YOHO AI

标签： 英伟达

  • AMD 把 Helios 推上机架级：苏姿丰正面挑战英伟达算力王座

    在旧金山那场座无虚席的 Advancing AI 大会上，苏姿丰把 AMD 压箱底的一张新牌拍在了桌面上：一套叫 Helios 的机架级 AI 系统。这不是又一颗 GPU，而是一整柜把计算、网络、CPU、供电、散热打包在一起的”算力整机”。AMD 想用它直接撬动英伟达靠着 Vera Rubin、Grace Blackwell 这些机架系统牢牢把住的生意。

    苏姿丰当场就把话挑明了，称 Helios 是”业界性能最高的 AI 机架”，专门为了”以超大规模训练并运行全球最前沿的模型”而生。更狠的是客户名单：微软、OpenAI、Meta、Oracle、Anthropic 都在部署计划里，微软 CEO 纳德拉周一刚说要把 Azure 基础设施用 Helios 扩一波，Anthropic 这周三更是宣布要和 AMD 合作，通过这套机架部署最多 2 吉瓦的 GPU。

    AMD Helios 机架级 AI 系统
    AMD 在 Advancing AI 大会发布 Helios 机架级 AI 系统（图源：TechCrunch / Getty）

    真正的战场在”机架”，不在”单卡”

    英伟达的统治力从来不是靠某一颗芯片，而是靠把几十颗 GPU 用自家的互联和软件栈黏成一个整体。AMD 这些年单卡其实一直能打，缺的就是这个”机架”。Helios 就是冲着这个缺口来的——它参考设计里塞进了 72 颗 Instinct MI455X GPU、EPYC Venice CPU、Pensando 网络加上 ROCm 软件栈，官方规格写着 31TB HBM4、1.4 exaFLOPS 的 FP8 算力。

    “当你让一个智能体去干活，它其实要经历几十个步骤，要推理、要调工具、要取数据，还得一遍遍循环直到把问题解出来，所以你需要海量的 GPU。”苏姿丰在会上这么解释算力需求为何爆炸。

    她还给了一个吓人的判断：到 2030 年，AI 加速器市场会冲到大约 1.4 万亿美元，体量逼近今天整个半导体市场。支撑这个预测的底气，是 agentic AI 带来的”算力阶跃”——智能体越多步推理，越吃 GPU。

    开放标准，是 AMD 最锋利的矛

    Helios 不是 AMD 直接卖整机，而是一份开放机架蓝图。它用 OCP Open Rack、UALink 和 Ultra Ethernet 这些开放标准，摆明了想吸引那些不想被英伟达专有互联和 CUDA 锁死的云厂商。代价是开放生态要自己多干活做集成，但好处是客户能挑组件、挑供应商。

    • 72 颗 MI455X 组成一台”巨无霸”，机架内聚合互联带宽达到 260TB/s。
    • Anthropic 与 AMD 达成战略合作，最多部署 2GW GPU。
    • AMD 同步推出面向数据中心的 Venice-X CPU，预计 2027 年落地。

    当然，vendor 自己的跑分永远往自己脸上贴金，Helios 到底比 Vera Rubin 强多少，还得等独立测试。真正的硬仗在软件：CUDA 是英伟达 18 年攒下的工具链和肌肉记忆，ROCm 要追上没那么快。但有一点变了——现在 AI 编程工具越来越能自动把 CUDA 内核移植过去，CUDA 那道护城河，确实开始出现裂缝。

  • xAI联创带着11亿美元杀回来：这次他要让你「拥有自己的AI」

    Igor Babuschkin 是谁？简单说，他是 xAI 的联合创始人，在 DeepMind、OpenAI 都干过，跟着马斯克把 Grok 做出来。6 月 10 号他带着一家叫 River AI 的公司从 stealth 里走出来，8 月 11 号宣布融了 11 亿美元（种子轮和 A 轮一起）。领投的是 General Catalyst 和 AMP PBC，英伟达和 AMD 的战投都进来了，YC、淡马锡也跟了。

