YOHO AI

标签： AI基础设施

  • 把核反应堆冷却技术搬进数据中心，这家MIT初创公司说能零耗水还省电

    AI的爆炸性增长，背后是数据中心的大规模扩张。到这个十年结束的时候，美国数据中心的用电量预计会占到全国总量的9%到17%。而今天，数据中心大约有三分之一的电力是花在冷却芯片上的。

    这就是Ferveret想要解决的问题。这家公司的名字不太常见，是两个MIT的研究员创办的。其中一个是Reza Azizian，他曾经是MIT核工程方向的博士后；另一个是Matteo Bucci，MIT核科学与工程系的副教授。

    从核反应堆到AI芯片

    他们做的事情听起来有点跨界：把核反应堆里的热量传递技术，搬到数据中心的芯片冷却上。核反应堆里，怎么把堆芯的热量高效地导出来，直接决定了能发多少电。科学家在这件事上研究了几十年。现在，同样的技术思路被用到了AI芯片上。

    Ferveret的方案叫自适应相变冷却（APC）。简单说，就是把服务器整个浸没在一种特殊的液体里。这种液体比风扇吹出来的空气吸热效率高得多。但Ferveret跟别家的浸没式冷却不一样的地方在于气泡——他们的液体在服务器表面产生的小气泡，比别的方案更小，脱离表面的频率也更高，这样热量传递就快得多。

    最关键的一点是，这个方案不耗水。传统的数据中心冷却，蒸发水冷要耗掉大量的水。Ferveret用的是一种低沸点的液体，不含那些有毒的PFAS”永久化学物质”，而且根本不需要往系统里加水。

    Ferveret冷却系统
    Ferveret的冷却系统将服务器浸入特殊液体中（图片来源：MIT News）

    实测数据

    他们最近跟加州大学洛杉矶分校的塞缪利计算机科学系合作做了一项测试，结果显示Ferveret的APC方案比目前最先进的液冷方案，计算能效提升了15%。如果把这部分节省下来的电，再加上Ferveret的功率控制系统对运行条件的优化，同样多的电力，数据中心的AI模型能多产出35%的token。

    Azizian第一次走进数据中心是2017年。他记得那时候整个建筑里全是巨大又嘈杂的冷却风扇。”我当时想，天哪，你们不是这么冷却设备的吧。”风冷最多能占到数据中心总功耗的40%。因为不影响性能，没人介意这套技术已经是50年前的了。

    模块化设计，适配现有基础设施

    Ferveret的产品做得比较巧妙，不是那种把服务器整个泡进去的大油箱，而是一个个能装单台服务器的小箱子，直接装在机架里。这样的模块化设计，部署和维护都方便，现有的数据中心基础设施不用大改。

    他们还配套提供了控制软件，实时调整每台服务器的功率，进一步优化效率。Bucci说，他们的全栈系统包括冷却箱、机架、冷却分配单元和传感器，软件会监控这些传感器的数据，自动把每个箱子里的运行条件调到最优。

    零耗水的地理红利

    零耗水还有一个额外的好处。阳光充足的地方往往缺水，比如非洲、中东、美国的一些地区。Ferveret的技术让那些地方也有可能建数据中心，用当地的可再生能源，不用担心冷却用水的问题。

    Ferveret现在已经跟几家公司展开了测试，包括数据中心开发商CleanSpark、AI加速器公司FuriosaAI，还有美国最大的数据中心运营商之一Switch。他们也在跟那些超大规模的云厂商谈，目前已经是英伟达Inception初创扶持计划的成员。公司计划今年晚些时候公布更多合作伙伴的消息。

  • 亚马逊第一次公布数据中心用水数字：一年25亿加仑，说自己比同行省水

    亚马逊终于把数据中心用多少水这件事说出来了，这是他们第一次公开年度用水数据。2025年，亚马逊全球数据中心一共烧掉了25亿加仑的水。

    数字公布的时间挺微妙。就在西雅图通过了一年数据中心建设禁令之后没多久，这个禁令还得到了部分亚马逊员工的支持。公司这时候把用水数据亮出来，多少有点回应外界质疑的意思。

    25亿加仑背后的数字游戏

    25亿加仑，听起来是个天文数字。但亚马逊说，他们的用水效率其实比微软、谷歌、Meta这些同行都要高。他们的报告里有一张对比图，显示每用1千瓦时的电，亚马逊的数据中心耗水0.12升，比那几家的数字都低。

