跳到主内容

Cohere 与 Aleph Alpha 签署合并协议:约 200 亿美元的「跨大西洋主权 AI」,德国超市巨头出钱出算力

2026-09-18 · Reuters(Investing.com 转载)/ Tech Startups / DX Today / AI Museum 日报

要点

  • 2026-09-16 签署最终业务合并协议(definitive business combination agreement),把 4 月公布的合作意向转为具有约束力的交易。
  • 合并后统一以 Cohere 名义运营双总部:多伦多 + 柏林;Aleph Alpha 的海德堡办公室转为研究中心;员工规模将超过 1000 人
  • 管理层:Cohere 联合创始人 Aidan Gomez 出任 CEO;Aleph Alpha 联合首席 Ilhan Scheer 出任 COO。
  • 估值约 200 亿美元(约 173.4 亿欧元,为 4 月首次披露时口径);签署时未披露更新后的财务条款,交易仍需监管批准,预计年内完成。
  • Schwarz Group 出资 5 亿欧元(约 6 亿美元)结构化融资,投向即将到来的 E 轮;其旗下 STACKIT 主权云平台作为合资公司的技术底座。
  • 算力规划:Schwarz 计划投入 110~130 亿欧元建设德国数据中心园区,最多容纳 10 万颗 AI 芯片
  • 财务底色:Cohere 去年 ARR 2.4 亿美元;Aleph Alpha 最新公开账目显示 2023 年收入不足 100 万欧元。Cohere 此前累计融资约 16 亿美元(Nvidia、AMD 等参投),2025 年估值 70 亿美元
  • 同期对照:法国 Mistral 上周完成 30 亿欧元融资,估值超过 210 亿欧元

背景与分析

一、这不是「又一个 ChatGPT 竞品」,是一次 AI 供应链的垂直整合

把这条新闻读成「两家模型公司合并」会看漏重点。真正被拼起来的是四块东西:

谁提供作用
模型Cohere(Command 系列,可跑在客户自有环境)能力来源
集成与交付Aleph Alpha(政务与集成软件经验)落地能力、欧洲客户关系
云与算力Schwarz / STACKIT数据 residency 与算力供给
合规身份加拿大 + 德国双总部跨大西洋「非美非中」叙事

Cohere CEO Aidan Gomez 的措辞很直白:要满足的是对 「强大到足以竞争,但安全、可治理到足以信任」 的 AI 的需求。

关键在于 Schwarz 这个角色。 一家开超市的集团(Lidl、Kaufland)同时扮演投资方、算力房东和客户——这在 AI 行业里几乎是孤例。它带来的是别家给不了的东西:一张能自证的「数据没离开欧洲」的凭据

二、为什么是现在:主权 AI 从口号变成了采购标准

时间点不是偶然。三件事在 2026 年下半年同时发生:

  1. 数据 residency 规则在收紧而不是放松——银行、医疗、公共部门对「推理发生在哪里」的要求越来越硬。
  2. Agent 让这个问题从「合规文档」变成「架构问题」。一个聊天机器人托管在外部,企业能接受;一个要访问内部系统、持有凭据、维持状态的自主 Agent 托管在外部,很多企业接受不了。
  3. 欧洲出现了愿意付这个溢价的资本。Mistral 30 亿欧元融资(估值超 210 亿欧元)就发生在上周。

所以这笔交易的真正赌注是:企业 AI 采购中,有多大比例会由「可治理性」而不是「跑分」决定。

三、冷静看风险:财务落差极大,且这不是一个快市场

需要如实指出三点:

  • 收入差距悬殊:Cohere 2.4 亿美元 ARR 对 Aleph Alpha 不足 100 万欧元——后者贡献的主要是关系与资质,不是收入。
  • 估值跳升缺乏公开依据:从 2025 年的 70 亿美元到合并口径的约 200 亿美元,签署时未披露更新后的财务条款,200 亿这个数字仍是 4 月的口径。
  • 主权 AI 的采购周期很长:试点容易停滞,而三大公有云也都在自建主权区。Cohere 押的是「做独立选项而不是别人的主权外壳」值这个价——这个判断要四个季度后才见分晓。

四、对开发者的实际含义:部署形态正在变成选型第一位

过去选模型看三件事:跑分、价格、生态。现在要加两条:

  • 能不能在我自己的网络里跑(专有云 / VPC / 本地 / 混合);
  • 出了问题谁能审计(日志、留存期限、租户隔离、身份管理、事件响应)。

这两条正在从「加分项」变成「入围条件」。 对国内团队而言逻辑完全一致——只是约束来源不同:欧洲是 GDPR 与数据主权,国内是数据出境与信创要求。结论是同一个:先画数据敏感度地图,再选供应商。