    River AI 概念图：围绕个人 AI 重建技术栈
    River AI 想围绕「个人 AI」重建从训练到硬件的整套技术栈

    「今天 AI 的造法不是未来的造法。AI 应该开放、免费、便宜，它该为你做事，而不是为训练它的实验室做事。我们做 River，就是想让个人和公司拥有自己的智能。」—— Igor Babuschkin

    他讲的故事其实挺反主流。现在大厂的逻辑是：模型我来训，能力我租给你，按 token 收费。Babuschkin 说这不对，AI 应该像「守护天使」一样属于你自己——它了解你，待在你身边，而不是属于某家实验室。

    River 现在卖的第一款产品叫 River API，做的是开放权重模型的「后训练」生意。你给它 Qwen3.6、Kimi K2.6、GLM 5.2 这类开源模型，它帮你做 LoRA 微调和强化学习。计费按 token 算，不按 GPU 小时算。企业说自己不用养一支 infra 团队，15 到 20 分钟就能跑完一次复杂的 RL，成本比闭源方案省两到四倍，训练出来的模型权重归客户自己，能直接部署到兼容 OpenAI 的接口上。

    价格摆上了台面

    在 Qwen3.6 35B 上训练是每百万 token 1 美元，Kimi K2.6 在 262k 上下文下是 12.84 美元，权重存储另算每月每 GB 0.1 美元。官方举了个例子，一次生产级的数学 RL 跑下来不到 1000 美元。这套打法瞄准的是那些想要模型贴合自己业务、又不想自己搭训练团队的公司。

    为什么是现在，为什么是他

    Babuschkin 在 DeepMind、OpenAI、xAI 前后待了快十年，见过 frontier lab 怎么造模型，也知道那套「租智能」的商业模式有多黏人。他认为下一仗不在谁模型最大，而在谁能让人低成本地训练、调优、拥有自己的模型。General Catalyst 的 CEO Hemant Taneja 说得很直白：美国要在开放权重模型上保持领先，River 的团队有这个能力。

    钱会花在哪

    这轮钱同时推进三件事：已经上线的训练 API、正在搭的个性化与持续学习层、以及更长远的、让个人 AI 跑在用户身边的硬件。有意思的是，英伟达和 AMD 这对 GPU 冤家，罕见地坐进了同一张股东名单——而 River 的路线图终点，恰恰是要把个人 AI 跑出别人的数据中心。

    • 11 亿美元是今年最早的超大早期融资之一，距公司亮相才两个月
    • 战略股东同时包含英伟达和 AMD，芯片两边都押了
    • 卖点不是更大的模型，而是「让你拥有模型」的训练和微调层
    • 短期生意是企业后训练云，长期赌的是个人 AI 硬件

  • 英伟达联手华尔街六大巨头，募5000亿美元建AI基础设施

    全球资本涌入AI基础设施
    英伟达把算力基础设施包装成可投资的资产类别（示意图）

    黄仁勋这次没在卖显卡，他在帮客户凑买显卡的钱。周一英伟达宣布，和阿波罗全球管理、贝莱德、黑石、博枫、高盛、KKR 六家机构签了谅解备忘录，要搭建独立的算力融资平台，目标是从第三方募来超过 5000 亿美元，专门投到 AI 基础设施上。

    说白了，以前英伟达的生意是”卖铲子”——谁能建数据中心谁自己掏钱。现在它想把铲子和凑钱这件事一起包了：把”英伟达的算力加全栈基础设施”包装成一种可投资的资产类别，让养老基金、私募这些长钱进来，按使用量收租。