    不过这个对比有点取巧。亚马逊引用谷歌的数据，只针对Gemini AI的数据中心，而亚马逊自己的数据覆盖的是全部业务。如果把谷歌所有数据中心的用水算进来，情况可能不一样。

    还有一个漏洞。亚马逊的用水统计，没有算上为数据中心供电的那些发电厂间接用了多少水，也没有把新建数据中心施工过程中的用水算进去。环保组织一直盯着这一点，说科技公司的用水报告总是挑对自己有利的数字放出来。

    风冷为主，水冷为辅

    亚马逊说他们有办法省水。数据中心90%的时间用的是风冷，只有最热的那几天、一天里最热的几个小时，才会打开蒸发水冷系统。他们还把服务器的耐热阈值调高了，让机器在高温下也能撑得住，这样就不用一热就开水冷。

    亚马逊引用了一篇去年发表的同行评审论文，调整后的数字显示，他们的数据中心用水效率是行业平均水平的7倍。这个数字外界还无法独立核实。

    亚马逊数据中心
    亚马逊的数据中心园区（图片来源：The Verge）

    时机不凑巧

    外界的质疑声不会因为这一个报告就停下来。数据中心用水这个话题，已经从小圈子里的技术讨论变成了社区政治。纽约州已经通过了一年的数据中心建设禁令，西雅图的禁令能不能撑过法律挑战还不好说。亚马逊这时候把数字亮出来，更像是一次公关防御，而不是主动透明。

    科技公司之间比用水效率，这件事本身就很新。过去大家比的是算力、比的是模型效果，现在算力背后的环境成本被摆到了台面上。亚马逊第一个把数字亮出来，不管怎么说，总比一直捂着强。

  • SpaceX要上市了，但那1.8万亿美元估值里到底藏着什么猫腻






    SpaceX要上市了，但那1.8万亿美元估值里到底藏着什么猫腻

    SpaceX这周五就要上市了，投资者的兴奋劲儿简直压不住。据说这次750亿美元的股票发行已经被超额认购得厉害，一些机构投资者甚至愿意拿出100亿美元来抢份额。

    有很多理由对这笔投资保持怀疑——大型IPO往往上市后股价会跌，这家公司目前还在亏损，而且马斯克在网络上那些反复无常的举动，如果是其他任何科技公司的CEO做出来的，都会让人恐慌。但这似乎并没有让投资者的热情降温。科技投资者已经学会了一件事：无论业务逻辑如何，都不要和埃隆对着干。

    SpaceX AI数据中心概念图
    SpaceX规划的太空AI数据中心概念图（图源：TechCrunch）

    冷静看一下估值

    但如果抛开情绪，客观看待SpaceX的财务计划，我们仍然可以了解他们押注的方向：一项以轨道数据中心为核心的业务，该业务是马斯克在IPO前18个月为了统一自己的商业帝国、寻找新愿景时提出的。

    马斯克一贯行事大胆，这个计划也不例外，而且需要至少三项近乎不可能的工程壮举：可重复使用火箭、全新的美国芯片代工厂，以及比以往任何时候都更快地制造卫星的能力。

    这样的商业计划很难估值。本周，两份分析试图对SpaceX的计划给出更冷静的评估——一份来自金融研究公司晨星（Morningstar），另一份来自纽约大学专门研究企业估值的金融学教授阿斯沃斯·达莫达兰（Aswath Damodaran）。两项研究都认为SpaceX的价值远低于该公司银行家给出的近1.8万亿美元的估值。晨星给出的估值为8250亿美元，而达莫达兰认为该公司价值1.2万亿美元。

    造成这种显著差异的原因，在很大程度上是由于将世界领先的太空垄断业务与风险高得多的AI业务绑定在了一起。晨星的分析师将该公司每股63美元的公允估值与SpaceX 135美元的发行价之间的差额，描述为对SpaceX能否以马斯克认为的速度和能力交付轨道数据中心的72美元看涨期权。

    SpaceX的AI业务到底是什么

    问题在于，SpaceX的AI业务到底是什么？在该公司的S-1招股说明书的市场分析中，它将企业AI领域定位为最大的机会——其模型将为从Cursor收购的团队开发的编码工具提供动力，或者该公司的Macrohard项目，该项目旨在让数字代理具备执行白领工作的能力。

