YOHO AI

标签： AI基础设施

  • Prime Intellect融资1.3亿美元，帮企业逃离OpenAI和Anthropic

    1.3亿美元、估值10亿，背后站着英伟达和英特尔

    Prime Intellect这家公司做的事听起来有点硬核：它给企业提供算力和一整套专门软件，让这些公司能自己动手训练AI代理。最新一笔钱是1.3亿美元A轮，估值直接站上10亿美元。领投的是Radical Ventures，跟投名单里躺着英伟达创投、英特尔资本、戴尔科技资本、Iconiq，还有一长串创始人天使——Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang都来了。

    公司2024年成立，核心念头就一个：让组织不用再依赖那些前沿实验室，也能训出自己的代理系统。这事搁几年前几乎不可能，但强化学习这套”做对了就奖励、做错了就惩罚”的法子成熟之后，企业确实有机会把自己的业务模型打磨成专属的”AI实验室”。

    企业AI代理基础设施概念图
    把算力、强化学习框架和评估工具打包成”全栈”，企业按模块取用

    真正卖点：帮你绕开OpenAI和Anthropic

    底层基础设施那摊事太复杂，绝大多数公司根本没本事把它拼成能上生产的系统，这正好是Prime Intellect切进去的缝。它做的”全栈”包含算力接入、强化学习框架和评估工具，平台像个集市，客户挑自己要的模块，不会被绑死在一整套里。

    Radical Ventures的合伙人David Katz说，别人都只给零碎零件，Prime Intellect的特别之处在于，它把顶级AI实验室的本事做成了”一站式商店”，而且价格企业付得起。

    钱花得值不值，看客户就知道。Ramp、Zapier、Flapping Airplanes都在付钱用它的托管版，这一波 adoption 已经把公司年化收入推到了1亿美元。Ramp拿它搭了个在电子表格里找答案的代理，Ramp联合CEO Karim Atiyeh的说法是：精度压过了前沿模型，速度更快，成本只有零头。

    企业为什么突然想”自己掌握智能”

    • 数据主权：把专有信息喂给OpenAI、Anthropic，企业怕失去对数据的控制权。
    • 断供风险：模型说关就关，上个月Anthropic的Fable就是活例子。
    • 竞争焦虑：Katz反问，我怎么知道合作方不会反过来把我这摊事也做了。

    创始人兼CEO Vincent Weisser把话挑得更明：企业正在集体离开闭源前沿模型，而他的公司就是那个让转型能落地的底座。”不该只有旧金山玻璃塔里那几个极客才配训AI模型，”他说，”每一家企业、每一个国家，都该有这个能力。”

  • SambaNova再融10亿美元、估值110亿：AI芯片烧到了银行金库

    SambaNova AI推理芯片与本地数据中心
    SambaNova 押注「本地推理」，把大模型放进企业的自有机柜里（配图由 AI 生成）

    AI 芯片公司 SambaNova 又拿到钱了。这轮 F 轮融资刚完成「首关」，金额 10 亿美元，估值冲到 110 亿美元，领投方是 General Atlantic。公司 CEO 兼联合创始人 Rodrigo Liang 跟 TechCrunch 说，接下来几周还会有更多投资人进来，第二关很快收尾。距离上一轮 3.5 亿美元的 E 轮，才过去五个月。

    这家 2017 年在加州帕罗奥图成立、如今九岁的公司，节奏明显在加快。今年 2 月它刚发布了新一代芯片 SN50，当时顺手拿了 E 轮的钱；现在 F 轮又来了。Liang 对「要不要一直独立」这个问题打起了太极——他说公司一直有人来打听收购，门没关死，但眼前的势头和增长「大概率会把它推向上市」。

    和英特尔越绑越紧

    SambaNova 跟英特尔的关系，比外界以为的更深。英特尔从 C 轮就是股东，这一轮也跟进了，两边还签了多年的合作，基于英特尔的至强（Xeon）芯片一起做 AI 推理产品，共同开发、共同卖。「这让我们能借英特尔的体量，放大自己的技术」，Liang 是这么说的。去年底彭博还报过英特尔想以约 16 亿美元收购 SambaNova 的消息，谈判最后黄了。