对开发者的影响

  • 选型时把「部署形态」写成硬性需求,写在跑分前面。 问清楚六个问题:部署地点、数据留存时长、是否可审计、租户隔离方式、延迟 SLA、事件响应时间。
  • 做 Agent 项目要评估整栈,不只是模型。 模型、工具、身份、记忆、存储、可观测性——主权部署解决的是「这些东西在不在我的边界内」,不是「模型聪不聪明」。
  • 开源自建路线依然是最确定的主权方案。 无论供应商格局怎么变,把权重下下来跑在自己的机器上,是最不依赖第三方承诺的路径;参见 vLLMOllama
  • 私有化 Agent 平台值得提前纳入评估。 如果最终要落到「数据不出内网」,平台层的选型比模型层更关键;参见 DifyRAGFlow
  • 别把「主权 AI」当营销词。 它的实际内容是部署位置、审计能力和法律清晰度——落到合同里才有意义。

AI 之家 观点

  1. 2026 下半年最重要的分野不是「谁的模型更强」,而是「谁能证明自己的数据没去哪儿」。 Cohere 这笔交易把「可治理性」正式定价了——5 亿欧元 + 110~130 亿欧元的数据中心,买的不是智能,是信任的物理载体。
  2. 「超市集团给前沿 AI 供算力」这件事本身,说明 AI 基础设施正在脱离科技行业的自循环。 当算力房东是零售、能源、制造业巨头时,AI 的成本结构会跟着重资产行业的逻辑走——这对长期价格是好事,对短期灵活性是坏事。
  3. 主权 AI 最大的敌人不是美国 labs,是采购周期。 欧洲不缺模型公司,缺的是把试点变成生产部署的速度。Cohere 与 Aleph Alpha 合并解决的恰恰是这个——两家都不擅长的事,合并后可能依然不擅长。
  4. 对国内团队有直接可抄的部分:把「部署形态」前置。 国内很多团队还在按跑分选模型,等到合规审查时才发现供应商给不了本地化部署。建议在选型文档第一行就写「数据能否不出域」,这条不过的直接淘汰。
  5. 估值口径要保持怀疑。 约 200 亿美元是 4 月的数字,签署时未更新;同期 Mistral 210 亿欧元的估值也是一个星期前的事。这一轮欧洲 AI 估值的抬升速度,没有对应的公开收入数据支撑。

相关阅读

来源

待核实:约 200 亿美元估值为 4 月首次披露时的口径,签署最终协议时双方未更新财务条款;110~130 亿欧元数据中心投资与最多 10 万颗芯片为 Schwarz Group 规划口径;Aleph Alpha 收入数据引自其 2023 年公开账目,非最新数据。本资讯由 AI 之家 编辑部基于公开报道整理,非厂商付费内容。

相关对比

Coze vs Dify:AI Agent 平台怎么选?零代码 vs 开源全控对比

Coze vs Dify 2026 选型对比:字节零代码 Bot 平台 vs 开源 LLMOps 全控平台,从平台定位、开发体验、工作流编排、RAG 精度、私有部署、价格模型和适合人群 7 个维度判断,帮你选对 AI Agent 平台。

Dify vs Flowise:LLM 应用开发平台怎么选(2026)

Dify 与 Flowise 都是可视化 LLM 应用开发平台。一句话结论 + 决策树 + 成本对比:要开箱即用的完整产品与中文生态选 Dify,要节点级自由编排与自部署选 Flowise。

Dify vs Langflow:开源 LLMOps 平台怎么选?业务全控 vs LangChain 工程对比

Dify vs Langflow 2026 选型对比:Apache 2.0 LLMOps 全平台 vs MIT 可视化 LangChain 画布,从平台定位、开发体验、工作流编排、RAG 能力、模型生态、私有部署、价格模型和适合人群 8 个维度判断,帮你选对开源 LLMOps 平台。

Dify vs Manus:Agent 平台 vs 通用 Agent 怎么选?2026 对比

Dify vs Manus 2026 选型对比:开源 LLMOps Agent 平台 vs Butterfly Effect 通用 AI Agent。从定位、核心能力、可定制性、开源、价格和适用场景 6 个维度帮你选对 Agent 工具。

Dify vs n8n:AI 工作流平台怎么选?LLMOps 全控 vs 通用自动化对比

Dify vs n8n 2026 选型对比:Apache 2.0 LLMOps 全平台 vs Sustainable Use License 通用自动化平台,从平台定位、工作流编排、RAG 能力、模型生态、集成数、私有部署、价格模型和适合人群 8 个维度判断,帮你选对 AI 工作流平台。

FastGPT vs Dify:国内企业级 RAG 与 Agent 平台怎么选

FastGPT vs Dify 2026 选型对比:从数据合规、私有部署、RAG 精度、工作流复杂度、插件生态、Bot 多平台发布和适合人群判断,帮企业和团队决定是走 FastGPT 的知识库路线,还是 Dify 的 LLMOps 路线。

相关评测