    SpaceX评估该业务的总市场规模为22.7万亿美元，而AI基础设施的市场规模为2.4万亿美元，该公司的太空业务规模不到2万亿美元。

    但这与该公司最近达成的向Anthropic和谷歌出售大量算力的交易相矛盾，而这两家公司都是模型业务领域的竞争对手。这在马斯克的公司中并不罕见：SpaceX经常发射其Starlink网络的竞争对手运营的卫星。只是它通常是在占据优势的情况下这么做，而不是在追赶的时候。

    做新云（neocloud）可能是不错的短期业务，但这引发了价值将在AI技术栈中何处积累的问题：如果你不能两者兼得，是做算力提供商更好，还是做模型构建者更好？

    太空数据中心：两全其美的解决方案

    主导AI业务的规模扩张逻辑要求，严肃的前沿实验室必须不断训练更强大的新模型（或者正如马斯克在最近对萨姆·奥特曼的诉讼中承认的那样，通过蒸馏其他公司模型的能力）。任何不急于前进的竞争对手都可能落后，尽管更便宜的开源模型能力的提升可能会削弱这种动态。

    太空数据中心是一种两全其美的解决方案，它可以提供足够的算力，让SpaceX实际上可以同时做这两件事。

    在本周SpaceX发布的一段视频采访中，马斯克阐述了为什么SpaceX最有能力交付数据中心的理由。这一论点的核心是，SpaceX是唯一一家能够以低成本将大量质量送入轨道、制造大量太阳能电池板并制造大量芯片的公司。一般来说，行业专家认为大规模太空数据中心大约还需要10年才能实现，但马斯克辩称（有很多附加条件）它们的实现时间要近得多。

    “这不是我们承诺会做的内容，”马斯克在视频中说，”这是我们要尝试做的事情，我们认为我们可能可以做到，也就是到明年年底，太空AI算力的年化速率达到约1吉瓦。”

    根据他预计的每颗卫星150千瓦的最大功率输出，这意味着每年需要生产6666颗卫星，即每月约556颗。这大约是据报道的Starlink卫星当前生产速率的两倍，后者每周仅生产70颗。尽管马斯克表示AI卫星的架构更简单，但对于一个尚未建成的生产设施来说，这个要求很高。该公司目前还在建设其太阳能电池板生产设施。

    三大硬科技挑战

    除此之外还有Terafab，该公司备受讨论的芯片代工厂，马斯克认为它将支撑该产品的后期阶段，因为该公司试图将算力年产量扩大到1太瓦。芯片代工厂是现代最难的工业项目之一，通常耗资数十亿美元，耗时长达10年才能建成。

    然后是最关键的问题：Starship（星舰）怎么样？它是SpaceX能够经济地将所有这些芯片送入轨道的关键。

    最近的一次试飞进展顺利，但并没有表明快速可重复使用即将实现。SpaceX可能最终会先只重复使用助推器，这将提高太空数据中心推出的成本。目前，该公司仍在接受美国联邦航空管理局（FAA）的事故调查，以了解为什么助推器级未能按计划进行受控再入。SpaceX尚未回应关于该飞行器何时再次飞行的问题，不过它曾表示预计今年年底前开始用它发射Starlink卫星。

    但对此要持保留态度：要知道，与SpaceX签订了近40亿美元合同、将Starship用作月球着陆器的美国国家航空航天局（NASA），仍然没有准备好承诺在2027年底进行该飞行器的测试任务。

    买者自负

    当公众投资者拿到SpaceX的股票时，他们会发现自己拥有美国和欧洲近乎垄断的太空准入权、一个覆盖全球的通信网络，以及对AI时代最雄心勃勃的基础设施项目的押注。

    这些项目都依赖于SpaceX创造前所未有的东西——完全可重复使用的火箭。该公司还需要为AI卫星建设高产能生产设施，但要在18个月内完成，而不是该公司开发Starlink制造能力所用的10年。最后，它还需要在美国建设一家芯片代工厂，即使是专门的硅片公司也不愿承担这样的项目。

    马斯克曾经说过，在到达火星之前他不会让SpaceX上市，因为善变的投资者可能会在这过程中失去信心。这些计划可能已经搁置，但他在公司IPO前列出的计划可能同样困难。


  • Google母公司掏出800亿美元加码AI基建，巴菲特掏了100亿

    2026年6月，Alphabet（Google母公司）宣布了一件事：要融资800亿美元，全部投向AI基础设施和全球算力扩容。其中，伯克希尔·哈撒韦（巴菲特的公司）掏了100亿美元。这笔钱不是小打小闹，是AI军备竞赛里迄今为止最大的一笔单笔融资。

