Scaleway双国GPU Zone落地：AMD与NVIDIA双线并行

Scaleway在ai-PULSE 2026大会上一次性抛出了三张牌：新的GPU Zone、新的加速器集群、以及扩容的模型目录。对采购者来说，这三件事对应三个不同的问题——韧性、价格、可移植性。把它们拆开看，比笼统地接受"欧洲AI基础设施"的叙事更有用。

两个国家，两种加速器

Scaleway将不同的芯片放进了不同的国家。斯德哥尔摩新增AMD Instinct MI355X集群，官方称其目标是成为欧洲云厂商中首批同类基础设施之一；哥本哈根则部署NVIDIA B300集群，规模达数千块GPU。巴黎、哥本哈根、斯德哥尔摩三地的GPU Zone被描述为最终将代表数万块GPU、数十exaflops与数十兆瓦的容量。

这里的"GPU Zone"值得单独定义：它是云区域中围绕图形加速器构建、面向模型训练与推理的专属部分，与通用计算区域的采购逻辑完全不同。换言之，买GPU Zone和买通用实例是两笔账。

官方没有给出两个新集群的交付日期，也没有给出价格。这一点在评估时需要打上星号——公告容量与可用容量是两回事。

双芯片对买家的实际意义

从商业角度看，一个供应商内部有两种芯片家族，对买家是利好。推理任务的形状各异，有的负载在某种加速器上每小时成本最低，供应商手握两条产品线就能在两者之间做价格竞争。Scaleway自己也把这层意思说了出来：更广泛的处理器架构有助于保留客户的选择自由。

但从运维角度看，第二种芯片家族意味着第二套软件栈。镜像、驱动、构建流水线都要再维护一遍，成本落在维护者头上。为一款加速器写的迁移方案，往往需要对另一款再走一遍。这个细节决定了团队是否真的会用上那个更便宜的选项。

可用区（Availability Zone） 是云服务商在同一地理区域内划分的独立故障域，每个可用区拥有独立的供电、制冷和网络设施，彼此之间物理隔离但通过低延迟链路互联。云厂商通常用"区域"表示城市级的地理位置，用"可用区"表示区域内的独立数据中心集群。业界普遍将三个可用区视为生产级部署的基线：应用跨三个可用区冗余部署时，既能在单点故障时自动切换，又能在多可用区之间保持可接受的复制延迟。两个可用区虽然提供冗余，但在一个可用区故障时，剩余节点往往无法承载全部流量，只能降级运行。因此"米兰达到三个可用区"意味着该区域具备了承载核心生产系统的资格，而不仅仅是资源池的扩容。

Exaflops（每秒百亿亿次浮点运算） 是衡量超算与AI集群算力规模的常用单位，1 exaflop 等于每秒 10^18 次浮点运算。作为参照，当前一台高端单卡GPU的FP16算力大约在数千万亿次量级，因此"数十 exaflops"意味着数万块加速器协同工作，这与原文提到的"数万块GPU"在数量级上是自洽的。需要注意的是，云厂商公布的 exaflops 通常指特定精度（如FP8或FP16）下的峰值理论值，实际训练吞吐会受到网络互联、显存带宽和软件栈效率的显著折损。

Instinct MI355X 与 NVIDIA B300 分别代表AMD和NVIDIA最新一代数据中心加速器。两家厂商的架构差异远不止硬件规格：NVIDIA 以 CUDA 生态为核心，主流训练框架、算子库、编译器和社区文档默认优先适配；AMD 的 ROCm 软件栈近年进展显著，但在算子覆盖度、第三方库兼容性和调试工具成熟度上仍有差距。这直接解释了原文所说的"第二套软件栈"成本：并非简单安装驱动，而是容器镜像、性能调优、故障排查和基准测试都要重新建立一套经验。对团队而言，选择较便宜的加速器之前，应先评估自身负载是否高度依赖厂商特有的库（如 cuDNN、TensorRT），以及是否有工程资源承担双栈维护。

米兰：三可用区才是生产级

意大利区域是这次公告中最实在的部分。米兰新增两个可用区，使该区域达到三个。三个可用区是区域能承载生产负载的门槛——应用分布在三个独立区域上，可以承受其中一个的丢失，官方将由此得到的服务称为企业级韧性。