    「摩根大通决定用 SambaNova 做推理方案，这是件大事。它给银行业放了句话：是时候别完全依赖云服务了，这些银行想要的是异构的基础设施。」

    这话说的是一桩新买卖：摩根大通选了 SambaNova 当「推理基础设施伙伴」，用它的 SN40L 和 SN50 系统在银行内部跑安全、私有的 AI 推理。在 Liang 看来，像摩根大通这种级别的银行开始自建私有、安全的推理环境，是一个会超出金融业本身的信号——企业和政府「才刚刚踏上 AI 这条路」，之前的增长都集中在模型公司和前沿实验室手里，剩下的「大把收入」还在桌上。

    把万亿参数模型塞进一个机柜

    SambaNova 给自己找的差异化定位是「高端推理」——专门跑最大的模型，而且跑得快。现在的前沿模型动辄上万亿参数，SambaNova 的卖点就是能把多万亿参数的模型装进单个机柜，从而跑出速度。SN40L 在 2023 年 9 月发布，云上和本地都能用；SN50 今年 2 月亮相，计划 2026 年下半年开始给客户发货，软银是它的第一个部署伙伴。

    Liang 把客户分成三类：一是主权云（政府出钱扶本地伙伴建私有云），二是新锐云（neocloud），三是自己搭设施用的企业。除了摩根大通，沙特阿美、英特尔和一些日本企业也在客户名单上。

    这 10 亿美元主要用来两件事：把生意做大规模，以及在这波「难以置信的需求浪潮」里把供应链锁住。Liang 的原话是，钱要用来确保供应链，好兑现订单、买齐未来 12 个月要交付的材料。本轮跟投的名单很长，Seligman Ventures、T. Rowe Price、Capital Group，还有黑石、卡塔尔投资局（QIA）、Vista Equity Partners 等等都在里面。

    看下来，SambaNova 赌的其实是一个正在发生的转向：当云上的通用算力越来越贵、也越让人不放心，大机构开始想把最关键、最敏感的模型搬回自己的机房。芯片、合作、客户订单，都朝着这个方向摆。至于它最后是被收购还是敲钟上市，Liang 留了个活口——但这个市场里，「总有人来敲门」本身就是一种底气。

  • 法国初创ZML发免费工具：让各家AI芯片跑得一样快

    过去几年，只要聊到跑大模型，大家脑子里默认就是英伟达的卡。这种局面短期内还结束不了，但挑战者确实从四面八方冒了出来。最近巴黎一家叫 ZML 的初创公司丢出了一件免费工具，想做的事情挺大胆：让同一套开源大模型，能在英伟达、AMD、谷歌 TPU、苹果 Metal 甚至英特尔 Arc 的芯片上都跑得一样快。

    一个被图灵奖得主点名的小团队

    ZML 的创始人叫 Steeve Morin，圈内人可能更熟悉他上一个作品——Zenly，那个被 Snapchat 在 2017 年砸了九位数美元收购的社交地图应用，Morin 当时是工程副总裁。这家新公司本身规模不大，只有 20 个人，却让图灵奖得主、AI 圈泰斗 Yann LeCun 都公开点过赞。光看阵容，ZML 不像临时起意凑热闹的团队。

    他们刚发布的产品叫 ZML/LLMD，本质上是一个大模型推理服务器。Morin 跟 TechCrunch 说，他们的野心是打破现在各家芯片各自为战的孤岛状态，让不同的芯片都能以自己最快的速度、甚至比原厂还快的速度去跑 AI 任务。

    异构AI芯片在统一软件层上协同推理
    ZML 想用一层软件把不同品牌的 AI 芯片连起来，跑同一套模型

    它到底在解决什么麻烦

    随着 AI 一点点渗进我们的工作和日常，怎么把模型”跑起来”（也就是推理、处理用户提问）这件事，重要性已经悄悄超过了训练模型本身。可现实中这块体验并不顺滑，软件架构的壁垒把大家锁死在单一供应商身上，想换芯片？成本高得劝退。

    Morin 的原话是：想法是”把创造自己系统的权力还给大家，让 AI 真正扩散开，而不是被几家大厂攥在手里”。

    对企业来说，这意味着可以混搭不同类型的芯片——有些更便宜，有些更省电。ZML 这套软件辅助，顺势也能帮一把那些名气没那么响的新锐芯片厂，Morin 一口气点了好几家欧洲的：Axelera、Fractile、Kalray、Q.ANT、SiPearl 等等。对他而言，产地其实没那么重要，关键是 ZML 能和他们一起做”全世界还没人做过的事”。