    钱从哪来，到哪去？

    Alphabet的公告说得很清楚：这800亿美元是股权融资，方式包括承销发行和定向增发。伯克希尔·哈撒韦的100亿美元是定向投入，剩下的通过公开市场承销发行，最终超额认购，总融资额约850亿美元。

    钱去哪了？全部用于扩大AI基础设施和全球计算能力。具体来说，就是建更多的数据中心、买更多的TPU和GPU、扩容谷歌云的计算容量。Sundar Pichai在6月的投资者路演上说得很直白：当前AI产品的需求远远超过了供给，必须扩产。

    Alphabet CEO Sundar Pichai：”AI是我们这个时代最具变革性的平台级机遇。需求远超供给，我们需要扩大投资来抓住这个增长窗口。”

    财报里的信号：云业务增长了63%

    为什么要在这个时间点大额融资？看看Alphabet 2026年Q1的财报就明白了。营收1100亿美元，同比增长22%；运营收入400亿美元，同比增长30%。其中，谷歌云营收同比增长63%，积压订单环比接近翻倍，达到4600亿美元。

    4600亿美元的积压订单意味着什么？意味着未来24个月内，超过50%会转化为实际营收。客户愿意提前锁定算力，说明AI基础设施的供需缺口不是短期的，而是结构性的。

    Alphabet投资者路演
    Alphabet 2026年6月投资者路演（图源：Google官方博客）

    全栈AI布局，十年积累的差异化优势

    Alphabet在路演中重点讲了自己的”全栈AI”布局，从底层基础设施到上层产品，一共五层：基础设施层（TPU、数据中心、全球光纤网络）、安全层、研究层（Google DeepMind）、模型与工具层（Gemini系列、Nano Banana等）、产品层（搜索、Gemini应用、YouTube等13款超10亿用户产品）。

    这个布局的核心差异化是：大部分竞争对手只做其中一两层，Alphabet五层全有。自研TPU已经到第8代，Gemini服务成本在过去一年降低了78%。成本降下来，才能以更低价格向开发者和企业开放模型调用。

    不是所有钱都砸基建：Waymo、量子计算也在押注

    Alphabet的”Other Bets”（其他押注）板块也在烧钱，但方向是实体世界和生命科学。Waymo已经在11个美国主要城市运营，每周提供超50万次全自动驾驶出行服务，2026年估值达到1260亿美元。Wing无人机配送完成了超100万次家庭配送。

    量子计算方面，Alphabet通过Willow Early Access Program把量子计算从实验室推向实际应用。这些看起来离AI很远，但背后的逻辑是：未来的AI不只是软件，它会嵌入物理世界——自动驾驶、机器人、药物研发、量子计算，都是这个版图的一部分。

    • 融资规模：800亿美元股权融资，伯克希尔·哈撒韦投入100亿
    • 资金用途：AI基础设施、数据中心、TPU/GPU采购、算力扩容
    • 财务背景：Q1云业务增长63%，积压订单4600亿美元
    • 全栈布局：5层AI架构，自研TPU第8代，Gemini成本降低78%
    • 长期押注：Waymo、Wing、量子计算、生命科学

  • Meta盯上了印度：和信实联手建AI数据中心，全球算力竞赛新战场

    全球AI基础设施竞赛的下一个战场，在印度。

    Meta本周宣布，与印度信实工业（Reliance Industries）达成合作，将在古吉拉特邦的贾姆纳格尔建设一座168兆瓦的AI数据中心。这是Meta在印度的首笔AI基础设施投资，也是它与信实之间不断深化的合作关系的最新篇章。

    Meta AI数据中心
    Meta与Reliance合作在印度建设AI数据中心（图源：TechCrunch/Getty Images）

    为什么是印度

    印度正在成为AI基础设施投资的热土，原因不难理解：土地和能源成本相对低廉，政府拿出真金白银的优惠政策，而且本土的数据中心市场本身也在快速增长。

    印度政府推出政策，对境外云服务商出售给海外客户的服务提供税收豁免，有效期一直到2047年——前提是这些算力负载必须运行在印度境内的数据中心里。

    这条政策直接促使各大科技巨头把AI算力搬到印度。微软承诺2029年前在印度投资175亿美元，亚马逊追加350亿美元（累计达到750亿），谷歌砸了150亿美元建设AI基础设施枢纽，OpenAI也通过与塔塔合作锁定了100兆瓦的容量，目标直指1吉瓦。

