元用于技术POC（概念验证）与小规模试点。周期：6-9个月。若目标为国内，需优先解决政府贴息政策对接；若出海，需绑定已有海外渠道的大厂（阿里/字节）作为前置背书。

四、最大风险与避坑

1. 国内To G账期陷阱：政府项目验收慢、回款周期可能长达1-2年，极易拖垮现金流。应对：启动前必须确认是否有政府贴息政策、是否要求垫资，拒绝无回款保障的纯工程单。2. 技术迭代贬值风险：GPU更新换代快（如Blackwell平台已发布），硬件资产可能迅速贬值。应对：轻资产运营，避免重仓囤积芯片，专注可迁移的Infra软件层与运维能力。

五、案例复盘（别人怎么做的）

• 硬件集成与基建：软银联合英伟达构建日本最强AI超算，日本政府承诺10年投入650亿美元支持。推断：此类超级订单背后，存在大量配套液冷、电力扩容、土建施工的空缺，适合工程集成商切入。
• 模型出海落地：利用中国开源模型（如Llama、ChatGLM）在东南亚、中东进行私有化部署。案例细节：李开复在中东深厚人脉已促成多家政府合作；不少海外政府正寻求与阿里、字节合作。动作：不卖模型本身，卖“部署+微调+本地化数据适配”服务。
• 国产化适配：信创场景下，如科大讯飞无法使用英伟达芯片，转向华为昇腾。动作：做“华为芯片+通用大模型”的中间层适配工具包，降低政府项目替换成本。
• 细分领域数据垄断：如肯尼亚开发斯瓦西里语大模型。推断：语言模型需本地语料，掌握高质量小语种数据清洗能力的团队，可向“语言主权”相关政府出售语料服务。

六、双轨可执行性

跨境：可行。启动方式为绑定阿里/字节海外BD团队，作为其落地服务商，提供私有化部署与运维，重点切入中东与东南亚政府订单。国内：可行但需严选客户。启动方式为承接地方政府智算中心的“非核心”配套环节（如机房液冷改造、网络优化），避开由大厂主导的核心算力采购，利用工程属性变现。

原文 · 晚点聊 LateTalk：阅读原文 →