    为什么大厂都在盯着”推理”这块肥肉

    推理赛道早就是兵家必争之地，有人直接把它叫”推理淘金热”。ZML 的对手不算少：估值冲到 130 亿美元的 Baseten、脱胎于开源项目 vLLM 的 Inferact、背后是 SGLang 的 RadixArk。vLLM 和 SGLang 跟 LLMD 多少有些重叠，但 Morin 的胃口明显更大。

    • 他放话说，ZML 已经走到”和芯片一起做联合设计”的阶段，不只是写上层软件。
    • 团队虽小，钱却不少——早年就融了 2000 万美元，投资方里既有 Harry Stebbings 的 20VC，也有 Xavier Niel 的 Kima Ventures。
    • 股东名单也挺唬人：Docker 创始人 Solomon Hykes、Hugging Face 的 Clément Delangue 和 Julien Chaumond，还有 LeCun 本人。

    有意思的是，Morin 并不唱衰英伟达。他说双方关系其实不错，毕竟英伟达自己也在为推理时代的到来做准备。ZML 想做的是在英伟达之外，给大家多一个不绑死的选择。

    免费，但野心一点不小

    ZML 最早在 2024 年开源过一个机器学习框架，今年三月还更新过。但这次的 LLMD 没有走开源路线，而是以免费产品的形式推出，目的很实在——先看看大家怎么用，再决定怎么赚钱。”我宁愿先量一量，在最有价值的地方收钱，也不想一上来就贪心把增长憋死。”Morin 这么说。

    现在判断 LLMD 什么时候变成付费产品、又能拿下多少用户，显然还太早。但从资本和同行的反应看，欧洲确实开始长出能在家门口做成事的 AI 公司了。Morin 说得很直白：”除了巴黎，我哪儿都做不出 ZML。”

  • Vercel CEO 放话：模型和 Agent 别绑死，我们要做这一代的 AWS

    提到 AI 时代的”卖水人”，你大概先想到英伟达。但在写代码、跑 Agent 这条线上，有家公司已经悄悄站到了中间位置——Vercel。它做的是让开发者不用管服务器就能把 Agent 部署上线的云基础设施，现在一天 600 万次部署，其中一半是编程 Agent 触发的，每天还有超过 1 万亿个 token 从它的 AI 网关里流过。

    去年在画饼，今年在干活

    在上周的 ShipNYC 大会后，Vercel 的 CEO Guillermo Rauch 跟 TechCrunch 聊了聊他对当下 AI 的判断。他最直接的感受是：社区的气质变了。去年大家的主题是”原型”，天空才是极限，放手让 Agent 去造；今年更多人不再问”能不能做”，而是纠结”怎么在生产环境里真正跑顺”。

    Rauch 把 Agent 的”杀手级应用”归纳成两个。第一个当然是编程 Agent，它吃掉了世界上很大一块 token 消耗，但软件写得再多，总得有个地方放。第二个他叫”公司内部的 Agent”——帮企业自己运转起来的那种。难点不在聪明，在于怎么安全地拿到数据、怎么审计它在干什么、怎么留下每一次工具调用和权限的痕迹。

    把 Agent 关进”笼子”里

    为了治这个毛病，Vercel 搞了个叫 Eve 的框架，让你用自然语言把 Agent 的指令和技能写清楚；再配一个 Vercel Sandbox，字面意思就是把 Agent 关进一个小笼子——它照样能发挥聪明才智，但你能规定它能碰什么数据、什么数据不许出笼子。

    Rauch 最在意的其实是数据控制权。他举了个让人后背发凉的例子：空客那种积累了几十年的航空 C++ 代码，要是有人装错了开发工具，哗一下全跑到云上去给人家训练模型了。”你以为是在用工具，其实是在把家底交出去。”

    Rauch 说：”太多 SaaS 巨头是靠着把你的数据锁死才建起王国的，而这跟 Agent 的玩法从根本上不兼容。”

    客户不再死绑一家大模型

    聊到和大厂模型的关系，Rauch 的观察是：去年一堆人赌咒发誓”我们全都建在 OpenAI（或 Anthropic）上”；今年风向变了，大家终于搞明白整套拼图——模型、harness、数据平台、沙箱、网关，每一块都能插拔。OpenAI 能用，Anthropic 能用，Gemini 也能用。他特意提了一嘴 Gemini：新闻上没它那么热闹，但因为大家开始为生产环境算账，它性价比的优势就显出来了。开源的 DeepSeek、GLM-5.2 也在起飞。”数据不会撒谎。”

