标签: AI算力

  • SpaceX把AI算力租给了Anthropic和谷歌,年收150亿美元

    SpaceX刚刚完成史上最大规模的IPO,马斯克也借此成为全球首位万亿富翁,公司另一边却在悄悄处理一件相当尴尬的事——原本打算用来训练前沿AI模型的算力集群,因为延迟和硬件问题,现在租给了Anthropic和谷歌。

    算力蓝图撞上了现实墙

    据彭博社援引匿名消息人士报道,SpaceX原计划使用一个由三个数据中心园区组成的算力集群来训练自己的最前沿AI模型。这个计划的核心是把Colossus 1和另外两个距离超过10英里的站点连在一起,组成一个超级算力池。

    问题从连接开始。三个站点之间超过10英里的物理距离导致了不可忽视的网络延迟,而园区里老化的网络基础设施让情况雪上加霜。再加上不同站点之间硬件配置存在差异,整个集群没办法按照预期那样协同工作。

    SpaceX Colossus AI数据中心
    SpaceX的Colossus 1数据中心园区(The Verge)

    算力租出去了,价格不菲

    遇到这些问题之后,SpaceX没有继续死磕,而是把算力租了出去。两笔租赁协议都是在与硬件差异和延迟问题打交道之后才达成的。

    • Anthropic:年租金150亿美元,用SpaceX的算力训练Claude模型
    • 谷歌:月租金9.2亿美元,用于谷歌自己的AI训练需求

    这两笔交易加在一起,意味着SpaceX的算力集群每年至少能带来超过250亿美元的收入。但对于一家刚刚把AI作为核心战略的公司来说,把最先进的算力租给竞争对手,怎么看都有点无奈。

    Grok也在孟菲斯碰了壁

    SpaceX在孟菲斯开发和运行Grok AI的过程也遇到了麻烦。据报道,公司在那里的运营并不顺利,这也是促使它将算力对外出租的另一个背景因素。

    SpaceX虽然有卫星AI服务器的宏大规划,但现实中的算力基础设施挑战比预想的要复杂得多。延迟、硬件差异、老化设备——这些问题不会因为你是SpaceX就自动消失。

    AI算力的门槛比想象中高

    这件事其实折射出一个更大的问题。现在各家科技公司都在疯狂砸钱建AI算力,但真正能把算力用好的门槛非常高。网络架构、硬件一致性、冷却系统、供电能力——任何一个环节掉链子,整个集群的效率就会大打折扣。

    SpaceX把算力租给Anthropic和谷歌,至少能保证这些昂贵的设备不停着吃灰。至于SpaceX自己的AI野心什么时候能落地,目前看来还得再等等。


  • 亚马逊借了175亿美元搞AI,这笔钱能烧多久?

    亚马逊借了175亿美元搞AI,这笔钱能烧多久?

    亚马逊刚刚从银行拿到了175亿美元贷款。这个数字是什么概念?相当于一个中等国家的GDP,或者大约1200亿人民币。而亚马逊拿这笔钱的用途只有一个:砸进AI里。

    这不是亚马逊第一次为AI借钱。就在拿到这笔贷款前不久,亚马逊刚在加拿大发了一笔债券,规模大到创了加拿大企业债券发行的历史纪录。两笔融资加起来,亚马逊正在为它的AI野心准备一个巨大的资金池。

    亚马逊AI基础设施
    亚马逊在北弗吉尼亚的AI数据中心(图源:Pymnts)

    2000亿美元要花在哪里

    亚马逊2026年的资本支出预算是2000亿美元。比2025年的1318亿美元猛增了超过50%。这笔钱主要流向两个方向:AWS数据中心扩建,以及AI算力基础设施。

    你能想象2000亿美元堆在一起是什么样子吗?这笔钱可以买下大约40艘航空母舰,或者建造200个大型国际机场。而亚马逊计划把它全部投进服务器、GPU、数据中心和电力设施里。

    亚马逊CEO安迪·贾西在最新一季财报电话会上说得很直白:”我们正在尽可能快地安装产能,把产能变成收入。”翻译一下就是:钱先砸进去,后面再想办法赚回来。

    亚马逊2025年第四季度AWS营收同比增长24%,是近13个季度以来的最高增速。云业务还在涨,但钱也确实在往里砸。

    不是亚马逊一家在借,整个科技圈都在举债

    如果你觉得亚马逊借175亿美元很多,那你可能没看过整个科技行业的账单。2026年,亚马逊、Alphabet(谷歌母公司)、微软、Meta这四家公司的资本支出加起来预计会达到7250亿美元。

