Equinix 開 Inference Exchange：NVIDIA 加 Together AI 兩百開源模型，2027 年第一季才交貨

企業把大型語言模型訓練完了，下一步往往卡在同一個地方：推理要跑在哪。資料在私有機房、應用在好幾朵雲、使用者散在不同都會，GPU 卻常常集中在另一個區域。Equinix 在首屆客戶與夥伴活動 Horizon 端出的答案，不是再蓋一座訓練工廠，而是把「推論放哪、怎麼連過去」做成一套可賣的服務。

這套服務叫 Equinix Inference Exchange。官方新聞稿把它拆成三層：Equinix 出機房、電力、進階冷卻與日常維運，再用既有的 Equinix Fabric 接到雲、網路與 AI 供應商；NVIDIA 出經過驗證的 Enterprise Reference Architectures，目標寫成提高 AI 工廠吞吐量、壓低每個 Token 成本；Together AI 把推論平台疊在上面，宣稱支援逾 200 個開源模型，並同時提供多租戶共享與單租戶專用兩種環境。Equinix 執行長 Adaire Fox-Martin 的定位句是「架構先天中立、預設開放」。NVIDIA 全球 AI 雲與基礎設施生態副總裁 Raj Mirpuri 則把加速運算直接講成「戰略資產類別」，說這套組合要把智慧放到更靠近資料、應用與客戶的地方。

同場還有第二件產品：Equinix Fabric One。它不跑模型，只管連線。客戶用入口網站、API、自動化工作流、AI代理請求或自然語言提示，寫下「我要連什麼、要滿足哪些條件」，Equinix 再去編排路由、雲端連線、加密、韌性與故障轉移。主導整合夥伴是 Google Cloud 與 AWS，技術底座是兩家雲共同參與的開源 OpenAPI 3.0 Interconnect 規格。Equinix 產品長 Chris Audie 的說法更直白：過去幾十年企業網路是「每個夥伴拉一條線」，這種做法撐不住分散式 AI。

IT Brief、TechWire Asia、Converge Digest 與多家產業媒體在後續報導裡，幾乎都把兩件事當成同一套棋：一邊把開源模型推論搬進 Equinix 的都會機房，一邊把跨雲、跨供應商的連線從專案工程改成託管服務。官方給的交貨時間也很齊：Inference Exchange 從 2027 年第一季開始提供；Fabric One 預計今年稍晚進測試，2027 年正式上市，第一波在北美。

三層分工寫清楚了，價目表還沒寫

先把官方已經肯講、以及明確沒講的東西攤開。Together AI 執行長 Vipul Ved Prakash 說，企業不該在模型表現與營運彈性之間二選一。這句話對得上的是產品形狀：共享叢集省錢、專用叢集隔離，中間用 Fabric 接到你原本就在用的雲與資料。對不上的是採購人員真正要填的格子。

Converge Digest 把這張表的空白寫得很乾：Inference Exchange 沒有公開 GPU 組態、部署都會、定價與基準測試；Fabric One 同樣沒有價目與服務邊界。Equinix 說 Fabric 會接到各大都會的推論供應商，用來縮短 time-to-first-token（第一個 token 出現前的等待），但沒有給對照組，也沒有說這段等待裡有多少來自網路、多少來自模型載入與排程。你如果把「靠近使用者」理解成「回應一定比較快」，官方材料撐不起這個等式。都會機房只能砍掉網路那一段；模型載入、佇列、加速器選擇、批次大小與推論軟體，仍決定總延遲。

NVIDIA 這一層也要拆開看。Enterprise Reference Architectures 不是一張晶片型號，而是涵蓋運算、網路、儲存與軟體的生產環境藍圖。TechWire Asia 補了一段歷史：2024 年 1 月，Equinix 已經讓企業把自有的 NVIDIA DGX 放進其機房，搭配 NVIDIA AI Enterprise 軟體，由 Equinix 代管。Inference Exchange 是把這段關係從「你帶機器來寄放」推進到「參考架構＋開源模型平台＋互連，做成方案」。它沒有宣布新的 GPU 供應承諾，也沒有說會在 Equinix 機房裡保證多少 H100、H200 或 Blackwell 產能。記憶體漲價已經讓 NVIDIA AI 伺服器傳出逾 15% 的漲幅，Vera Rubin 與 Grace Blackwell 的出貨時程也被點名；一套 2027 年才開賣的推論交換，現在給不出機種清單，不完全是行銷疏漏，也是供應鏈還在動。