    和大厂模型正面撞车

    当然，模型厂也在往基础设施伸手。就在这前不久，OpenAI 发布了一套不用离开自家地盘就能直接发网站的工具。Rauch 倒不慌，反而觉得是送给 Vercel 的助攻：人们会把 ChatGPT 当成做网站的工具，接着问它”托管怎么办”，模型顺手就推荐了他们。”模型和平台的边界一旦越界，就注定会和已有的基础设施正面竞争。”

    解耦的AI架构：模型与Agent通过网关连接
    模型与 Agent 解耦的架构思路：每一层都可插拔（配图为 AI 生成示意）

    说到底，Rauch 想赌的是一个判断：模型和 Agent 到底要不要绑在一起？是从一个地方拿走全部智能，还是从一个供应商那儿拿模块、拿积木，再自己往上搭？后者更像软件工程一贯的做法，也正是 Vercel 要卖的东西。他的原话很直白：”我们要做这一代的 AWS，所以当然是在为一个开放协议的世界而战。”

    • Vercel 当前每天 600 万次部署，半数由编程 Agent 触发
    • 每天超 1 万亿 token 经其 AI 网关流转
    • 两大 Agent 杀手应用：编程 Agent、企业内部运转 Agent
    • 关键工具：Eve（自然语言编排）+ Sandbox（数据隔离笼）
    • 客户从”死绑单一大模型”转向模型/沙箱/网关可插拔

    这套说法听着像宣言，但背后有个很实在的逻辑：当 Agent 真要进企业生产环境，谁能把数据安全和可插拔这两件事做扎实，谁才配坐上”这一代云”的交椅。模型和 Agent 解不解耦，也许就是接下来两年 AI 基础设施之争的分水岭。

  • Anthropic砸190亿签下20年租约，在美国肯塔基州建AI数据中心

    AI算力竞赛出现一笔大单。Anthropic宣布与加密挖矿公司转型而来的AI基础设施提供商TeraWulf签署了一份20年租约，在肯塔基州的Hawesville建设AI数据中心。TeraWulf预计这笔交易将带来190亿美元的收入。

    数据中心计划2027年下半年初步启用，到2028年达到401兆瓦的电力供应规模。这个数字意味着什么？够支撑数十万块高端GPU同时运行，训练下一代大模型。

    Anthropic肯塔基州AI数据中心概念图
    AI数据中心成为科技公司的战略资产（概念图）

    从加密挖矿到AI基础设施

    TeraWulf这家公司本身就是一个时代注脚。它原来做比特币挖矿，现在把挖矿场的电力和冷却基础设施改造成AI数据中心，租给像Anthropic这样的AI公司。加密寒冬之后，AI热潮给了这些公司一条新出路。

    这不是TeraWulf第一次做这种生意。它已经在运营多个数据中心，而Anthropic作为租户，签下20年长期合约，相当于提前锁定了未来两年的算力扩张计划。对于一家靠烧钱训练大模型为生的公司来说，算力就是生命线。

    TeraWulf在公告中透露，这笔20年租约预计总收入190亿美元。作为对比，Anthropic 2024年的年化收入大约在10亿美元规模——这意味着光是这个数字中心租约，就相当于它当时年收入的19倍。

    为什么是肯塔基？

    肯塔基州并不是传统意义上的科技中心，但它有几个优势：电力资源丰富（历史上就是煤炭大州，现在也在发展可再生能源）、土地成本低、政府对数据中心有税收优惠政策。

    更重要的是，AI数据中心的选址逻辑跟科技公司总部完全不同——它不需要靠近人才密集的硅谷，它需要的是便宜的电、足够大的地块、以及能建高压输电线路的审批。肯塔基、俄亥俄、得克萨斯这些州，正在成为AI基础设施的新前线。

    AI公司的算力军备竞赛

    Anthropic这笔交易只是AI公司自建/长租算力浪潮中的一朵浪花。过去一年，几乎每家有实力的AI公司都在往基础设施里砸钱：

    • OpenAI与博通合作开发定制推理芯片”Jalapeño”，减少对英伟达的依赖
    • Anthropic同时还在与三星探讨合作制造定制AI芯片
    • 微软、谷歌、亚马逊早就有了自己的自研芯片（Maia、TPU、Trainium）
    • Meta计划投入最多1450亿美元用于AI基础设施

