搜索
2026 年 3 月，轨道数据中心公司 Starcloud 宣布完成 1.7 亿美元 A 轮融资，由 Benchmark 与 EQT Ventures 领投，估值达到 11 亿美元，累计融资额达到 2 亿美元。
据The Information8月8日报道，英伟达已同意向电力基础设施开发商Lancium投资20亿美元（约合人民币135亿元），并计划在后者落实更多电力资源后，追加10亿美元（约合人民币68亿元）投资，总投资最高可达30亿美元（约合人民币203亿元）。
功能型SSD在这条数据链中的合理角色，不是自行判断一段经历是否值得记住，而是在Runtime已经给出对象和策略后，靠近数据执行确定性工作。例如按租户选择密钥，按生命周期放置数据，压缩与去重可缩减的对象，维护索引页与元数据，优先完成即将被推理使用的回载，并把尾延迟、写放大和介质健康反馈给上层。语义决策留在Agent和Runtime，数据执行尽量靠近介质。
刚刚，SpaceX 宣布正与英伟达达成合作，共同设计 Starmind AI1 卫星计算载荷。每颗 Starmind 卫星都将搭载 NVIDIA Rubin GPU 和 Vera CPU，把接近数据中心级别的算力部署到太空。
AI算力变革，从边缘、物理到云端，安谋全栈IP加速“进化”。
AI行业正上演一场冰火两重天。一边是大模型公司将烧钱推向极致，万亿美元级别的开支砸向算力与研发；另一边，不练模型、不抢GPU，帮AI企业“管钱”的金融基础设施公司营收飙升。当所有人都在追问哪个模型会赢时，真正的赢家或许是这些提供AI基建的公司。
Token可以“热”，但Token工厂必须靠原生液冷“冷”下来。
2亿枚AI芯片，要集体开机了！目前，全球投入使用的AI芯片，总算力已经相当于约2000万枚英伟达H100芯片。按照Epoch AI的估算，这个数字大约每9个月翻一倍。到2028年年底，全球AI算力预计将相当于约2亿枚。
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。