Together AI 這一層則有公開目錄可以對照，只是那份目錄屬於它現有的雲服務，不是 Equinix 方案的報價。CloudZero 整理的 serverless 價差很大：常見模型每百萬 token 大約落在 0.27 到 3.00 美元，全目錄可從約 0.05 拉到 7.00 美元；平台宣稱以單一、與 OpenAI 相容的 API 掛上 Llama、DeepSeek、Qwen、Mistral、Kimi 等家族。ComputePrices 在硬體 API 上抓到的即時 GPU 時薪（快照日期與 Horizon 同一週）又是另一張表：H100 SXM 約 5.40 美元、H200 約 6.60 美元、B200 約 9.00 美元。Together AI 自己的 GPU 叢集頁則把 HGX B200 隨需寫成每顆每小時 8.19 美元，預留價從 6.79 美元起。三組數字對應三種產品：按 token 計費的共享推論、單租戶專用端點、自助 GPU 叢集。Equinix 新聞稿只說「多租戶共享效率、單租戶給需要專用產能的負載」，沒有說企業在 Inference Exchange 裡買到的是哪一層，更沒有說進了 Equinix 機房之後時薪會不會變。

把這張表放進來，不是為了假裝 Equinix 已經降價，而是為了把「開源比較便宜」從口號拉回可檢驗的區間。開源權重可以從 Hugging Face 下載，不代表推論帳單比較低；Kimi K3 完整權重開放下載後，MXFP4 仍要約 594GB，自架門檻仍是資料中心級。Together AI 要賣的，正是「你不必自己扛那道門檻」。Equinix 要賣的，是把這道門檻搬到你資料已經在的都會。兩邊都還沒告訴你搬過去要付多少。

機房密度是真的，不是每一棟都能塞同等 GPU

Equinix 拿出來的版圖數字很大，而且在官方稿、IT Brief 與 TechWire Asia 之間對得上：超過 280 座資料中心、77 個都會、230 個雲端 on-ramp、超過 10,500 家互連企業。Fabric One 稿再加一層：約 3,000 家雲與 IT 供應商。Equinix 還說，十大 AI 模型供應商裡有八家、十大 AI 雲／neocloud 裡有九家，已經在它的設施裡部署。這解釋了為什麼它敢講「中立交換」：模型商、雲商、企業本來就坐在同一張互連網上，Inference Exchange 是把推論產能嵌進既有鄰接，而不是從零拉專線。

Converge Digest 用 Equinix 自己的監管文件潑了一盆該潑的冷水。IBX（International Business Exchange）零售機房靠近企業資料與使用者，互連密度高；xScale 則多半透過合資，服務超大規模雲的核心部署。兩種建物的電力與冷卻規格本來就不一樣。部分較舊的 IBX 受當初電機設計限制，未必撐得住高密度加速器；新一代 IBX 才被寫成大約兩倍的電力與冷卻需求。換句話說，「280 座資料中心」不能讀成「280 個都能跑同一套 Inference Exchange」。真正有意義的是哪些都會拿到 AI 就緒產能，以及那些點怎麼接到企業資料、公有雲與更大型的訓練叢集。

同一篇分析還補了資本開支節奏：2026 年第二季新增 9,700 條淨互連（公司稱為單季紀錄），33 個市場有 52 個興建專案進行中，全年資本支出預期 50 億到 60 億美元。這跟 NVIDIA 財報盤前把資料中心指引當成主戲 是同一條產業曲線的另一端：晶片側在賣加速器與殘值擔保，機房側在賣電力、冷卻與互連。Equinix 顯然不想只收機櫃與埠口的錢，它想讓已經住進來的生態系再長一層託管連線與模型服務。