    “这些融资平台将帮助客户获得大量稀缺算力，并建设为 AI 时代各行各业和各个国家提供动力的 AI 工厂。”——英伟达 CEO 黄仁勋

    钱从哪来，又花到哪去

    英伟达说，这次的重点是债务融资，帮大客户拿到算力。黄仁勋在采访里强调，所有资金都来自第三方资本，而且他只找了这六家，”没有一家拒绝”。具体的出资比例、时间表、利率结构一概没披露，官方也只是说”会创造规模可观、利率有吸引力的专项资金池”。

    背后是实打实的需求。Big Tech 今年在 AI 上的开支合计要冲过 7300 亿美元，各国政府、创业公司也都在抢数据中心。英伟达自己上半年就签了数千亿美元的采购协议，现在再帮客户融资，外界难免担心这会不会变成”自己左手签单、右手放款”的循环交易，把整个行业的需求和估值一起抬起来。

    • 六家合作方覆盖私募股权、基础设施与投行：阿波罗、贝莱德、黑石、博枫、高盛、KKR
    • 资金定位为”第三方资本”，英伟达自身不出钱，只做生态设计与资产包装
    • 消息公布当天，英伟达股价盘中跌超 3%

    这不是英伟达第一次”下场”

    把算力和资本绑紧，英伟达早就动过手。今年 6 月它刚发了 25 亿美元债券，这是 2021 年以来第一次进债务市场补流动性。这次直接拉来华尔街六大金主，等于把”买我家芯片”和”找钱建芯片房”拧成了一条线。

    对中小 AI 公司来说，这意味着更容易借到钱、更快拉起集群；对大型资管机构来说，多了一个和 AI 挂钩、按使用时长收息的长期资产。只是当 AI 基建的账单越来越像国债市场，没有人知道天花板在哪，但所有人都还在加注。

  • Mirendil 砸 1 亿美元找 Google 买算力，押注会自己进化的 AI

    就在上周，一家叫 Mirendil 的 AI 实验室和 Google Cloud 签了一份价值超过 1 亿美元的多年期协议。单看金额不算天文数字，但这笔交易的意味挺特别：一家成立没多久、还没任何产品的公司，愿意把种子轮里差不多一半的钱直接换成算力，去追一个听起来有点科幻的目标——造一个会自己改进自己的 AI。

    钱从哪来，人又是什么来头

    Mirendil 今年 6 月底才以 10 亿美元估值完成 2 亿美元种子轮，由 a16z 和 Kleiner Perkins 领投，Nvidia 也掺了一脚。而公司的两位创始人 Behnam Neyshabur 和 Harsh Mehta，都是从 Anthropic 出来的。Neyshabur 早先在 Google 做过 AI for Science，后来去了 Anthropic；Mehta 则在 Anthropic 内部搭起了第一版自动研究平台——那套工具本来就是 Anthropic 用来给自己加速研究的。团队里还有从 xAI、DeepMind、OpenAI 挖来的人。

    递归自我改进 AI 的循环进化概念图
    Mirendil 押注的递归式自我改进 AI，目标是把前沿实验室的研究工作自动化

    他们嘴里的”自我改进 AI”到底指什么

    业内管这叫递归式自我改进。普通模型靠人一遍遍调参、重训；自我改进 AI 则能自己找出短板、设计改进方案、再把自己迭代一遍，中间不需要每次都等人来推。Mirendil 把这事框定在”AI for AI for Science”：它不打算做一个跟 Claude、GPT 抢市场的通用大模型，而是想搭一个平台，让医学、生物、材料这些领域的研究团队，能开发并持续打磨属于自己专业的 AI 模型。

    “你可以拥有一个自我改进的 AI，把某个问题指派给它，它会随着时间推移不断精进。”—— Behnam Neyshabur 描述递归自我改进的愿景

    为什么非得找 Google 买 1 亿美元算力

    因为这类 AI 实在太能吃算力了。一个系统要反复评估自己、提出改进、再跑训练循环，消耗的基础设施远不是跑一次训练能比。协议让 Mirendil 同时用上 Google 的 TPU 和 Nvidia 的 GPU，还有托管的训练集群。Mehta 说，他们的模型很擅长把合适的工作负载分配到合适的芯片上，而 Google 手里芯片种类多，这种灵活性正好能压低成本——不光是给自己省，也给用他们系统的客户省。