意大利的故事还延伸到Qarnot Computing。这家公司于2026年早些时候被Scaleway收购，专攻高性能计算与余热回收。在布雷西亚，Qarnot与A2A合作，将其HPC基础设施接入城市区域供热网络。余热利用是一项有物理约束的真实工程选择——需要在管道距离内找到热量的买家，布雷西亚的安排被官方作为范例呈现。

此外，Scaleway计划在2027年为斯德哥尔摩和法兰克福再增加六个可用区。这是公告中的规划部分，与已交付部分应当分开看待。

数据中心余热回收 是指将服务器散热产生的低品位热量，通过热泵或换热器提升温度后，接入区域供热网络供居民采暖或工业使用。其工程约束在于热量输送的经济半径通常只有数公里，且需要与供热管网的所有者签订长期购热协议，因此数据中心的选址必须与热需求在空间上匹配。布雷西亚的安排正符合这一逻辑：Qarnot 的 HPC 基础设施紧邻 A2A 的城市供热网络，余热有了稳定的买家。对采购者而言，这类安排不直接影响算力价格，但反映了供应商在能源成本和可持续性合规上的布局，长期可能影响其电力采购策略与区域扩张节奏。

合作名单里的欧洲推理芯片

Scaleway还列出项超出"购买加速器"范畴的芯片合作。与VSORA和ZML一起，公司称正在为基于Jotunn8处理器的新型欧洲AI推理方案做贡献，目标是支持新的欧洲芯片架构、拓宽企业可用的技术选项。

这一项应当和GPU数量同样对待。开发合作是长路径上的早期一步，要穿过硅片、编译器和生产负载三道关。官方没有给出Jotunn8的规格、时间表或性能数据，诚实的解读是"方向"而非"产品"。Scaleway与iliad Group加入的欧洲AI Gigafactory项目也属于同一类别。

欧洲 AI Gigafactory 是欧盟为缩小与美国、中国在AI算力上的差距而推动的公共投资计划，目标是建设面向AI训练与推理的大规模超级计算设施，资金来自成员国与私营部门联合投入，iliad Group（Scaleway的母公司）是参与方之一。这类项目的意义在于改善欧洲本土的算力供给与数据主权，但其特点是周期长、依赖补贴、落地节奏受政治与预算周期影响。把它与已交付的GPU集群区分开，是评估供应商实际可用容量的关键：Gigafactory 属于多年期的产能规划，而非本季度可采购的资源。

模型目录：小团队本月就能用的部分

目录部分是小型团队当下就能用上的。通过Generative APIs可用的模型超过40个，本次新增三个：来自法国公司LightOn的LightOn OCR 3，用于复杂文档的文字识别与信息抽取；具备原生视觉理解能力的DeepSeek^广告 V4.1-Flash；以及Z.ai的GLM 5.3，一个被描述为适合软件开发与智能体多步复杂任务的开源模型。官方列出的家族覆盖Qwen、Gemma、DeepSeek、GLM、Mistral与Devstral。

在欧洲托管的基础设施上运行模型，回答了数据路径的问题，但留下了另一个问题：工作的可移植性。提示词、评测集和微调结果才是团队积累的资产，它们的可移植性取决于接口，而非服务器位置。公告还提到推理平台支持缓存token与可定制速率限制——这些才是决定单请求成本的控制项——以及与Dataiku的合作，将编排平台放到同一朵云上。

今天就能定价的问题

公告容量与可用容量之间的差距，正是采购工作所在。三个问题能定下大部分：工作负载会落在哪个可用区，服务水平协议对丢失一个可用区如何承诺；选哪款加速器，每小时价格多少，承诺期多长；退出是什么样的，数据格式、接口、迁出成本各是多少。

然后给一个工作负载定价。选一个符合条件的欧洲区域，把单个推理服务或微调任务按月成本算出来，得到一个可以和当前账单比较的数字。这比任何"数万GPU"的叙事都更接近决策。

至于Jotunn8和Gigafactory，把它们放在观察清单上：方向明确，规格与日期待定。