Futurum Group 的 Nick Patience 被放進官方稿當分析師背書。他說效能、成本與治理已經變成戰略考量，因為工作負載正分散到不同供應商、資料端與環境；組織愈來愈在意推論跑在哪、能多快進入生產。這段話沒有新數字，但點出買家真正的痛：試點可以容忍高延遲與不清楚的資料出境路徑，正式服務不行。IDC 的 Andrew Buss 則被放在 Fabric One 稿裡，講的是網路仍大量依賴人工設計與操作。兩段分析師引言服務的是同一句銷售詞：複雜度本身就是產品。

三個使用情境，每一個都有沒寫出來的條件

官方點名三類負載。第一類是都會邊緣推論：把模型放到更靠近使用者與資料的地方，換較低延遲，同時沿用 Equinix 的安全與營運規模。這比較接近邊緣AI的都會版，不是手機或工廠現場的裝置端模型。它假設你的資料可以留在該都會的 Equinix 設施，或至少能用 Fabric 私接過去，而不必先丟進遠端超大規模區域。假設不成立的話，你買到的只是另一個需要搬資料的位置。

第二類是開源遷移。Equinix 把對象寫成「正把工作負載從封閉、專有模型轉到開源替代方案，以控制成本、避開鎖定」的企業，並說 Together AI 的開源平台可以走企業已經在用的同一張互連網。這條敘事接得上過去兩個月的權重潮：阿里把 Qwen3.8-2.4T-A95B 權重上線、NVIDIA 自己也開源 Nemotron 3.5 Lightning 打代理執行層、八月中還有一篇把競爭從「參數數字」改寫成「部署能力」的整理，講的就是企業本地化與多模態才是開源模型真正在比的東西。Together AI 的公開目錄確實掛著 LLaMA、DeepSeek、Qwen、Mistral、Kimi 這些家族，但 Equinix 沒有給一份「上了 Inference Exchange 的模型清單」，也沒有保證你現在在 Together AI API 叫得到的檢查點，2027 年第一季在 Equinix 機房裡會以同樣價、同樣上下文窗口出現。遷移故事成立的前提是：模型目錄、資料處理條款、以及你能不能把提示詞與輸出留在指定司法管轄區，三件事都要可契約化。現在三件都還沒寫進新聞稿。

第三類是主權 AI。官方用語是：受監管產業或特定地理區的企業，可以把工作負載放在符合資料駐留與主權要求的位置，比較容易在保有控制的前提下把 AI 做大。這句話只覆蓋了「運算發生在哪棟樓」。主權還包括身分、加密金鑰、日誌、模型權重、提示詞與生成內容要不要出境、誰能看思維鏈、出了事故誰有權關機。Converge Digest 把這層講得很清楚：實體位置只是條件之一，不是條件的全部。Equinix 也沒有公布政策模型、日誌留存地、金鑰託管方式，或單租戶環境能不能拒絕 Together AI 的營運人員碰權重。

Hyundai AutoEver America 執行長 Paul Hager 被放進 Fabric One 稿當客戶聲音，說分散環境需要彈性、可擴充、比較好管的連線，Fabric One「有潛力」加快他們滿足這些需求的速度。這是潛力，不是上線案例，更不是 Inference Exchange 的產能承諾。

對手不是另一家機房那麼簡單

把 Equinix 這一步只讀成「資料中心商開始賣 AI」，會漏掉它真正在擠的位置。超大規模雲已經把閉源旗艦、開源代管與自有晶片捆在一起賣；Anthropic 走的是另一條，聯手 Macquarie 與 GIC 成立 Theseus，專屬資料中心由金主持股、自己當錨定租戶。NVIDIA 自己則一邊賣參考架構，一邊用殘值擔保把工廠級產能鎖給特定買家，俄亥俄那筆最高 1050 億美元的擔保就是例子。Equinix 選的是中間：不擁有模型實驗室，也不自稱 neocloud，而是讓模型商、雲商與開源推論平台在它的交換上相遇。