    背后的逻辑很清楚：谁控制了算力，谁就控制了AI的未来。依赖第三方云服务的成本太高，而且供应不稳定。长期租约或者自建数据中心，虽然前期投入巨大，但能把算力的主动权握在自己手里。

    Anthropic这笔190亿美元的交易，不只是商业新闻，它折射出AI产业正在发生的结构性变化——从”租算力”到”囤算力”，从”轻资产”到”重资产”。下一阶段的竞争，比的不再只是模型谁更聪明，还有谁的算力更便宜、更稳定、更不受制于人。

  • Meta也要卖AI算力了，和SpaceX一样打起了云生意的主意

    Meta也要卖AI算力了，和SpaceX一样打起了云生意的主意

    Meta在过去几年里，已经往AI基础设施上砸了将近2000亿美元。数据中心在路易斯安那州和俄亥俄州拔地而起，其中俄亥俄那个项目的规模，扎克伯格自己说「跟曼哈顿一样大」。

    Meta也要卖AI算力了，和SpaceX一样打起了云生意的主意
    图片来源：TechCrunch / 网络

    钱是花出去了，但一个问题摆在面前：这些算力，Meta自己用得完吗？

    答案看起来是否定的。根据Bloomberg的报道，Meta正在筹划推出自己的云基础设施业务，把多余的AI算力和模型访问权限卖给外部客户。这个动作直接把它推到了和AWS、Google Cloud、Microsoft Azure这些老牌云厂商竞争的赛道上。

    Meta不是第一家这么想的公司。几周前，SpaceX旗下的xAI已经宣布了类似计划。AI算力过剩这件事，已经从暗地里的担忧变成了明面上的生意。

    扎克伯格5月就「剧透」了

    其实扎克伯格自己在今年5月就说过，Meta做云生意「绝对在考虑范围内」，算是给自家的巨额AI投入找一个回本的路子。现在看，这个「考虑」已经变成了具体行动。

    新业务据说会被叫做 「Meta Compute」，由三位高管共同负责：基础设施负责人Santosh Janardhan、Meta Superintelligence Labs负责人Daniel Gross，以及公司总裁Dina Powell McCormick。

    具体怎么做，目前有两种猜测。一种玩法是学CoreWeave——直接卖「裸」算力，让客户自己决定跑什么负载。另一种玩法是学AWS，在自己的基础设施上托管各种AI模型（包括自己刚发布的闭源模型Muse Spark），让客户按需调用。

    Meta的AI产品，外界真的不太买账

    这里得说一个有点尴尬的事实：Meta虽然拼命往AI上砸钱，但外界对它的AI产品和服务并没有表现出太大的热情。Meta AI的用户数据公司从不单独披露，Llama开源模型系列虽然技术上有口碑，但变现能力一直是个问号。

    换句话说，Meta在AI上的投入和它从AI上赚到的钱，中间还有一个巨大的缺口。把多余的计算资源卖给别人，至少能先把数据中心的账算平一些。

    这种模式其实并不新鲜。云服务商的本质就是「我建好了，你来租」。Meta只不过是把这个逻辑用到了AI算力上——它建的数据中心够大，用不完，干脆对外开放。

    AI基础设施泡沫的质疑声越来越多

    但不是所有人都看好这件事。已经有质疑声音说，各家疯狂扩建AI数据中心，正在制造一个严重依赖快速贬值的芯片的泡沫。也有人问：AI公司到底能不能从终端用户那里赚到足够的钱，来支撑这些万亿级别的赌注？

    Meta敢在这个时候对外卖算力，某种程度上也是在用自己的信誉背书「算力需求会持续旺盛」这个判断。如果需求真的塌了，Meta不仅要承担自己数据中心的投资损失，还得面对云业务客户的合同纠纷。

    不过换个角度想，Meta的处境其实比很多纯粹的AI云创业公司要稳。它有自己的业务需求打底，卖算力是「锦上添花」而不是「生死一线」。这和AWS当年的逻辑有点像——亚马逊先给自己建了云设施，发现用不完，干脆对外开放，结果做成了全世界最大的云生意。

    Meta能不能复制这个路径，现在下结论还为时过早。但至少，它已经在认真考虑这件事了。说不定几年之后，开发者买AI算力的时候，选项里除了AWS、Azure、Google Cloud，还会多一个Meta。