    这座数据中心有什么特别的

    贾姆纳格尔的这座设施计划两年内建成，后续还可以继续扩容。它有两个亮点：全部使用可再生能源供电，冷却系统用的是淡化海水——这在缺水地区是个非常务实的设计。

    Meta将租赁这座设施的计算容量，并承担全部能源和水资源成本。信实方面负责从设计、建设到运营的一条龙服务，看得出这家印度财团想在AI基础设施领域做”全能供应商”的野心。

    • 容量：168兆瓦，可后续扩容
    • 建成周期：2年
    • 能源：100%可再生能源
    • 冷却：淡化海水
    • Meta额外在印度签约了近1吉瓦的新增可再生能源产能

    印度数据中心的爆发式增长

    如果把视野拉大，这座168兆瓦的数据中心只是印度AI基础设施大爆发的一个缩影。根据政府数据，印度已安装的数据中心容量从2020年的约375兆瓦，增长到2025年的约1.5吉瓦。行业预计，到2030年这个数字将超过8吉瓦，增长超过5倍。

    除了全球科技巨头，印度本土的阿达尼集团承诺投入1000亿美元建设AI数据中心，塔塔咨询服务公司也拿出了20亿美元的计划。AirTrunk（被黑石支持）更是宣布将投资300亿美元，在印度建设5吉瓦的AI数据中心容量。

    回过头看，Meta和信实的合作其实早在2020年就埋下了种子——当时Meta向信实旗下的Jio平台投资了57亿美元。此后双方从电信和消费互联网，一路合作到了企业AI解决方案，现在又延伸到了AI基础设施。这种”由浅入深”的打法，值得所有想进入新兴市场的科技公司参考。

  • 亚马逊员工倒戈了：请西雅图暂停新建数据中心，别为了AI烧了这座城市

    有时候抗议数据中心的不是环保组织，而是数据中心自己家的员工。最近西雅图发生的一件事让这个矛盾摆到了台面上：亚马逊的员工公开站出来，支持西雅图市议会对新建数据中心实施一年暂停令的提案。

    369兆瓦是什么概念

    先说一下背景。几个月前，四家公司向西雅图提交了我们新建5个大型数据中心的计划。根据《西雅图时报》的数据，这5个数据中心的最大用电需求加起来是369兆瓦——大约是西雅图日均用电量的三分之一。建成后，它们的耗电量将是西雅图现有30个数据中心总耗电量的10倍。

    西雅图市议会2026年6月9日对此进行投票。如果暂停令通过，所有新的大型数据中心提案将被搁置一年，期间市政府可以研究相关立法，把规则制定权拿回到自己手里。

    数据中心建设抗议
    AI数据中心建设在全美各地引发抗议丨来源：The Verge

    亚马逊员工说了什么

    在西雅图土地利用和可持续发展委员会的听证会上，几位亚马逊现任软件工程师的发言相当直接。Liesl Wigand是”亚马逊气候正义员工”组织的成员，这个组织由亚马逊现任和前任员工组成，致力于推动气候议题。她说到自己在工作中亲眼看到不计成本推进AI建设的后果：

    “最大的问题是大家认为AI可以解决一切问题，却完全忽略了它要消耗的资源。这种文化在科技行业无处不在。不要为了赢得AI竞赛让大科技烧了西雅图。”

    另一位亚马逊软件工程师Patrick Schloesser则提出了更具体的诉求：开发商不得用保密协议（NDA）和空壳公司隐瞒身份；每个开发商必须为区域电网提供100%新增可再生能源；如果进行裁员就要被征税；还需要设立向城市汇报的员工主导安全委员会。

    他引用报告称，亚马逊今年资本支出达2000亿美元，微软达1900亿美元，其中大部分指定用于AI和数据中心。与此同时，亚马逊过去8个月已经在公司办公室裁员3万人。”这告诉我，大科技正不顾一切地尽可能快地建设尽可能多的算力。这种迫切性给了我们的城市谈判筹码。”

    这不是孤例

    西雅图这件事不是第一个。数据中心在美国各地都已经引发了抗议，核心关切无非三个：水资源消耗、当地电价上涨、噪音问题。就在前不久，纽约州立法机构刚刚投票通过了一年期大型数据中心建设禁令，目前已经提交给州长签署。

