搜索
近期，SemiAnalysis 创始人 Dylan Patel 先后做客红杉资本的《Training Data[1]》和 WisdomTree 的《The Next Big Thing[2]》。两期访谈从模型和芯片，一路延伸至内存、能源、数据中心与 AI 商业模式，并指向同一个变化：AI 竞赛的焦点，正从单纯比较模型能力，扩展到谁能以更低成本、更大规模，把模型能力稳定地交付出来。
7月6日，比特币矿企TeraWulf与Anthropic签下一份为期20年的数据中心租约，合同总价值约190亿美元。两周后，另一家矿企Hut 8又公布了一份价值98亿美元的长期租约，它在得州建一座AI数据中心，把其中352MW的机房和电力容量租给一家未公开的大客户，租期15年，总租金约98亿美元。
2026年7月，Spectro Cloud完成超过1亿美元D轮融资，估值跨过10亿美元。Goldman Sachs Alternatives继续领投，AMD、Ericsson、LG Technology Ventures和美国政府服务商Maximus一同入场。这家公司没有制造芯片，也不训练大模型。它处理的是一件更加琐碎、却让许多企业头疼的事：GPU买回来以后，怎样真正用起来。
这家初创公司已与Georgia Power 签订合同，为位于Effingham County的这一数据中心综合体锁定了3.2GW的电力供应，这一规模可能使该设施跻身OpenAI迄今为止最大的数据中心之列。预计从2028年起将有数百兆瓦电力投入使用，其余开发工作将持续到2032年。1GW的电力足以在任意时刻为约75万户美国家庭供电。
如果把AI芯片比作发动机，那AI软件栈就是「变速箱+传动系统+驾驶系统」。
全球能源竞争的正在从地面走向太空。马斯克曾提出一个极具冲击力的判断：“如果你把问题推到极限，人类究竟能调动多少 AI 算力？而真正远超地球一切能源规模的能量来源，其实就在太空。”
过去十多年，AI 产业围绕算力展开的竞争，几乎都集中在同一件事：如何建设越来越大的地面计算集群。
AI 智能体，现在有了专用的算力。
AI基础设施的核心任务，已经从支撑大模型推理，转向支撑海量智能体的规模化运行与高质量Token的持续生产。
37.7°C，干趴了一台国家级AI超算。6月底，英国遭遇有记录以来最热的六月。剑桥大学的Dawn——全英最快的AI超算之一——冷却系统当场热瘫，上千块GPU被迫休了一周多的高温假，350多个科研项目全线急刹。