YOHO AI

标签： AI算力

  • SpaceX与开源AI实验室Reflection AI签下63亿美元算力大单

    SpaceX与开源AI实验室Reflection AI签下63亿美元算力大单

    马斯克的算力生意，又拿下一家AI实验室

    SpaceX最近签了一笔新合同：向开源AI实验室Reflection AI提供算力，从2026年7月1日开始，每个月收1.5亿美元，一直签到2029年。合同总价值最高63亿美元。

    这个数字听起来吓人，但放在SpaceX的算力出租生意里，其实不算最大。Anthropic给SpaceX每个月交12.5亿美元，Google每个月交9.2亿美元，Reflection的1.5亿只是同一个模式里的第三单。

    SpaceX数据中心与AI算力
    SpaceX孟菲斯数据中心成为AI算力新热点

    Reflection AI是谁

    Reflection AI是一家2024年才成立的公司，创始人是两名前Google DeepMind研究员。它做的事情跟Anthropic、OpenAI不一样——它做开源权重模型，把自己的训练参数公开发布，任何人可以下载、修改、部署。

    这个路线最近在美国政府把Anthropic的闭源模型（Fable和Mythos）禁了之后，突然变得很应景。很多企业和政府机构开始认真考虑：如果某天自己用的闭源模型被禁了怎么办？开源权重模型成了一个”自主可控”的选项。

    “最近发生的事件凸显了开源对AI生态系统的重要性，越来越多的国家和企业意识到只依赖闭源模型的风险和成本。”——Reflection AI发言人

    Colossus数据中心的故事

    这笔交易里用的算力，放在SpaceX在田纳西州孟菲斯附近的Colossus 2数据中心。这个地方原本是马斯克做xAI的时候建的，用来跑Grok大模型。后来xAI并进SpaceX，数据中心也就归了后者，但Grok的表现一直不尽如人意。

    SpaceX的算盘很清晰：与其让这些H100、GB300芯片空转，不如租给最有钱的AI实验室。Anthropic、Google、现在又加了Reflection，三家公司加起来，每个月给SpaceX贡献的租金超过20亿美元。

    合同里还有一个细节：任何一方在头三个月之后，提前90天通知就可以终止合同。这意味着Reflection如果后面融不到钱或者战略有变，可以抽身走人。当然SpaceX也可以。

    开源权重模型能走多远

    Reflection把自己定位为”美国开源前沿AI实验室”，直接对标DeepSeek。它在融资和知名度上目前还远不如Anthropic和OpenAI，但开源权重这个赛道在美国政府的监管风向变化下，可能会迎来一波意想不到的助推。

    这笔算力合同是Reflection第一次对外披露的大规模基础设施承诺。它在声明里说，合同证明了”Reflection在前沿AI生态系统中的战略重要性”，更多算力意味着”有更多跑道去大规模训练世界上最好的开源模型”。

    站在更远处看，这件事其实是关于算力集中化的又一个注脚。全世界最稀缺的AI芯片，越来越多地聚在少数几个超大规模数据中心里，然后以租赁的方式流向AI实验室。SpaceX做火箭起家，现在最赚钱的生意之一，可能是在地上建机房收租金。

    Reflection能不能用这63亿美元的算力跑出跟Anthropic、OpenAI不一样的路线，是接下来两年AI开源社区最值得看的故事之一。

  • Groq在Nvidia挖角后逆势融资6.5亿美元，AI推理云的下一战才刚开始

    Nvidia的”非收购收购”之后，Groq活下来了

    去年12月，Nvidia和Groq之间那笔交易让不少人看不懂。Nvidia付了一笔可观的”IP授权费”，然后把Groq的创始人兼CEO Jonathan Ross、总裁Sunny Madra和一帮核心工程师全部挖走。这不是收购，但比收购还彻底——人走了，技术授权给Nvidia了，Groq还剩下什么？

    半年之后，答案似乎是：还挺多。6月22日，Groq正式宣布完成6.5亿美元的新融资，确认了此前外界的传闻。估值没有披露，但上次融资（2025年9月）时Groq的估值已经是69亿美元，这轮融资的投资人据传在上次Nvidia交易中已经赚得盆满钵满，现在继续押注。

    AI芯片与推理计算技术概念图
    AI推理芯片赛道持续升温，Groq在Nvidia挖角后完成新一轮融资 © 配图

    Jonathan Ross的遗产：从Google TPU到Groq LPU

    要理解Groq的价值，得先认识Jonathan Ross这个人。他在Google期间参与了TPU（张量处理单元）的研发，那是Google专门为AI计算设计的芯片。离开Google后，Ross和另一位Google工程师Doug Wightman一起创立了Groq，主攻方向是AI推理芯片——他们称之为LPU（语言处理单元）。

