供应商在扩张，算力在收紧：本周 AI 基础设施六件大事

主要事件

Anthropic 本周将发布 Claude Opus 4.7 及 AI 设计工具

据 The Information（4 月 14 日）独家报道，Anthropic 预计本周正式发布 Claude Opus 4.7，并同步推出一款 AI 驱动的设计工具，后者集成 Figma 将 AI 生成代码直接转换为可编辑设计文件，并与 Microsoft Word / PowerPoint 深度整合。Figma、Adobe、Wix 等设计类股票在 4 月 14 日应声下跌 2–4%。Opus 4.7 是对 2 月发布的 Opus 4.6 的迭代升级，标志 Anthropic 加速发布节奏。与此同时，Anthropic 年化营收已从 2025 年底 $9B 跃升至 $30B，企业 LLM API 支出占比从 2023 年约零升至当前 40%，已超越 OpenAI（27%）成为企业侧第一供应商。Anthropic 正在将自身定位从纯 API 模型商扩展为覆盖设计、文档、代码全流程的生产力平台。此外，Anthropic 已于 4 月宣布弃用 Claude Sonnet 4 和 Claude Opus 4，退役日期为 6 月 15 日，并同步终止 Sonnet 4.5 / Sonnet 4 的 100 万 Token 上下文窗口 Beta（4 月 30 日）。对企业来说，Opus 4.7 发布后，依赖 Opus 4.6 的生产流水线在竞争压力下需要评估升级窗口，同时 Sonnet 4 / Opus 4 用户面临 6 月 15 日前的强制迁移；Anthropic 进入设计工作流意味着企业 AI 采购决策将更加整体化，AI Gateway 层需要统一管理跨模型、跨模态的调用路由；是供应商平台化扩张带来锁定风险，企业需要在架构层保持供应商中立性。

Google Gemini 计费体系全面重构：强制支出上限 + Gemma 4 开源释放

4 月 1 日起，Google 在所有 Gemini API 计费层级强制启用每月最高支出上限（不可关闭），免费层仅限使用 Flash 模型，Pro 模型需要付费 API Key 或 Google AI Pro/Ultra 订阅。与此同时，Google 发布了 Gemma 4 系列开源权重（gemma-4-26b-a4b-it 及 gemma-4-31b-it），并在 Gemini API 上推出 Interactions API Beta ，提供统一的模型与 Agent 交互接口。文件上传容量限制从 20MB 扩展至 100MB，并支持 Cloud Storage 私有 Bucket 作为数据源。Google 在 2025 年通过慷慨的免费层建立了大量企业 POC 依赖，此次系统性收紧计费是其将 Gemini 从"试用"转向"生产货币化"的关键节点。强制支出上限的推出与 OpenAI Container 定价（3 月 31 日已调整）在同一时间窗口内落地，反映出主流模型供应商集体向更严格的成本纪律演进。Gemma 4 开源权重与 Google 商业化并行推出，是 Google 在开源生态维持影响力的对冲策略。所有在 Gemini 免费层运行 POC 的企业需要立即审核调用量和升级路径；依赖 Pro 模型的工作流若未切换计费账户，4 月起将出现调用拒绝。Gemma 4 26B/31B 开源权重提供了在私有基础设施自托管的替代路径，适合对数据主权有严格要求的金融、医疗、政府客户。这是本周最需要立即采取行动的运维紧急项。Google 强制计费变更暴露了一个典型问题：企业在多少个地方追踪 Gemini 的实际支出？答案往往是每个团队自己追，或者没有人追，直到账单超标或服务中断。AgentsFlare 的成本治理模块解决的正是这个问题——跨 Anthropic、OpenAI、Google、开源模型的实时支出可见性和异常预警，让 Google 这类计费变更在影响生产之前就被捕捉到，而不是事后追因。

Meta + Broadcom 多年期定制硅片战略深化，大厂去 Nvidia 化提速

4 月 14 日，Meta Platforms 与 Broadcom 正式宣布延伸多年期战略合作，以加速 Meta 自研 MTIA（Meta Training and Inference Accelerator）芯片的规模化部署，旨在降低对 Nvidia GPU 的依赖。与此同时，CoreWeave 的合同积压已突破 $500 亿（含 Meta $210 亿订单），Nscale 完成 $20 亿融资用于欧洲 AI 数据中心建设，Thinking Machines Lab（Mira Murati 主导）完成 $20 亿 Series B，估值达 $100 亿。Meta 在 2025 年已完成第一代 MTIA 的内部部署测试，此次与 Broadcom 的合作意味着该芯片进入量产加速阶段。谷歌（TPU）、微软（Maia）、亚马逊（Trainium）均已在定制硅路线上取得实质进展。对专有算力的集体押注，将深刻影响未来 18–24 个月推理市场的供需结构——同一模型在不同定制芯片上的延迟、吞吐和单位成本将出现显著分化。定制芯片正在成为超大规模云厂商的差异化杠杆——这意味着企业客户在选择推理云平台时，将日益面对"异构算力"的现实：不同云上的同一模型，其延迟、吞吐和价格可能差异显著。能够自动跨平台对比和路由、实时感知各云推理节点 SLA 状态的 AI 控制平面，价值将快速放大。