    听证会上还有发言者播放了录音，证明数英里外就能听到数据中心的噪音。也有人提到近年来数据中心导致他们的电费上涨，以及西雅图的无家可归者数量在2024年以来显著增长，住房负担能力危机仍在恶化。

    一位要求匿名的亚马逊前员工告诉The Verge，公司正在”不顾一切地推进”数据中心建设，完全没有征求员工或建设所在地社区的意见。”我们真的有机会利用这个暂停的时间，说清楚如果这是我们未来要共存的科技，我们怎么才能让它真正让基础设施和科技本身惠及民众，而不是只让财富集中在少数科技亿万富翁手里？”

    这件事值得关注的原因

    科技公司的员工公开反对自己公司的基础设施扩张，这种事并不多见。它反映出一个更深层的矛盾：AI竞赛的代价正在从抽象的数字变成具体的、本地化的成本，而且这些成本不一定由享受AI服务的人来承担，而是由数据中心所在地的居民来承担。

    西雅图市议会的投票结果目前还没有最终确认，但这件事本身已经足够说明问题了。AI的基础设施扩张不会是一路绿灯，未来类似的摩擦只会越来越多。

  • 谷歌把300万颗AI芯片订单交给英特尔，台积电一家独大的日子可能要到头了

    据《The Information》报道，谷歌近期向英特尔下达了一份重量级订单：在2028年前生产超过300万颗谷歌自研的TPU芯片（张量处理单元）。消息一出，英特尔股价早盘一度飙升逾10%，最终仍上涨9%，领涨整个芯片板块。

    这不是一笔普通的采购合同，而是AI芯片代工格局正在发生微妙变化的一个信号。长期以来，台积电几乎吃下了所有高端AI芯片的代工订单，谷歌的TPU、英伟达的GPU，绝大部分都产自台积电的产线。现在，这种一家独大的局面开始出现裂缝。

    台积电的产能紧缺，逼着谷歌和英伟达开始认真考虑”备份方案”。英特尔想借这个机会，把流失给台积电的代工霸主地位抢回来。

    为什么是现在？

    谷歌不是一时兴起。据报道，谷歌对英特尔的制造技术进行了数月的技术测试，才最终决定把部分TPU订单交给英特尔。背后直接的原因是：台积电的产能已经紧张到无法满足需求了。AI芯片的需求爆炸式增长，台积电的先进制程产线排期排到了天边，谷歌担心把自己的芯片未来全部押在台积电身上风险太大。

    英特尔这边，新任CEO陈立武上台后推动的复兴计划终于开始显出成效。上个月英特尔发布的销售收入指引远超华尔街预期，股价也创下历史新高。特朗普政府也在背后推了一把——有美国官员表示，政府正积极推动为英特尔争取更多商业订单，这背后有产业链本土化的战略考量。

    英伟达也在悄悄测试英特尔

    谷歌不是唯一一个在和英特尔搭话的AI芯片公司。据报道，英伟达也在测试英特尔的制造技术，评估是否用于生产一款将四颗GPU整合封装的新型处理器。这款产品的设计目标是提升整体计算性能，如果英特尔的工艺过关，英伟达也可能成为英特尔代工业务的客户。

    特斯拉也来凑热闹。马斯克今年4月表示，特斯拉的”Terafab”项目计划使用英特尔下一代14A制程生产芯片，这座先进AI芯片制造基地打算落地奥斯汀。

    英特尔能接住这波机会吗？

    话说回来，英特尔能不能真正承接住这些高端订单，还是个问号。台积电在先进制程上的领先优势不是一朝一夕能追上的，英特尔的工艺良率和产能爬坡能力还需要市场验证。但方向已经很明确了：AI芯片设计公司不想被台积电”卡脖子”，英特尔需要这些订单来实现复兴，双方各取所需。

    对于整个AI产业链来说，代工环节的多元化是好事。竞争能让价格更合理，也能让芯片设计公司有更多议价权。只是台积电这么多年的技术积累和市场地位，不是几笔订单就能撼动的——这场代工之战，才刚刚开始。

  • 伦敦AI初创公司拿到3亿美元，它要让工业仿真从几天缩到几秒钟

    伦敦一家叫PhysicsX的AI初创公司刚完成3亿美元C轮融资，投后估值24亿美元。领投方是新加坡主权基金淡马锡，跟投名单里出现了英伟达、西门子这些工业巨头。这家公司做的事听起来很硬核：用AI加速工业仿真，把原本需要几天甚至几周的工程计算压缩到几秒钟。