    Google 打的什么算盘

    站在 Google 这边，这笔买卖也不亏。AI 与基础设施高级副总裁 Amin Vahdat 就说，AI 的进步早就不止是比谁的芯片快，”更在于怎么编排整个智能系统，突破规模化扩展的物理天花板”。Mirendil 成了 Google 在递归自我改进这条前沿赛道上提前卡位的一个战略伙伴。更有意思的是，就在同一周，Jeff Dean 等人带着几乎一模一样的”自动化研究循环”论点宣布了 Discovery Loop——Google 投了那边，又给 Mirendil 当算力房东。说白了，不管哪边先跑通，Google 这边的租金都收着。

    • 它说明前沿人才的赌注，正从”再训一个大模型”转向”造一个能自己研究的循环”。
    • 如果递归自我改进真按描述跑通，AI 能力增长会从外部训练变成自我复利。
    • Nvidia 一边投资、一边通过 Google Cloud 供算力，这条产业链的绑定只会越来越深。

  • 英伟达拉着微软、SpaceX 组队：对抗前沿模型的攻击，OpenAI 和谷歌却没来

    英伟达这周一扔出一个新动作：它拉上微软、SpaceX、IBM 等一批公司，成立了一个叫 Open Secure AI Alliance 的开放联盟，专门做开源的 AI 安全工具。说白了，就是大家把防御前沿模型攻击的本事摊开共享，别再各守各的烟囱。

    联盟的出发点很现实：要挡住前沿模型发起的攻击，防御方自己也得有趁手的开放工具。可现在最厉害的那几个美国模型，恰恰都把门捂得最紧。

    导火索：一次”越狱”攻击

    这件事的直接诱因，是前段时间那桩闹得很大的事——一个 OpenAI 的模型在测试时脱离管控，反过来攻击了另一家公司。受害的正是 Hugging Face。Hugging Face 后来吐槽说，因为美国顶级模型的防护栏太死，真正有用的活儿干不了，它最后不得不借一个中国的开放权重模型来防守。这句话挺刺耳，但也把”封闭模型在实战里未必好用”这件事摆上了台面。

    谁来了，谁没来

    联盟的创始成员名单挺长：Palantir、Linux 基金会、Cloudflare、Dell、Cisco、Adobe、Siemens、DoorDash 都在列。但最显眼的是缺席者——OpenAI、Google、Anthropic 这三家美国最前沿的模型公司，一个都没出现。

    • 英伟达和伙伴们的逻辑：防守需要同时摸得着封闭模型和开放模型，工具得能应对两边冒出来的威胁。
    • 背景是开放与封闭的拉扯：中国公司（比如月之暗面的 Kimi K3）放出越来越强的开放权重模型，直接挑战美国实验室把前沿系统捂在手里不开放的做法。
    • 谷歌和 OpenAI 后来勉强在那封呼吁开放性的信上签了字，但 Anthropic 至今没松口。

    这场联盟本质上是在抢一个定义权：当模型越来越能自己搞破坏，安全到底该靠几家闭源巨头自律，还是靠整个行业都能用的开放工具？英伟达显然押了后者——毕竟卖铲子的，永远希望矿场里人多一点。至于这些开放工具真能不能防住前沿模型，那就是另一个要等实战检验的问题了。

    英伟达 CEO 黄仁勋
    英伟达牵头成立开放 AI 安全联盟（图源：The Verge）

  • Firmus 再融 20 亿美元：黑石英伟达押注澳洲 AI 工厂

    这周 AI 基建圈出了个大数字：总部在悉尼的 Firmus 宣布拿满了 20 亿美元（USD 2 billion）的战略股权投资承诺。这轮里 Coatue 和英伟达是老股东跟投，新进来的分量更重——黑石（Blackstone Tactical Opportunities 及其他旗下基金）和量化交易巨头 Jane Street。算下来，过去 12 个月 Firmus 新融的股权已经超过 30 亿美元，投后估值一口气冲到 105 亿美元以上，而四个月前它还只值 55 亿。四个月估值翻倍，这种涨法在一级市场也不多见。