  • OpenAI掏出了自己的AI芯片，9个月干完别人两年的活

    上周，OpenAI和博通站到一起，揭开了代号「Jalapeño」的AI推理芯片。这块芯片从设计到流片只用了9个月，而行业常规节奏是18到24个月。OpenAI用自己的模型辅助架构探索、功耗仿真和布局优化，等于「AI设计AI芯片」从概念走成了实物。

    OpenAI Jalapero AI推理芯片概念图
    OpenAI首款自研AI推理芯片Jalapeño概念图 | 图：AI生成

    为什么是推理芯片，不是训练芯片

    Jalapeño定位很清晰——它专门跑推理，也就是用户发请求、模型输出回答这个环节。训练那边暂时还是英伟达GPU的天下，但推理成本占了OpenAI运营开支的大头，每天数亿次API调用和ChatGPT请求，每省一分钱都是真金白银。

    据彭博社援引内部测试数据，Jalapeño相比当前主流AI GPU，推理成本能降约50%。这个数字如果属实，对OpenAI的盈利模型意味着什么，不难想象。

    「我们利用服务于用户的前沿模型，来优化运行未来模型的基础设施。」——OpenAI总裁Greg Brockman

    全栈竞赛，不只是模型能力的比拼

    这件事更大的信号在于，AI公司的竞争维度正在切换。谷歌有TPU，亚马逊有Trainium，微软有Maia，现在OpenAI也正式入局自研芯片。大家都在做同一件事：把「模型+芯片+系统+网络」打包成自己的全栈能力，而不是只租英伟达的卡。

    但OpenAI并没有打算彻底甩开英伟达。Brockman自己说得很直白：「我们根本无法足够快地获得算力。」Jalapeño是对爆炸式算力需求的结构性补充，不是替代。OpenAI同时在向英伟达、AMD、Cerebras多方采购，Jalapeño只是其中一块拼图。

    千兆瓦部署，多代路线图

    博通CEO陈福阳透露，Jalapeño将于今年开始在千兆瓦级数据中心部署，合作伙伴包括微软。他强调这只是「多代路线图的起点」，OpenAI和博通的目标是共建吉瓦级算力集群。

    芯片细节方面，Jalapeño被归类为ASIC（专用集成电路），架构围绕大语言模型推理负载从零设计，核心思路是降低数据移动开销、平衡计算-内存-网络的资源分配。OpenAI表示，工程样品已以目标频率成功运行GPT-5.3-Codex-Spark等复杂强化学习任务，早期测试显示每瓦性能「显著优于当前最先进的AI加速器」。

    详细的性能技术白皮书将在未来数月内发布。对于盯着AI基础设施赛道的人来说，Jalapeño的实测数据值得等。

  • 韩国押注5500亿美元对抗RAMageddon，内存芯片争夺战升级

    三星SK海力士内存芯片工厂
    三星与SK海力士宣布大规模投资，应对AI驱动的内存芯片短缺

    全球最大的两家内存芯片制造商，三星和SK海力士，这周抛出了一组夸张的数字——它们计划投入5180亿美元（约合800万亿韩元），在韩国西南部新建四座内存芯片工厂。

    这笔投资是韩国政府本周一公布的全国性大计划的一部分。总统李在明在电视讲话里把这个计划称为韩国”下一个工业时代”的核心支柱，还专门提到了2026年是个关键年份，韩国必须让自己变成”不可替代”的工业强国。

    RAMageddon来了

    这套投资计划的背景是一个正在全球蔓延的麻烦——”RAMageddon”。这个词是RAM（内存）和Armageddon（末日决战）的合体，形容AI建设狂潮引发的内存芯片全球性短缺。

    三星、SK海力士，再加上美国内存芯片厂商美光，目前都在满负荷运转，但还是跟不上AI数据中心对HBM（高带宽内存）的需求。AI训练需要海量内存，而能生产HBM的厂商就那么几家。

    李在明在电视讲话里说，现有的龙仁和平泽芯片厂区”已经到达极限”，催促企业加速向西南地区投资，把AI带来的财富扩散到首都圈以外的地方。

    钱到底花在哪

    整个计划分成三大块。内存芯片这块，除了刚才说的5180亿美元建四座新厂，还要再投520亿美元在中部地区建一个HBM封装中心。

    AI数据中心这块更夸张，韩国科技和能源巨头（SK、GS、Naver等）计划到2035年投入3560亿美元建数据中心。算下来，韩国科技公司已经承诺在AI和芯片上投入超过9000亿美元。