    Wightman在Nvidia交易后选择留在Groq，现在担任CEO。Ross和Madra走了，但Groq的技术团队和产品方向还在。更重要的是，Nvidia虽然拿到了LPU的IP授权，但Groq同步宣布了战略转型：从芯片厂商转向”NeoCloud”业务。

    NeoCloud这个概念，说白了就是专门为AI训练和推理优化的云基础设施服务，和AWS、Azure那种通用云不一样，它只干AI这一件事，而且干得更狠。

    13个数据中心，每周处理万亿级Token

    Groq的NeoCloud业务在Madra被挖走前就已经在运作（Groq在2024年收购了他的AI数据分析公司Definitive Intelligence）。根据公司披露的数据，目前已在北美、欧洲、中东和亚太地区部署了13个数据中心，服务超过500万开发者和数千家AI公司，每周处理的AI Token数量达到万亿级别。

    这个规模说大不大，说小也不小。和Nvidia、AWS、Google Cloud比起来，Groq还是个小朋友。但在AI推理这个细分赛道上，需求增长速度之快，让即使是很小的玩家也有饭吃。

    新管理层就位，从xAI和Meta挖来高手

    融资之余，Groq也在快速补强管理层。新上任的COO Alan Rice之前在xAI和Meta都干过，再之前在美国海军服役。CTO Sinclair Schuller和CPO Rakesh Malhotra是一对创业搭档，之前一起做过企业云软件公司Apprenda，后来又共同创立了软件工程公司Nuvalence，2024年被EY收购。

    Malhotra本人在微软待了大约十年，参与过多个云产品的开发。这个背景对Groq的NeoCloud业务来说相当对口。

    关键问题：IP给了Nvidia，Groq还能打吗？

    外界对Groq最大的疑问就在这里：Nvidia现在合法持有LPU技术的IP，而且已经在今年3月的GTC大会上发布了自己的Groq 3 LPX推理硬件系统。Groq转型做NeoCloud，本质上是在用别人的技术授权来运营云服务——这不就是帮Nvidia培育市场吗？

    但也有另一种看法。推理云服务这个赛道的需求增长太快，Nvidia一家吃不下所有客户。Groq如果能把NeoCloud的体验做到足够好，在性价比、延迟、开发者工具链这些维度上建立优势，它不一定非要靠自研芯片才能活。

    类似的剧情在Scale AI身上也发生过。去年Meta用143亿美元”不是收购的收购”把Scale AI的创始人Alexandr Wang和一批核心人才挖走，外界一度认为Scale AI要完了。但CEO Jason Droege今年5月对Forbes说，公司业务已经反弹，今年营收预计能达到10亿美元。

    AI这场大棋局里，人才流动和资本重组几乎每个月都在发生。今天被挖角，明天拿到新融资，后天可能又换一个赛道重新开始。Groq这6.5亿美元能不能让它真正站稳脚跟，接下来12个月见分晓。

  • 这颗卫星自己学会了找东西，太空AI时代真的来了

    这颗卫星自己学会了找东西，太空AI时代真的来了

    你拍一张照片，先传回地面，等分析师打开电脑看，再决定要不要拍下一张——这是过去几十年卫星工作的样子。数据量巨大，延迟高得离谱，大部分原始影像其实根本没人看。

    今年4月，一颗叫YAM-9的地球观测卫星把这事儿给改了。它在轨道上自己找到了要找的东西，完全没靠地面分析师。这是第一次有地球观测卫星在轨自主完成目标识别。

    卫星AI概念图
    YAM-9卫星搭载Nvidia Jetson Orin AGX GPU运行AI模型 | 图片来源：Loft/NASA JPL

    谷歌DeepMind的模型，跑在了太空中

    YAM-9由太空基础设施公司Loft Orbital制造，上面跑的软件来自NASA喷气推进实验室（JPL）。这个软件包名叫NAVI-Orbital，它把谷歌DeepMind的Gemma 3视觉语言模型搬到了轨道上。

    Gemma 3是专门为边缘设备设计的，能在远离数据中心的限制性硬件上运行。视觉语言模型（VLM）把大语言模型的语境理解能力和图像分析能力结合在一起——研究人员让它去分类”自然环境和人类开发交汇处”的传感器数据，或者识别铁路枢纽周边的基础设施，它都能搞定。

    “这为太空中’永远在线’的巡逻层打开了大门。”Loft的AI负责人Paul Lasserre说，”如果你有VLM，你就可以设定逻辑——比如’帮我监控这段边境，发现可疑情况就通知我’，然后跟卫星来回交互。”