    工业仿真为什么慢？

    造飞机、造芯片、造能源设备之前，工程师得先用计算机模拟一遍物理过程——风怎么吹过机翼、热怎么在芯片里散掉、流体怎么在管道里流动。传统方法靠求解复杂的偏微分方程，算一次可能要跑好几天，工程师等结果等到花都谢了。

    更头疼的是，每次设计改动都要重新跑仿真。一个飞机机翼的设计迭代几十个方案是家常便饭，按传统方法，一个团队一个月能跑完的仿真数量是有限的，这就是工业研发的核心瓶颈之一。

    仿真速度直接决定了硬件产品的迭代节奏。谁能算得更快，谁就能在设计上跑在前面。

    PhysicsX的做法：把物理规律教给神经网络

    PhysicsX训练所谓的”大物理模型”（Large Physics Model），把物理规律编码进神经网络。一旦模型训练好，预测物理行为就变成了一次前向推理，几秒钟就能出结果。原来工程师每个设计周期只能跑少量仿真，现在可以高强度迭代。

    这轮融资里，英伟达和西门子作为战略投资者进场，给PhysicsX贴了金。英伟达需要证明自己的芯片不仅能训练大语言模型，也能跑工业AI；西门子则是全球最大的工业软件公司之一，它看中PhysicsX的技术能整合进自己的数字孪生平台。

    钱往哪里流，风向就往哪里吹

    淡马锡其实在2025年就投过PhysicsX，这次继续领投，说明主权基金对”AI+重工业”这个方向的押注不是玩票。PhysicsX的客户和收入在过去一年都翻了一番，说明工业AI不是PPT阶段的故事，有真实付费客户在用。

    公司计划用新资金开发能处理多相流体动力学、热力学、结构分析的更大型模型，同时把生意做到全球。航空航天、半导体、能源、国防，都是仿真需求极其旺盛、但传统方法效率极低的行业。

    挑战也不少

    工业场景对准确性的要求极其苛刻，仿真结果差之毫厘，造出来的东西可能直接报废。”大物理模型”能不能在保持速度的同时做到足够的精度，是PhysicsX必须回答的问题。

    此外，西门子、ANSYS这些传统工业软件巨头也不会坐视不理，它们有钱有客户，挖人加功能都比初创公司容易。但无论如何，3亿美元砸进来，说明资本市场认准了一件事：AI进工厂、进实验室、进设计办公室，这条路是通的。PhysicsX能不能成为工业AI领域的标杆，未来几年见分晓。

  • 电动滑板车创始人拿了500万美元，要把AI数据中心搬上太空

    电动滑板车公司Spin的联合创始人Euwyn Poon正在把目光投向更远的地方——太空。他新创办的Orbital公司刚在5月从a16z的Speedrun加速器毕业，并完成500万美元种子轮融资，目标是把AI推理服务搬上轨道。

    太空数据中心概念图
    Orbital计划将AI算力部署到近地轨道 | 图源：TechCrunch

    这个想法的商业逻辑并不复杂：AI算力的需求几乎是无限的，但在地球上扩建数据中心受限于土地、能源和环评。太空里有取之不尽的太阳能，也没有地方监管来拦着你不让你建。真正的瓶颈是发射成本——这也是为什么Orbital把所有赌注都押在了SpaceX的星舰（Starship）上。

    “星舰正式服役后，我们才能实现规模化运营。”Poon说得很直接。以目前最先进的猎鹰9号火箭的发射成本，这个项目在经济上根本跑不通。

    英伟达 Blackwell 上天测试

    Orbital的团队目前约十几人，基地在洛杉矶，成员有来自亚马逊低轨卫星项目、SpaceX和诺斯罗普·格鲁曼公司的背景。他们正在筹备一次演示飞行：在合作伙伴的卫星上搭载一块英伟达Blackwell芯片，测试辐射屏蔽和热管理技术。2028年，公司计划发射第一颗搭载英伟达Space-1 Vera Rubin级GPU的数据处理卫星。

    长期来看，Orbital的目标是部署1万颗卫星，提供总计1吉瓦的分布式算力，单星功率100千瓦。作为对比，马斯克曾表示SpaceX的AI卫星功率最高可达150千瓦，而竞争对手Starcloud计划部署200千瓦级的航天器。