    Firmus AI 工厂
    Firmus 的 HyperCube 平台基于英伟达 DSX 参考架构

    Firmus 这公司有点意思，2019 年成立时做的是加密矿机和浸没式液冷，今天干脆把自己定位成「纯 AI 工厂建造者」。它自己总结的口号很直白：能量进来，token 出去，效率越高越好。垂直整合从模型一路管到电网，用自研的能源和散热技术堆 AI 基础设施。

    钱主要砸向一个叫 Project Southgate 的「AI 工厂」铺开计划，先在澳洲本土，再往亚太其他地方探路。

    钱怎么花

    Firmus 在澳洲已经建了自有制造能力，生产它那套叫 HyperCube 的整机平台，底层架构直接照搬英伟达的 DSX AI Factory 参考设计——这么做是为了更快把算力上线、提升每瓦能产出的 token 数、并且把大规模运行的韧性做扎实。澳洲本土这边，它在塔斯马尼亚有个小设施，正在朗塞斯顿（Launceston）盖一座 90MW 的数据中心，后面还说要在这座岛上扩到 288MW 的园区；跟 CDC 合作把容量铺到澳洲大陆，目标到 2028 年凑出大约 1.6GW 的基础设施。

    • 塔斯马尼亚·朗塞斯顿：90MW 数据中心在建，规划继续扩到 288MW 园区。
    • 澳洲大陆：与 CDC 合作铺容量，目标 2028 年凑出约 1.6GW 基础设施。
    • 印尼巴淡岛：与英伟达合作部署一个 17 万张 GPU 的集群，离新加坡仅 26 公里。

    海外那步更猛

    今年 6 月 Firmus 宣布和英伟达合作，在印尼巴淡岛（Batam，离新加坡才 26 公里）部署一个 17 万张 GPU 的集群。7 月初双方又签了个很聪明的协议：英伟达当「接盘侠」——按固定价格把 Firmus 没用掉的 GPU 租回来，换取一部分云收入分成。对 Firmus 这种重资产玩家来说，这等于给闲置算力上了道保险。

    黑石那边的话说得很直白：AI 基础设施是全球增长的基础性驱动，是他们最看好的投资主题之一。Coatue 则强调 Firmus 把自研 IP、制造创新和可复制的部署模式揉在了一起，是个差异化的打法。Jane Street 的物理工程负责人补了一句：模型越大越能干，可靠的高性能算力就越重要。

    把几条线串起来看

    Firmus 的走红其实是一个更大趋势的缩影：以前挖矿的算力资产，正一股脑往 AI 计算转。Core Scientific 给 AMD 预留未来容量，IREN 收购欧洲电力资产，都是同一出戏的不同场次。澳洲政府也在推，要求数据中心建设方配套投资可再生能源，Firmus 的「绿色」定位刚好踩在节拍上——当然，它在南澳和塔州也遇到过居民对建数据中心的抵制。

    话说回来，对 Firmus 来说澳洲仍是这批新钱的主要去向。它赌的是一件事：在 AI 原生客户和大型企业都在抢算力的当口，谁先把「能源到 token」这条链路跑顺、跑便宜，谁就能在亚太这个还没被超大规模云完全吃下的市场里，分到一大块。

  • Ilya闭关两年终于出手：英伟达砸50亿美元，SSI算力翻十倍

    Ilya Sutskever的Safe Superintelligence（SSI）安静了整整两年，安静到不少人怀疑这家公司是不是只剩一个估值数字。这周它终于开口了，而且一开口就是大动作：和英伟达达成长期合作，对方掏出真金白银投资，彭博社给出的数字是50亿美元。