    为什么这事很重要

    短期来看，轨上AI可以让太空传感器有用得多——它先在轨道上做初步数据分拣，减少分析师目前要硬着头皮处理的大量原始数据。

    长期来说，这是在为太空中更大规模的AI基础设施打样。YAM-9上装的是Nvidia Jetson Orin AGX GPU，也是目前太空计算的主流芯片之一。

    Loft的目标是用50到100颗YAM-9这样的卫星组队，实现对地球任意位置的实时覆盖。（Loft目前有12颗卫星在轨。）

    别人也在做

    Planet Labs也在发射搭载Jetson Orin处理器的卫星，目前用来做更简单的物体检测，但发言人表示正在研究包括VLM在内的其他AI应用。

    Kepler Communications运营着太空中最大规模的GPU集群，虽然因为NDA没法透露有没有部署VLM，但提到自今年1月那些卫星发射以来，已经出现了”几个未公开的使用案例”。

    未来：给宇航员的AI助手

    NAVI-Space的想法最初来自JPL研究员Taran Cyriac John，他在想给探索月球或火星的宇航员做数字助手。

    “我们在想，宇航员穿着增压服，肯定没法敲键盘，他们要做的任何事都很复杂。”JPL技术负责人Juan Delfa Victoria说，”所以，我们为什么不提供一个助手呢？就像在电子游戏和电影里看到的那种，可以交互的AI？”

    只不过，千万别叫它HAL 9000。

  • 英特尔拿下谷歌300万颗AI芯片大单，股价一天涨了14%

    台积电的”铁王座”出现裂缝

    这周半导体圈最大的消息，是谷歌据报向英特尔下单了超过300万颗TPU芯片，交货期定在2028年。消息还没官宣，英特尔股价已经先涨为敬——单日最高涨了14%，市值凭空多了几百亿美元。

    要说这事有多大，得先搞清楚TPU是什么。TPU是谷歌自研的AI芯片，专门用来跑自家的搜索、广告、YouTube推荐和Gemini大模型。以前这些芯片基本上都是台积电代工的，现在谷歌找上了英特尔，等于在台积电一家独大的格局里塞进了一个变量。

    据The Information的报道，谷歌其实已经”验货”验了好几个月，重点考察英特尔的先进封装能力。AI芯片不是把晶体管刻得越小就越厉害，现在的瓶颈更多在封装——怎么把多个小芯片和高带宽内存整到同一个模块里。英特尔的EMIB封装技术良率已经爬到接近90%，这个数字足以让谷歌认真考虑把订单给它。

    这三百万颗订单如果坐实，差不多占谷歌2028年TPU总产量的一半。对英特尔代工业务来说，这是它成立以来最大的一笔外单。

    摩根大通泼了一盆冷水

    不过华尔街也不是一边倒地看好。摩根大通的分析师直接说，别兴奋太早——这批TPU的核心制造可能还是台积电在做，英特尔拿到的或许只是封装订单。封装重要，但跟全套制造比起来，分量还是差了不少。

    这种质疑不是没有道理。英特尔的18A制程（相当于1.8纳米级别）技术上确实已经量产了——它自己的至强服务器CPU就在用——但能不能稳定地给外部客户大规模出货，这是两回事。台积电的优势不只是技术，更是几十年积累下来的良率和交付可靠性。

    英伟达那边也有类似的风声，说在评估英特尔的18A制程，用来做2028年左右发布的Feynman架构GPU。但目前还停留在”试流片”阶段，连正式订单的影子都没有。试流片花不了多少钱，离真正量产还隔着十万八千里。

    TSMC芯片制造
    台积电长期垄断先进AI芯片制造，谷歌英特尔合作是供应链多元化的信号丨来源：TechTimes

    为什么大家想逃离台积电

    话又说回来，谷歌和英伟达”脚踩两条船”这件事本身，比订单最终花落谁家更有意思。台积电现在基本上吃下了全球所有先进AI芯片的制造，产能早就拉满了，先进封装环节更是紧到客户要排队。台积电自己都公开说过，AI芯片的短缺会持续好几年。

    更要命的是地缘政治。全世界的AI基础设施都押在台积电一家身上，而台积电的工厂基本上都在中国台湾地区。这种单点风险，谷歌、英伟达、苹果谁都受不了。所以你会看到苹果也在悄悄找英特尔代工部分芯片，特斯拉已经成了英特尔14A制程的首个主要客户。

    英特尔在这个时间点确实有它的优势。它是西方世界唯一一个还有希望追上先进制程的芯片制造商，美国政府也很乐意看到它成功——这不只是一家公司的生意，背后有整个供应链安全的逻辑。