    这条赛道已经挤满了人

    Orbital不是唯一一家赌太空数据中心的公司。Starcloud已经有一颗搭载GPU的卫星在轨，刚完成1.7亿美元A轮融资；另一家a16z支持的Cowboy Space Company等不及星舰，干脆自己造火箭；杰夫·贝索斯的蓝色起源（Blue Origin）也宣布要用新格伦火箭把数据中心送上天。

    Poon认为AI需求的广度足以容纳多家公司成功。”这个赛道有很多细分方向可以探索，”他列举了不同AI工作负载、不同卫星设计理念等选择空间。

    a16z合伙人Andrew Chen看中Poon的原因很实际：他在Spin时期把25万辆电动滑板车铺到100个城市的经验，证明他能搞定复杂的运营管理工作。太空数据中心可能要砸50亿美元、花十年才能跑通，但Chen觉得现在风投对这类长周期项目的接受度比以前高多了。

  • GM把几十万辆电动汽车变成了AI数据中心的「充电宝」

    AI数据中心越来越耗电，这已经不是什么秘密了。就在所有人都在想办法建更多发电厂的时候，通用汽车（GM）提出了一个有点意思的思路：全美马路上跑着几百万辆电动汽车，它们停着的时候，电池里存着大量电能——为什么不能把这些电用起来呢？

    车网互动，把汽车变成移动储能站

    这个技术叫V2G，全称Vehicle-to-Grid，车网互动。简单说就是电动汽车不仅仅能从电网充电，还能在用电高峰的时候把电池里的电反向输送回电网。目前美国道路上已经有超过25万辆具备双向充电能力的雪佛兰、凯迪拉克、GMC电动汽车，理论上这些车的总电池容量足够12万户家庭用整整一周。

    GM Energy家庭能源系统
    GM Energy家庭能源系统示意图（来源：The Verge）

    GM首席产品官斯特林·安德森（Sterling Anderson）在最近的活动上说了一句话挺有意思：「我们设想的未来是，电动汽车、驱动它们的电池以及国家电网能够协同运作。」这话听起来像口号，但GM确实在动真格地推这件事。

    在加州北部，GM正和太平洋煤电（PG&E）合作，打造一支由5.2万辆电动汽车组成的本地车队，用于「电网平衡协议」，这个项目预计2030年投入运行。在密歇根州，GM和DTE Energy合作，以30名员工的家庭为真实测试场景，对双向充电技术做压力测试。

    安德森说，V2G技术可以「通过向历史上僵化的电力系统注入灵活性，同时降低总能源成本，为消费者创造潜在经济回报，还能提升整个电网的系统性可靠性」。

    钠离子电池：储能的下一个方向

    除了V2G，GM还宣布和纽约的Peak Energy合作，开发用于储能系统的钠离子电池。和锂电池比，钠离子电池有几个明显的优势：原材料更便宜、供应更稳定，而且不存在锂电池那种特定条件下起火的安全隐患，低温性能也更好。

    中国的宁德时代（CATL）甚至认为，钠离子电池未来可能替代目前占市场主导地位的磷酸铁锂（LFP）电池一半的市场份额。GM表示钠离子化学体系特别适合商业储能场景，虽然暂时不会用在电动汽车上——因为商业储能更看重使用寿命和成本效益，而不是能量密度。

    GM还在和Redwood Materials合作，利用「梯次利用」的电动汽车电池组建设储能系统。就是那些从车上退役、但还有剩余容量的电池，拿去给数据中心或其他场景做固定储能。这个思路如果跑通了，既能降低储能成本，又能解决电池回收问题，算是一举两得。

    充电体验也在升级

    顺带一提，GM还在自己的App里推出了一个新功能叫「Energy Pass」，车主可以用它在特斯拉超充、Electrify America、IONNA等多个充电网络查找充电桩、启动充电、支付费用，不用为每个运营商单独注册账户。这个细节看起来不大，但对于推动更多人买电动汽车其实挺重要的——充电越方便，顾虑就越少。

    回到AI和能源的话题。AI数据中心的能耗问题短期内不会消失，靠电动汽车反向送电显然也不是终极解决方案，但在能源转型的过渡期，把路上几百万辆电动汽车的闲置电池能力利用起来，至少是一个值得尝试的方向。GM能不能靠这个拿到能源市场的蛋糕，接下来几年就能看出来。