Citrix NetScaler AI Gateway：网络层 AI 治理入场，企业控制平面边界扩展

4 月 9 日，Citrix 发布 NetScaler AI Gateway，将 LLM 治理能力嵌入其网络应用交付控制器（ADC）层，功能包括：Token 用量追踪与配额管控、Prompt 管理与 PII 遮蔽（LLM Redaction）、AI 安全平台集成（含 prompt injection 检测）、覆盖 Token 使用率 / 延迟 / 配额违规的 AI 专属可观测性指标。企业 AI 治理此前主要在应用层（LLM SDK / API 层）解决，Citrix 的动作意味着治理控制正在下沉至网络基础设施层。这与 Cloudflare AI Gateway（在边缘层缓存、限速、统一计费）的思路一脉相承，共同指向一个趋势： AI 控制平面将在网络层、应用层、数据层形成多层次纵深治理。2026 年已有至少五家主要厂商（Citrix、Cloudflare、Bifrost、TrueFoundry、Kong）推出 AI Gateway 产品，市场快速从"nice to have"转向"production standard"。各家云厂商推出自己的原生控制平面，正在将企业的治理视图碎片化，而不是统一化。拥有独立于任何单一供应商的 AI Control Plane，能够聚合网络层、应用层、云账单层的信号，才能在供应商竞争格局快速演变时保持架构稳定性和议价空间。这是 AgentsFlare 作为供应商中立的企业级 AI Gateway 的核心价值所在。已部署 NetScaler 的金融、电信、医疗企业，可以通过升级现有基础设施实现 AI 流量的基本治理，无需全量改造应用层。但这也带来了新的碎片化风险——如果治理策略分散在网络层和应用层，统一审计和成本归因将变得更复杂。这恰恰反向论证了独立、跨层次 AI Control Plane 的价值：它需要聚合网络层、应用层、云账单层的信号，才能给出完整的治理视图。

vLLM v0.19.0：长上下文成本模型被重写，开源推理栈加速成熟

4 月 2 日，vLLM 发布 v0.19.0（448 commits，197 位贡献者，其中 54 位新加入），核心更新包括：完整 Gemma 4 架构支持（含 MoE、多模态、推理、工具调用）；零气泡异步调度 + 投机解码组合显著提升吞吐； Model Runner V2（MRV2）成熟化（分段 CUDA Graphs for pipeline parallelism、多模态嵌入、流式输入）；以及长上下文内存优化，显著降低百万 Token 级窗口的 KV Cache 开销。4 月 3 日发布 v0.19.1rc0 稳定版候选。与此同时，SGLang（v0.5.9，RadixAttention 技术）在 H100 上实现 16,200 tokens/sec，比 vLLM 的 12,500 tokens/sec 高出约 29%。开源推理栈在 2026 年已形成 vLLM（~75K GitHub Stars）和 SGLang（~25K Stars）双引擎格局。v0.19.0 的长上下文优化直接冲击"长上下文 = 高成本"的固有认知，企业可以更低代价运行 RAG 和多轮 Agent 工作流中的长窗口任务。Gemma 4 的支持则是开源生态与 Google 商业化路线并行的关键信号。自托管推理的 TCO 曲线在持续改善——v0.19.0 让在自有 GPU 上运行 Gemma 4 等开源模型更具成本竞争力。对于同时使用闭源 API 和自托管模型的企业，这是重新评估成本路由策略的窗口：部分长上下文任务（如长文档分析、多轮对话存档处理）从商业 API 迁移至开源自托管，在批量场景下可能带来 50–70% 的成本节约。