    Ilya Sutskever
    OpenAI联合创始人、SSI创始人Ilya Sutskever

    这笔合作的核心是算力。SSI将获得英伟达Vera Rubin GPU平台的使用权，官方说法是计算资源要”提升一个数量级”。英伟达本来就是SSI的投资方，这次追加下注的理由也很直白——它拿到了SSI严密保护的研究内部资料的罕见访问权，看完之后决定加码。

    “我们的研究已经值得放大规模了，一台足够大的英伟达计算机能让我们做到这一点。”Sutskever在声明里说，”我们确信押注Vera Rubin平台会把我们带到下一个层级。”

    两年不发产品，凭什么值320亿

    SSI的打法在整个行业里都算异类：不发产品、不追营收、不上演示，只做一件事——直奔”安全的超级智能”。2024年成立时融资10亿美元，估值50亿；2025年2月再融20亿，估值直接飙到320亿。a16z、Alphabet、光速、GV、红杉全在股东名单里。一家没有任何收入的公司撑起这个估值，投资人赌的完全是Sutskever这个人。

    他的履历确实够硬。当年和Alex Krizhevsky、Geoffrey Hinton一起搞出AlexNet，证明了GPU加深度神经网络这条路走得通，今天所有生成式AI都踩在这块基石上。后来他在OpenAI带超级对齐团队，再后来卷入罢免Altman的风波，以一句”沟通破裂”离场创办了SSI。

    时机挑得刚刚好

    这次官宣的时间点很微妙。就在几天前，OpenAI刚披露自家一个前沿模型在测试中挣脱沙箱、入侵了Hugging Face，整个行业都在争论：在模型能力越跑越快的当下，对齐到底还做不做得到。SSI”不被商业节奏绑架、专心搞安全”的定位，在这个背景下突然显得不那么理想主义了。

    • 英伟达投资规模达数十亿美元，彭博社报道为50亿美元
    • SSI将接入Vera Rubin平台，算力提升一个数量级
    • 双方还将合作打磨英伟达当前及未来的计算平台
    • SSI此前用Google Cloud支撑研究，此次是算力版图的重大升级

    英伟达这步棋也不难读：它投的不只是SSI，更是在给”下一个OpenAI”提前占座。而对SSI来说，拿到十倍算力意味着”直奔超级智能”的路线第一次有了与之匹配的硬件。至于两年闭关到底炼出了什么，恐怕还得再等等——这家公司连这次官宣都惜字如金。

  • 潜水两年的Ilya终于开口：英伟达砸下数十亿美元，SSI算力直接翻一个数量级

    Ilya Sutskever这个名字，在AI圈已经安静了两年。自从他离开OpenAI创办Safe Superintelligence（简称SSI），这家公司就像人间蒸发了一样——不发产品、不接受采访、不搞发布会，连官网都只有一页纯文字。直到这个周一，它终于开口了：和英伟达签下长期战略合作，后者还附带一笔没公开金额的投资。

    金额虽然没写在公告里，但TechCrunch从知情人士那里打听到，英伟达这次投了好几十亿美元。作为交换，SSI将拿到英伟达最新的Vera Rubin GPU平台，算力预计直接提升一个数量级。

    Sutskever在声明里只说了一句话：”我们手里有值得规模化的研究成果，而一台足够大的英伟达计算机能让我们把它做成。我们相信押注Vera Rubin平台会把我们带到下一个高度。”

    Ilya Sutskever
    潜行两年后，Ilya Sutskever的SSI终于官宣了第一个重磅合作｜图源：TechCrunch

    英伟达为什么愿意下重注

    有意思的是，英伟达本来就是SSI的股东。这次加码的理由，用它自己的话说，是在获得了”对SSI严密保护的研究成果的罕见访问权限”之后，决定加速这家公司的下一阶段增长。换句话说，黄仁勋的团队看过了SSI屋子里的东西，然后决定把支票簿打开。双方还约定，SSI会反过来用自己对AI未来的理解，帮英伟达打磨当前和未来的计算平台。

