跳到正文
9月30日 · 周三

#数据中心

今天9月30日周三
  1. AITNT · AI头条(网页)84

    Anthropic招股材料披露财务细节:2025年营收近46亿美元并承诺5180亿美元算力支出

    路透社披露Anthropic招股材料细节,公司2025年营收接近46亿美元,同比增长约12倍,同期净亏损约420亿美元,其中约340亿美元为融资重估账面费用。公司2025年算力与基建支出达73.3亿美元,占运营开支近六成,并已签署未来数年总计5180亿美元的长期算力与基建支出承诺,涵盖与亚马逊、谷歌、博通及SpaceX的算力合作。

    推荐理由:招股材料披露了头部大模型厂商在高速营收增长背后的实际算力基建开支与长期采购承诺规模。

  2. The Verge · AI 筛选73

    特朗普签署行政令要求美国政府将 AI 统称为“超级智能”

    美国总统特朗普签署新行政命令,要求美国行政部门未来在官方政策网站、文件和新闻稿中停止使用“人工智能(AI)”这一称谓,全面改用“超级智能(Super Intelligence)”。行政机构无需修改历史法规文件,但未来在相关场合将不得承认或使用 AI 这一表述。特朗普在与多位科技高管会晤后表示倾向于行业自律,并称科技企业将通过提供资源与经济支持来缓解地方建设大型数据中心的阻力。

    推荐理由:该行政令改变了美国官方对人工智能的法定称谓与叙事口径,展现了白宫对技术自律和数据中心基建的政策倾向。

9月28日周一
  1. 量子位72

    华为发布源网荷储AIDC 1.0解决方案及供电液冷新进展

    华为在全联接大会期间发布源网荷储AIDC 1.0解决方案,并展示了泰山UPS、恒山直流UPS、SmartLi 5.0以及原生适配昇腾服务器的TMU液冷系统。方案从供电链路、热管理、数字化运营与工厂预制化建设四个维度重构AIDC架构,推动智算中心从传统PUE能效管理转向以每瓦Token产出(TPW)为核心的算电协同全链路优化。

    推荐理由:原文梳理了华为源网荷储AIDC方案在供电、液冷与工程交付上的演进路径,为理解智算中心算电协同提供了参考。

9月22日周二
  1. NVIDIA · AI 筛选78

    NVIDIA 推出 DSX Ready 认证计划,涵盖 AI 数据中心供电与液冷散热产品

    NVIDIA 正式推出 DSX Ready 认证计划,用于验证符合其 DSX AI 工厂参考设计要求的合作伙伴供电与散热解决方案。该项目首批设立电池储能系统(BESS)与冷量分配单元(CDU)两个类别,首批认证方案来自 Hitachi Energy、LG Energy Solution、Tesla、LG Electronics、LiquidStack 和 Vertiv。

    推荐理由:该计划为液冷与储能设备建立了统一的参考设计规范,有助于建设方降低 AI 数据中心的供电与散热系统集成风险。

  2. Engineering at Meta72

    Meta 开源超大规模资源分配求解库 Rebalancer

    Meta 宣布以 Apache 2.0 协议开源已在内部运行超 9 年的高性能分配问题求解库 Rebalancer。该库将问题规范与求解逻辑解耦,支持通过表达式图接入 MIP 求解器或高度并行优化的局部搜索算法,在 Meta 内部每天求解约 4000 万个涉及硬件放置、任务调度及 ML 训练负载均衡的问题。

    推荐理由:Meta 开源了在内部支撑九年超大规模基础设施调度的通用求解库,为海量算力与数据中心资源分配提供了可迁移的高性能解法。

8月25日周二
  1. Engineering at Meta75

    Meta 开源 MetaRoCE:专为大规模 AI 以太网设计的 RDMA 传输协议

    Meta 宣布推出专为百万 GPU 规模 AI 工作负载设计的 RDMA 传输协议 MetaRoCE,并通过开放计算项目(OCP)开源其完整规范、软件参考实现 libsoftmetaroce 与合规测试套件。

    推荐理由:原文给出了面向百万级 GPU 的传输层设计与测试数据,读者可以据此评估在标准以太网上去除 PFC 对智算网络吞吐与弹性的提升。

  2. Engineering at Meta82

    Meta 推出首款内置网卡与通信卸载引擎的训练芯片 MTIA 300

    Meta 推出首款针对推荐与排序模型训练优化的自研 AI 芯片 MTIA 300,在芯片封装内集成了自研网卡芯粒与专用通信卸载引擎。该芯片包含 12 个 800 Gbps RDMA 网卡以提供 1.2 TB/s 的 I/O 带宽,并借助 16 个专用消息引擎使集合通信对算力吞吐的干扰降至 0.5% 以下。

    推荐理由:芯片通过片上集成网卡与近存通信引擎实现通信计算完全解耦,为大规模推荐模型训练的通信瓶颈提供了硬件层面的协同设计参考。

已经到底了