    三星单独发了一份声明，说未来十年要投2,665万亿韩元（约1.7万亿美元），其中425万亿韩元指定给Honam地区（朝鲜半岛西南部）。公司特别提到了光电、水利、劳动力和生活条件是选在光州建新厂的关键因素，另外还要在半岛最南端的海南建一个AI数据中心。

    SK集团这边公布的路线图是2,100万亿韩元（约1.4万亿美元），其中1,100万亿用于扩大半导体产能，1,000万亿建全国性的AI数据中心。SK海力士是这次芯片扩张的核心，SK电信则牵头全国15GW的AI数据中心容量建设。

    野心与风险并存

    这个野心能不能落地是另一回事。半导体和AI这种深科技产业，不是按政治周期或者客户需求的节奏走的。晶圆厂要建好几年，等它们完工的时候，当初触发投资的那波需求可能已经退潮了，到时候就是产能过剩、价格崩盘。

    目前，全球AI芯片供应链，尤其是内存相关的环节，都在盯着韩国能不能把这件事做成。三星和SK海力士目前在这个市场上的地位，短期内还没有人能撼动。

    做个对比就知道这笔投资有多夸张——Alphabet、亚马逊、Meta和微软这四家美国科技巨头，今年一年计划在AI基础设施上投入6500亿美元。韩国一个国家的计划，体量已经逼近这个级别。

    李在明还专门回应了媒体关于”政府是否向企业施压”的质疑，说这些投资决策都是企业自己的判断，政府的角色是”投入能力，让企业可以无亏损、有前景地投资”。这话听起来像是想跟某些国家的产业政策划清界限。

  • AI数据中心冷却液里长了细菌怎么办？这位24岁辍学生刚拿了3100万美元

    AI 算力需求把数据中心的每一寸 GPU 都榨到了极限，然后细菌开始滋生了。液冷芯片用的液体是水和抑菌剂的混合物。为了让芯片跑得更热、效率更高，数据中心管理员可以调高水的比例——但这也会导致讨厌的污染，把流道堵住。解决办法是冲洗系统，但这可能意味着一台机架要停机五六个小时，代价可能高达数百万美元。

    Omen AI光谱仪监控数据中心冷却液
    Omen AI 的微型光谱仪实时监控数据中心冷却液健康 | 图片来源：AI生成

    微型光谱仪盯着冷却液

    Omen AI 有一个解决方案：一个可以实时监控冷却液体健康的微型光谱仪，在细菌滋生变成大问题之前就能发现。”你不会因为对化学反应一无所知而冒长时间停机的风险，”CEO 兼创始人 Zach Laberge 解释道。今天，Omen AI 宣布完成 3100 万美元 A 轮融资，由 Nava Ventures 领投，CRV、Vanderbilt University、Mann+Hummel、Starhill Holdings 和 Hard Launch Capital 参与，还有来自 Bridgestone、GM、Johnson Controls 和 TensorWave 高管的个人投资。

    Laberge 的创业经历挺特殊。他 2020 年第一次创业的时候才 14 岁，融了 300 万美元给工程机械设备装传感器，后来从高中辍学（他父母，包括曾任安大略省教育部长的母亲，支持他走自己的路）。那家初创公司倒闭之后，Laberge 2024 年创立了 Omen，初衷是把流体系统作为重点，让工程机械能智能判断什么时候需要维修——用实时感知替代耗时取样送实验室的传统流程。除了细菌滋生，这个设备还能通过检测到铜或铬来判断水泵磨损，或通过硅来判断密封件问题。

    Caterpillar 的经销商是 Omen 工程机械业务的重要早期客户，但 Cat 同时也是数据中心现场发电用燃气轮机和发电机的主要供应商。Omen 很快就看出了风向。

    从工程机械到数据中心

    大约六个月前，”很多经销商都说，嘿，我们开始给涡轮机装传感器了，你们能在建筑这边做点什么吗？”Laberge 告诉 TechCrunch。Omen 发现那些建筑里到处都是流体，从暖通空调系统到芯片冷却。看到一个快速增长的潜在客户群，Omen 开始聚焦数据中心。

    Nava Ventures 合伙人 Cory Rellas 说，”很难看到这么年轻的创始人在一个节奏相对较慢的领域里，赢得成熟的大公司的尊重。对 Omen 来说，我们的尽职调查很大程度上是通过介绍给大客户完成的，很快就验证了他们的方案。”