Together AI 在這張圖裡也不是唯一的推論雲。Groq 才剛再募 3.5 億、估值 35 億，敘事從自研 LPU 對手改成跑 NVIDIA GPU 的推論雲。CloudZero 把 Together AI 的競爭圈畫得更寬：AWS Bedrock 與 SageMaker、Google Vertex AI、Azure OpenAI，以及 Fireworks、Replicate、Groq 這類推論專精商。Together AI 的差異化被寫成「模型種類、微調深度與裸 GPU 寫在同一張屋頂下」；它累計募資約 5.34 億美元、估值約 33 億，和 Groq 那輪估值幾乎貼在同一帶。Equinix 選 Together AI 而不是另一家，等於在 2027 年的企業開源推論上押了「目錄廣、NVIDIA 原生、願意做單租戶」這條產品線。押對或押錯，要等價目與都會清單出來才有辦法驗，現在只能當成夥伴選擇，不能當成效能結論。

開發者端現在能做的，也僅限於現有 Together AI 目錄，不是 Equinix 方案。Serverless 適合流量不穩、不想養閒置 GPU 的負載；專用端點適合要隔離、要自訂檢查點、能接受機器開著就計費的生產服務；自助叢集才把編排、觀測與利用率交回給你。CloudZero 還寫過一條實務門檻：利用率低於約五成時，專用實例往往比 serverless 更貴。Equinix 方案若把「單租戶」當成預設，卻沒有給閒置計費規則，帳單形狀會跟今天的 Together AI 專用端點一樣：機器在，錢就在燒，跟你有沒有請求無關。這不是反對單租戶，而是採購時必須把利用率寫進試算，不要只比較每百萬 token 海報價。

智能體化 AI 會把這筆帳再放大一截。代理不是問一次、拿一段文字回來，它會反覆呼叫工具、讀檔、寫檔、再問模型。最近兩天的模型發布已經示範過同一種陷阱：Gemini 3.8 Flash 導入價沒動，單任務成本卻上漲約 40%；Muse Spark 1.3 標價凍結，AA 測到的單任務均價仍從 0.40 升到 0.55 美元。原因都不是單價漲了，而是代理任務吃進更多輸入 token。Equinix 強調 time-to-first-token，對互動式聊天有意義；對會跑十幾步工具呼叫的代理，第一個 token 只是發票上最小的那一格。你真正要問的是：多租戶夠不夠穩、單租戶能不能就近接到內部系統、Fabric One 能不能讓代理自己開連線，以及這些步驟每一步怎麼計費。後三項，官方材料都還沒有答案。

AWS 網路服務副總裁 Robert Kennedy 與 Google Cloud 雲網路工程副總裁 Rob Enns 被放進 Fabric One 稿，強調企業不該自己想辦法跨雲、跨 AI 環境組網。Enns 把跨雲互通寫成「AI 時代的骨幹」，並說 Fabric One 會接上 Google Cloud 的 Cross-Cloud Network。這對 Equinix 的「中立」敘事是支撐，也是張力：連線規格由兩家超大規模雲帶頭定義，推論平台卻用來跑開源模型、用來降低對閉源旗艦的依賴。中立交換能不能同時討好雲商與想遷走閉源工作負載的企業，要看到 2027 年的合約條款，不是看今天的引言。

若你負責把試點收成正式服務，現在唯一能寫進評估表的，是時間與空白。2027 年第一季之前，Inference Exchange 還不能替代你現有的 Bedrock、Vertex、Together AI 直連或自架叢集。能做的是把「推論必須靠近哪一份資料、哪一群使用者、哪一條合規邊界」先畫出來，再拿這張圖去問 Equinix 三件事：哪些都會真的有 AI 就緒電力與冷卻、Together AI 目錄在那些點的時延與隔離等級、單租戶環境的金鑰與日誌能不能留在你指定的司法管轄區。答得出來，這才是一張可下單的推論交換；答不出來，它仍只是 Horizon 舞台上的架構圖。