    7250亿美元。这个数字比很多国家的全年GDP还高。而这些钱,绝大部分都会流向AI。

    为什么大家都在借钱搞AI?因为AI军备竞赛的逻辑很简单:你不砸,别人就砸了;别人砸了,你就落后了;你落后了,之前的投入可能就打水漂了。这个正反馈循环让每家科技公司都不得不往里砸钱,哪怕这意味着公司债务会飙升。

    国际清算银行在2026年3月出了一份报告,说AI投资已经进入了”更危险的阶段”。超大规模云厂商把创纪录比例的经营现金流投进了资本支出,对外部融资的依赖度持续上升。翻译成人话:大家都在透支未来,赌AI能赚回这笔钱。

    这笔钱能换来什么

    亚马逊借钱砸AI,到底能不能赚回来?这个问题现在没有人能给出确定答案。

    乐观的人会说:你看AWS还在高速增长,AI需求只会越来越旺,现在砸的钱,未来会变成持续几十年的现金流。亚马逊现在是全球最大的云服务商,市场份额超过30%,AI浪潮只会让它更赚钱。

    悲观的人会说:2000亿美元砸进去,什么时候能回本?AI现在看起来很热闹,但真正赚大钱的应用还没出现。如果AI的商业化不及预期,亚马逊这笔债可能要还得非常辛苦。

    摩根士丹利的分析师算了一笔账:亚马逊2026年的自由现金流可能会变成负170亿美元。也就是说,经营活动赚的钱,还不够覆盖资本支出的窟窿,需要靠借钱来补。

    这种模式能维持多久?取决于两件事:第一,AWS的增长能不能持续;第二,AI能不能真的变成一门好生意。如果这两件事都发生,亚马逊的债务会变成未来收入的垫脚石;如果没发生,这些债务就是一颗定时炸弹。

    小公司已经玩不起了

    亚马逊这笔175亿美元贷款,给行业释放了一个很清晰的信号:AI的竞争门槛已经高到中小公司玩不起的程度了。

    你想做一个AI创业公司?先准备个几十亿美元的资金储备吧。没有这个体量,你连跟亚马逊、谷歌、微软、Meta竞争的资格都没有。这不是在比谁的产品更好,而是在比谁的融资能力强、谁敢借更多的钱。

    这对创业生态意味着什么?意味着AI领域的创新,会越来越集中在少数几家巨头手里。创业公司要么被收购,要么就专注做细分领域的小生意,再也别想挑战巨头的地位了。

    亚马逊愿意承担这么高的债务,本质上是在押注:AI是未来十年最重要的技术底座,谁先建立起算力优势,谁就能在未来的AI经济里占据最好的位置。这笔赌注有多大?175亿美元,加上之前借的,加上未来还要借的,可能要到上千亿美元的规模。赌赢了,亚马逊会变得更不可替代;赌输了,这笔债务的利息就能压得公司喘不过气。


  • 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。


  • 工信部出手了:AI要和通信网络深度捆绑,2028年要打成什么样?

    6月10日,工信部印发了一份文件,名字挺长——《”人工智能+信息通信”创新发展实施意见(2026—2028年)》。翻译成人话就是:未来三年,要让AI和通信网络深度捆绑,互相催着往前走。

    500万个5G基站背后,算力已经堆到1882 EFLOPS

    先说个直观的数字:国内5G基站已经建了500.9万个,400Gbps的骨干传输网络也开始规模部署了。算力这边,智能算力规模达到了1882 EFLOPS(FP16精度)。这些数字不是摆着看的,机器视觉检测、精准设备控制这类场景已经在用起来了。

    但问题是,AI和信息通信两个领域凑在一起,是个新兴交叉地带,技术突破、融合路径、商业模式都还在摸索。这份文件就是来管这件事的。

    这份意见围绕四个方向部署了17项具体任务:推动信息通信行业智能化升级、夯实AI发展底座、深化融合应用创新推广、增强信息通信行业治理能力。

    网络、算力、算网,三件事一起抓

    文件把”底座”这件事拆得很细。网络层面,要加快建设400Gbps/800Gbps骨干传输网络,城域400Gbps及以上高速光传输系统也要有序推进。目标是构建城域毫秒级低时延入算能力——说白了,就是让数据和算力之间的路更宽、延迟更低。

    算力层面,要构建枢纽—区域—边缘三级节点协同的算力设施体系,建国家和区域算力平台,搞全国一体化、集约化、市场化的算力服务体系。这件事的背后,是AI训练和推理对算力的渴求已经到了不惜成本的地步。

    工信部AI+信息通信政策
    工信部部署AI与信息通信融合发展任务(图源:新华网)

    到2028年,要打成什么样?