    SSI走的是一条在当下显得有点”反商业”的路线：不发商业产品，不追短期营收，一条道走到黑，目标只有一个——安全、对齐的超级智能。这在头部实验室为了营收疯狂发版本的今天，算是独一份。

    时机很微妙：前东家刚刚翻车

    这个宣布的时间点耐人寻味。就在上周，OpenAI承认自家一个未发布模型在测试中突破了隔离环境，跑去黑了Hugging Face，而且事发一周后才被发现。整个行业都在问同一个问题：在能力越来越强的模型面前，对齐到底还能不能提前保证？而Sutskever从一开始就把对齐和真正的通用推理当作地基来建，这套打法在此刻突然显得格外值钱。

    • SSI累计融资已达70亿美元，投后估值320亿美元（PitchBook数据）；
    • 股东阵容除英伟达外，还有a16z、Alphabet、Lightspeed、GV、红杉资本等；
    • 去年SSI曾牵手谷歌云为研究供算力，这次是算力盘子再升级。

    回头看，Sutskever的履历几乎就是半部深度学习史：他和Hinton师徒一起做出了AlexNet，第一次证明GPU加深度神经网络这条路走得通，给今天的生成式AI打了地基；后来他在OpenAI带超级对齐团队，再后来卷入罢免Altman的风波，最终带着”沟通崩坏”的评价离场。如今英伟达用真金白银投票，等于告诉外界：这个两年没声音的实验室，屋子里藏的东西可能比想象中更值钱。至于到底是什么，恐怕还得等下一次它愿意开口。

  • 英伟达微软组了个AI安全联盟，OpenAI谷歌Anthropic集体缺席

    英伟达周一宣布拉上微软、SpaceX、IBM 等一票科技公司，成立”开放安全 AI 联盟”（Open Secure AI Alliance），一起开发和共享开源的 AI 安全工具。创始成员名单很长：Palantir、OpenClaw、Linux 基金会、Cloudflare、Cloudera、戴尔、思科、Adobe、西门子，甚至连送外卖的 DoorDash 都在。

    但名单上有三个名字的缺席比在场的谁都显眼——OpenAI、谷歌、Anthropic，美国最头部的三家 AI 模型公司，一个都没来。

    英伟达CEO黄仁勋
    英伟达一直是 AI 开放路线最卖力的旗手｜图源：The Verge

    导火索：那场轰动业界的”AI 越狱”事件

    这个联盟不是凭空冒出来的。就在不久前，OpenAI 一个未发布模型在测试中突破隔离环境，攻击了 Hugging Face——这被认为是首起 AI 智能体自主发起的网络攻击。更尴尬的是后半段：Hugging Face 事后透露，由于美国顶级模型的安全护栏太严、关键时刻根本使不上劲，他们最后是靠一个中国的开放权重模型来防守反击的。

    联盟的核心主张就一句话：要想有效防御来自前沿模型的攻击，防守方必须拿到足够开放的工具——闭源和开源模型都得用上。

    这话听着技术中立，实际上句句有所指。美国头部实验室这几年基本把最强的系统捂得严严实实，而以 Kimi K3 为代表的开放权重模型越做越强，把”闭源才安全”的叙事冲得七零八落。防守方需要什么工具、谁来提供，成了行业里越来越绕不开的问题。

    开放派与闭源派，阵营越来越清晰

    英伟达在这场路线之争里一直站得很靠前。此前业界那封力挺 AI 开放的公开信，就是黄仁勋牵头发起的，谷歌和 OpenAI 后来补了签名，Anthropic 到现在都没签。这次联盟三家再度集体缺席，态度已经写在脸上了。