    • 实时流体监控：替代取样送实验室的传统方式，光谱仪直接出结果
    • 细菌检测：在冷却液污染堵塞流道之前发现问题
    • 磨损预警：通过金属离子检测提前发现水泵或密封件问题
    • 避免停机：不用为了检查而关停机架，节省数百万美元潜在损失

    Omen 自 2024 年创立以来已融资 4000 万美元，目前正在与十几家数据中心客户共同完善产品，包括基于 AMD 芯片构建 AI 计算云的 TensorWave。TensorWave 总裁 Piotr Tomasik 说，”这些大规模系统中流动的流体是一个关键变量，行业内大多数人对此一无所知。Omen 对基础设施未来的看法和我们完全一致：更好的监控来最优地支持计算客户。”

    这个领域不只是 Omen 一家在玩——Pyxis 这家成熟的水质监测公司本月早些时候也推出了数据中心冷却液监控产品。但 Omen 的优势在于光谱技术和信号处理的结合，Laberge 说，”硬件已经便宜到可以在规模上部署，信号处理让我们能从噪声中提取更多信息。”

  • 百度把AI芯片业务拆分上市，昆仑芯赴港IPO喊价500亿美元

    周一（6月29日），百度港股跳涨7%。拉动股价的消息很简单：据The Information报道，百度的AI芯片业务昆仑芯（Kunlunxinin）计划赴香港IPO，目标估值500亿美元。这个数字什么概念？比英伟达当前市值的零头还少，但已经是中国AI芯片公司能喊出的高价了。

    昆仑芯是谁？

    昆仑芯的前身是百度2011年成立的芯片部门，2018年独立成子公司。过去这些年，它的主要客户就是百度自己——为百度的搜索、广告、云计算和AI业务提供算力支持。但最近两年，昆仑芯开始往外面走了。

    据路透社早前的报道，字节跳动（TikTok母公司）已经是昆仑芯的客户。这个信号很关键：如果连字节这种体量的公司都愿意用昆仑芯，说明它的芯片至少在推理任务上已经够用了。

    百度昆仑芯IPO概念图
    昆仑芯赴港IPO，目标估值500亿美元（图：AI生成）

    投资者得先买芯片，再买股票

    这次IPO有个很不一样的地方。据The Information报道，昆仑芯在推介时要求 prospective investors（潜在投资者）购买价值相当于其拟投资额3-7倍的昆仑芯半导体产品。换句话说：你想入股，先帮它消化产能。

    这个做法在中国半导体行业并不罕见——在地缘政治压力下，绑定客户和投资者是生存策略的一部分。昆仑芯的现有投资者包括IDG Capital、中国诚通控股等。

    昆仑芯已向香港交易所保密提交上市申请，但具体的发行规模、时间表和结构尚未确定。百度保留控股权，但昆仑芯独立运营。

    500亿美元估值，站得住吗？

    500亿美元是个什么水位？拿它和已上市公司比一比：美光科技（Micron）市值约1200亿美元，ARM约1500亿美元，英伟达是4万亿美元。昆仑芯的估值更接近”期货”——赌的是中国AI芯片市场的爆发，以及美国芯片出口管制带来的国产替代空间。

    布鲁盖尔研究所（Bruegel）最近的一份报告说得很直白：美国在AI硬件栈（半导体等算力资源）的竞争中目前仍然领先，但”中国追赶的迹象是真实的”——开源工具链有国家背书的支持管道，国内市场规模足够大，可以撑过生态不成熟的前期阶段。

    百度的算盘

    拆分昆仑芯上市，对百度来说是一箭三雕：第一，把芯片业务的亏损从合并报表里隔离出来；第二，给昆仑芯独立的估值锚，方便它去市场上融更多钱；第三，在美国限制英伟达对华销售的大背景下，昆仑芯是百度”AI全栈”故事里最关键的一块拼图。

    百度自己也在用昆仑芯的芯片跑文心大模型。如果IPO成功，昆仑芯会有更多资金去迭代下一代产品——目前昆仑芯已推出第三代训练芯片K200和推理芯片R300，下一代产品正在路上。

    昆仑芯的IPO，不只是一家公司的资本化，更是中国AI芯片产业走向公开市场的一个信号。500亿美元的估值能不能站住，要看它能不能拿出比”国产替代”更有说服力的东西——比如能效比、软件生态、和大模型公司的深度绑定。这些，市场会慢慢检验。