    悬念还在

    目前这笔订单最大的问题就是：它还没有被官方确认。谷歌和英特尔都没有出来认领这件事。所以现在市场上炒得火热，本质上是在用”可能性”定价。如果最后证实英特尔只拿到封装订单，股价可能会回吐一部分涨幅；如果证实真的拿到了整颗芯片的制造订单，那才是真正的地震。

    对于普通观察者来说，这件事的意义不在于英特尔能不能马上取代台积电——这短期内不可能发生——而在于AI芯片的供应链正在从”台积电一家独大”走向”多极分布”。这个趋势一旦启动，就不会停下来。

    • 谷歌据报向英特尔下达超300万颗TPU订单，2028年前交付
    • 消息传出后英特尔股价单日最高涨14%
    • 摩根大通质疑：英特尔或仅负责封装，核心制造仍归台积电
    • 英伟达同时评估英特尔18A制程，用于2028年Feynman架构GPU
    • AI芯片供应链多元化已成大势，台积电垄断格局开始出现裂缝

  • SpaceX的AI算力赌局失算，每年260亿美元把数据中心租给了Anthropic和Google

    马斯克旗下的SpaceX在AI算力上的豪赌，最近出现了一个不小的尴尬转折。据彭博社援引匿名消息人士报道，SpaceX已将其位于孟菲斯的Colossus 1 AI数据中心的部分算力对外出租，租户包括Anthropic和Google——两家恰好是AI领域里最有分量的玩家。

    这背后有一个相当现实的问题：SpaceX自己用起来，发现不太好用。

    延迟扯了后腿

    Colossus 1是SpaceX为训练自有AI模型（也就是Grok）而搭建的算力集群的一部分。按照原本的规划，SpaceX要通过三个数据中心园区共同支撑最前沿的模型训练。但问题来了——Colossus 1和另外两个站点之间的距离超过了10英里，连接它们的时候出现了明显的延迟问题。

    叠加当地网络基础设施偏老旧的因素，整个算力集群的实际表现远不如预期。就好比你花大价钱组了一套顶级电竞装备，结果家里的宽带只有10Mbps，该卡还是卡。

    据彭博社报道，SpaceX与Anthropic签署的算力租赁合同年费高达150亿美元；与Google的合同则按月计费，每月9.2亿美元。

    SpaceX AI数据中心
    SpaceX的AI算力布局遭遇现实挑战（图源：The Verge）

    150亿美元 yearly，SpaceX做了笔什么生意

    具体地说，SpaceX把Colossus 1的闲置算力租给了两家公司。Anthropic每年支付150亿美元，Google每月支付9.2亿美元。按这个数字算，Google一年的费用也超过110亿美元。两笔合同加起来，SpaceX每年仅出租算力就能进账超过260亿美元。

    对Anthropic和Google来说，这是一笔划算的交易——AI训练算力在全球范围内都是稀缺资源，能找到一个现成的大规模集群接入，省去了自己搭建的时间成本。尤其是Anthropic，作为OpenAI最主要的竞争对手之一，它对算力的渴求几乎是无底洞。

    但对SpaceX来说，这多少有点”打脸”的意味。Colossus 1原本是为Grok量身定制的训练场，结果Grok用起来不顺手，只好转手租给别人。不过换个角度看，与其让昂贵的算力闲置吃灰，不如租出去回血，这倒也不失为一种务实的做法。

    SpaceX的AI棋局还没下完

    把Colossus 1租出去，并不意味着SpaceX放弃了AI。据The Verge的报道，SpaceX同时在推进一个基于卫星的AI服务器项目——把算力直接搬到太空里。如果这件事做成，延迟问题可能就不是地球网络基础设施能左右的了。

    但目前来看，这个卫星AI项目的进展还停留在非常早期的阶段。眼下的现实是：SpaceX花大价钱建好的数据中心，自己用着不顺手，只好先租给隔壁最有钱的邻居。

    • Colossus 1因跨站点延迟问题，SpaceX自身难以高效使用
    • Anthropic年付150亿美元租用算力，Google月付9.2亿美元
    • SpaceX仍在推进基于卫星的AI服务器项目，试图绕过地面网络限制
    • 算力租赁年收益超260亿美元，闲置资产变现金奶牛

    这件事最有趣的地方在于：连SpaceX这样的公司都会在AI基础设施上踩坑，说明建数据中心和用好数据中心，真的是两码事。算力军备竞赛里，买显卡只是第一步，怎么把它们高效地连在一起跑起来，才是真正的硬仗。

  • 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。