    文件给了两个时间节点的目标。2028年,AI和信息通信要初步构建融合互促的创新发展格局,信息通信网络初步实现高等级自智,形成30个以上高价值典型场景,打造一批典型应用和特色智能体。城域算力1毫秒时延圈覆盖率不低于75%。

    再往远看,2030年的目标是:”人工智能+信息通信”步入技术引领、产业繁荣、安全可靠、智能普惠的发展新阶段。

    具身智能、AI手机、智能家居,要进千家万户

    融合应用这部分,文件提了几个方向:加强具身智能与信息通信融合创新;大力发展AI手机和电脑、智能家居设备、智能穿戴设备;鼓励基础电信企业用AI赋能传统电信业务,深化智慧个人助理、智慧管家、家庭看护等应用。

    这些不是新概念,但由工信部出面系统性部署,释放的信号是:AI往落地走,信息通信网络是基础设施,两者必须一起建、一起用。

    • 网络侧:400G/800G骨干网+城域毫秒级低时延入算
    • 算力侧:枢纽—区域—边缘三级协同,全国一体化算力服务体系
    • 应用侧:具身智能、AI终端、智慧家庭、垂直行业提质升级
    • 目标:2028年城域算力1毫秒时延圈覆盖率≥75%,30+高价值场景

  • 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。


  • 台积电不够用了:谷歌找上英特尔,每年要造300万颗AI芯片

    台积电不够用了:谷歌找上英特尔,每年要造300万颗AI芯片

    全球AI算力竞赛打到今天,瓶颈已经不是”谁的设计更聪明”,而是”谁能造出足够的芯片”。最新消息是,谷歌正在把一部分AI芯片的制造订单,从台积电转给英特尔。原因是台积电的产能不够了——想排上队,得等。

    300万颗芯片,分给英特尔一半

    《The Information》的报道说,英特尔将在2028年生产超过300万颗谷歌自研的TPU(张量处理单元)芯片。这个数字占谷歌未来两年预计总产量(约600万颗)的一半。也就是说,谷歌的AI芯片战略,从2028年开始,台积电和英特尔各吃一半。

    这个转变背后的逻辑很直接。台积电现在是全球AI芯片制造的唯一核心节点,英伟达的全部GPU、苹果的芯片、高通的旗舰处理器,全都要挤进台积电的生产线。谷歌的TPU虽然优先级不低,但台积电的产能就那么多,排期越排越长。

    AI芯片制造概念图
    AI芯片制造(图源:AI生成)

    英特尔的赌注

    对英特尔来说,这笔生意不只是钱的问题。过去几年,英特尔的芯片制造业务(IFS,Intel Foundry Services)一直在试图打入高端市场,但收效有限。能拿到谷歌TPU的订单,意味着英特尔的制程工艺已经足够可靠,可以承接全球最顶级的AI芯片生产需求。

    而且谷歌不是唯一一个在和英特尔谈的。报道提到,英伟达和SK海力士目前也在测试英特尔的芯片制造技术,考虑把英特尔列为备选生产商。如果这几家都真的下单了,英特尔在高端芯片制造领域的地位会发生实质性变化。

    英特尔将在2028年生产超过300万颗谷歌TPU芯片,占谷歌未来两年预计总产量的一半。英伟达和SK海力士也在测试英特尔的芯片制造技术。

    谷歌为什么要分散风险

    谷歌大力投入TPU,本来就是为了不把所有鸡蛋放在英伟达的篮子里。现在它连制造环节也在做多元化——台积电加英特尔,双线并进。这样做的好处是,任何一家的产能出问题,另一家可以顶上。

    还有一个背景值得注意。美国政府在推动本土芯片制造,英特尔是美国本土最大的高端芯片制造商。谷歌把一部分订单给英特尔,在政策层面也是一个安全的做法。

    对AI行业意味着什么

    这个消息折射出一个更大的趋势:AI算力的竞争,已经从”谁有最好的模型”变成了”谁能稳定地拿到足够的芯片”。谷歌、微软、亚马逊、Meta,全都在想办法确保自己的芯片供应不至于被卡住。

    台积电的产能瓶颈不是短期能解决的问题。它在台湾的工厂已经在满负荷运转,在美国亚利桑那州的新厂还需要几年才能完全投产。在这之前,谷歌们能做的,就是找备选方案。英特尔能不能接住这个机会,2028年见分晓。

    • 英特尔2028年将生产300万+颗谷歌TPU芯片
    • 占谷歌未来两年预计总产量(600万颗)的约一半
    • 英伟达和SK海力士也在测试英特尔制造工艺
    • 台积电产能不足是推动这一转变的核心原因