美国数据中心建设停滞：超 50% 项目延期，AI 推理算力供给风险浮现

4 月 14 日 Fortune 报道，美国各大投资级电力公司将未来五年资本支出规模提升至 $1.4 万亿（同比上涨 30%），主要驱动力是 AI 数据中心电力需求。与此同时，超过 50% 的美国在建数据中心项目已延期或取消，原因包括：电网接入积压（部分地区排期超 3 年）、中国进口变压器和关键元器件受限、以及冷却基础设施采购周期拉长。24 个州出现居民抗议，民调显示 65% 的美国人反对在住所附近建设新数据中心。AWS、微软、谷歌、Meta 均已承诺 2026 年数据中心资本支出超过历史峰值，但供应侧约束正在使"纸面上的算力计划"与"实际可用算力"之间的缺口扩大。这与 CoreWeave $500 亿合同积压（远超当前实际产能）并行发生，表明推理算力的账面需求与实际可交付能力之间存在结构性错配。微软另行宣布向日本投入 $100 亿（2026–2029），显示大厂加速布局美国以外的算力节点。短期内主要公有云推理节点的地区可用性和 SLA 保障可能趋紧，尤其是新区域和专用硬件资源。高度依赖单一云区域的 AI 生产工作流具有超预期的可用性风险，这不是理论风险而是已经在若干 AWS / GCP 区域出现容量警告的现实。企业应将多云/多区域路由能力列为 2026 年下半年的优先基础设施建设项。数据中心可用性分化意味着企业的 AI 工作流需要具备 Fallback 路由能力——当 Claude Opus 4.7 在某个区域的排队延迟超过阈值时，自动路由到 Gemini Flash 或自托管的 Gemma 4，并在可用性恢复后无感切回。2026 年 H2 算力紧张将使这一能力从"架构优雅"变成"业务连续性保障"。

企业启示

本周六条信息放在一起，呈现出一幅清晰的 2026 年 AI 基础设施地图：模型供给侧在加速扩张和平台化，算力供给侧却正在遭遇结构性瓶颈，治理需求在网络层、应用层、数据层同时爆发。供应商格局正在进入平台化扩张的竞争阶段第一阶段是能力竞赛（谁的模型更聪明），第二阶段是价格战（谁的 Token 更便宜），第三阶段是平台化扩张：Anthropic 做设计工具进入 Creative Workflow、Google 重构计费体系推动 Gemini 商业化、OpenAI 通过 AWS 扩展 Agentic Runtime。对企业 AI 架构师而言，这意味着两件事同时成真：供应商的谈判地位在增强（平台化带来黏性），而切换成本也在以非线性方式上升。企业必须在这个时间窗口内建立供应商中立的架构基础。定价规则不再稳定，成本可见性成为核心能力Google 4 月强制计费变更本身就是一个预警——在过去 90 天内，主要 LLM 供应商中至少有三家（OpenAI、Google、Anthropic）发生了实质性定价或访问策略变更。企业若没有横跨供应商的实时成本监控，这些变更将以"账单冲击"或"静默服务中断"的方式出现，而非提前预警。算力供给侧风险是被低估的架构风险大多数企业 AI 架构设计假设公有云推理容量是弹性无限的——这个假设在 2026 年 H2 正在失效。数据中心建设延期 + 定制芯片异构化 + 地区电力限制，正在将"区域性算力短缺"从小概率事件变成可预期的运营风险。治理碎片化是下一个待解问题Citrix 和各家云厂商推出自己的原生 AI Gateway，短期内降低了企业治理的入门门槛，但也在创造一个"每个层都有治理，但没有人知道全局状态"的碎片化困境。这是 2026 年最容易被忽视、但最终会被审计和合规压力迫使解决的架构债务。

行动指南

立即审计 Gemini 计费依赖 ：所有使用 Gemini Pro 模型的 POC 和生产工作流，需本周确认账户计费状态和支出上限设置，4 月未升级的调用将直接返回错误。这不是优化建议，是运维紧急项，且没有宽限期。

将多云路由从"可选架构"升级为"2026 H2 必选项" ：数据中心建设停滞 + 定制芯片分化意味着单一云区域的可用性假设不再安全。企业需要现在开始建立跨云的自动路由和 Fallback 机制，否则将在算力紧张时期暴露于不可控的可用性风险。

在 Gemma 4 + vLLM v0.19.0 发布窗口内重新评估混合路由策略 ：Gemma 4 31B 开源权重 + vLLM 长上下文优化的组合，使自托管在长文档和多轮 Agent 批量场景下具有实质竞争力。具备 GPU 基础设施的企业应在本季度完成基准测试，建立"商业 API 用于时延敏感任务 + 自托管用于大批量长上下文任务"的差异化路由逻辑。

将"供应商平台化扩张"纳入年度采购决策维度 ：Anthropic 进入设计工具、Google 强化生态黏性，是供应商扩大锁定范围的信号。企业 AI 架构委员会在评估供应商时，应系统性审视其 2–3 年产品路线图对企业自主架构空间的影响，而不仅仅评估当前模型性能和价格。

企业 AI 基础设施正在从"使用几个 API"演变为"管理一个异构的、动态变化的 AI 供给网络" 。这个网络的节点越来越多（Anthropic Opus 4.7、Gemma 4 自托管、OpenAI on AWS Bedrock），规则越来越复杂（Gemini 强制计费变更、Anthropic 模型退役时间表、区域算力波动），治理层越来越碎片化（Citrix 网络层 + 云原生 Gateway + 应用 SDK 各自为政）。拥有一个独立、统一的AI路由平台对于企业来说至关重要。