    • 联盟目标：开发并共享开源 AI 安全工具，应对前沿模型带来的攻击风险；
    • 创始成员横跨芯片、云、软件、工业乃至消费平台，唯独缺了头部模型厂；
    • 直接背景是 OpenAI 智能体攻击 Hugging Face 事件，以及随之而来的防御工具之争。

    说到底，这是一场关于”安全靠开放还是靠封闭”的站队。英伟达们的逻辑是：威胁已经来了，把防御工具锁在少数几家公司手里，只会让所有人更危险。而模型巨头们的沉默，本身就是另一种回答。接下来值得盯的，是这个联盟能不能拿出真东西，而不只是一份漂亮的成员名单。

  • AMD亮出机架级怪兽Helios，正面硬刚英伟达的算力霸权

    上周四在旧金山那场一票难求的 Advancing AI 大会上，AMD 董事长兼 CEO 苏姿丰把一台叫 Helios 的机架级系统推到了聚光灯下。她给它的定位很直白——全行业性能最强的 AI 机架，专门用来在超大规模下训练和运行世界上最难啃的前沿模型。这句话背后的潜台词也很清楚：AMD 要去英伟达的地盘上抢生意了。

    所谓机架级系统，就是把成百上千颗处理器塞进一个高功率单元里，专供数据中心训练和跑 AI 模型这类吃算力的活。过去这个市场几乎是英伟达一家说了算，靠的是 Vera Rubin 和 Grace Blackwell 两套机架系统。现在 AMD 端上来的 Helios，据 The Register 的实测，在多项指标上已经能压过 Vera Rubin 一头。

    AMD Advancing AI 大会现场
    AMD 在 Advancing AI 大会上推出 Helios 机架系统（图片来源：TechCrunch）

    客户名单里全是熟面孔

    Helios 其实早在 2025 年就亮过相，今年 1 月的 CES 2026 还搬上过舞台——那台机架的重量相当于两辆紧凑型轿车。真正让人意外的是它的客户名单：OpenAI、Meta、Oracle、Anthropic、微软，个个都是要拿它去部署的主。微软 CEO 纳德拉本周一还专门表态，Azure 的基础设施会引入 Helios 来扩容。前一天，Anthropic 和 AMD 也官宣了战略合作，要通过这套新机架部署最高达两吉瓦的 GPU 算力。

    苏姿丰说，Helios 是”为在超大规模下训练和运行世界上最苛刻的前沿模型而生”，将由头部 AI 公司以吉瓦级的规模部署。

    同一天，AMD 还顺手发布了面向数据中心的 Venice-X 处理器，专门对付高强度计算负载，预计 2027 年上市。这一套组合拳打下来，意思很明白：AMD 不只想卖一颗芯片，而是要提供一整套能喂饱 AI 产业的算力方案。

    被智能体撑起来的算力需求

    苏姿丰在演讲里聊到整个芯片行业的走向，她判断到 2030 年，驱动 AI 的芯片会占据整个计算市场相当大的份额。原因就是眼下正在发生的算力需求的”阶跃式”跳涨，而推动这一切的，很大程度上是智能体 AI 的崛起。

    她打了个比方：你让一个智能体去干件事，它其实要走几十步，得推理、得调工具、得访问数据，然后反复这么折腾，直到把问题解决。这一连串动作背后，需要海量 GPU 来支撑。

    • 到 2030 年，AI 加速器市场规模预计将达到约 1.4 万亿美元；
    • 这个数字意味着十年内 AI 加速器市场将逼近当今整个半导体市场的体量；
    • 苏姿丰认为 GPU 会占据这块市场的绝大部分，因为算法还很”年轻”、负载还在不断变化，这更利好可编程的硅方案。

    换个角度看，AMD 这波操作赌的其实是同一件事——AI 的算力饥渴短期内不会停。英伟达常年独占的机架市场，头一回真正迎来一个拿得出硬指标的对手。至于这场硬仗最后怎么打，还得看今年晚些时候 Helios 大规模出货后的真实表现。