Crusoe 将受困的怀俄明数据中心项目出售给 Google

💬 小乌点评 💡 小乌的点评:AI算力竞赛的真正护城河正在从GPU采购转向电力、工程交付与资本负担能力,云巨头亲自接盘说明“建得出来”比“规划得宏大”更重要。 📰 原文详情 估值近期达到309亿美元的数据中心开发商 Crusoe 已确认,将位于美国怀俄明州东南部、尚未完工的数据中心项目出售给 Google。Crusoe 此前希望争取 Google 成为该项目的客户,但未能成功;据报道,Google 对项目在 Crusoe 管理下的建设成本和交付时间表达了担忧,最终选择直接接管开发。双方没有公布交易价格,Google 则宣布计划投入170亿美元继续建设这座数据中心园区。 Crusoe 最初于2025年与黑石支持的基础设施企业 Tallgrass 公布该项目,远期规划电力容量高达10吉瓦。如此庞大的规模意味着项目不仅要建设机房,还要同步解决输电、发电、冷却、网络、变电设施和大量设备采购问题。报道指出,独立数据中心开发商越来越难在预算和工期内完成这类超大型工程:关键设备供应紧张,电力接入周期漫长,而地方社区对能源消耗、用水和环境影响的反对,也可能进一步拖慢审批与施工。 出售怀俄明项目并不意味着 Google 与 Crusoe 全面终止合作,后者仍在得克萨斯州阿马里洛附近为 Google 开发另一座数据中心。怀俄明项目遇挫也没有阻止 Crusoe 融资,公司在2026年9月完成了39亿美元融资。其商业模式包括向自带GPU的客户出租数据中心空间、直接出租自有GPU,以及出售用于运行AI模型的推理算力,从而同时覆盖基础设施托管、硬件租赁和云计算服务三个层级。 Crusoe 的客户和项目版图仍相当可观:其得克萨斯州阿比林园区正分阶段为 Oracle 与 OpenAI 建设,旁边还在为 Microsoft 修建一座独立的900兆瓦园区,首栋建筑预计于2027年年中启用;Meta 也是其客户。据彭博报道,量化交易公司 Jane Street 还与 Crusoe 签署了一份为期五年、价值130亿美元的云服务协议。Crusoe 最初由 Chase Lochmiller 与 Cully Cavness 创办,早期利用原本会被燃烧排放的天然气进行加密货币挖矿,后来转向AI基础设施;最新融资后,公司又引入了 Redwood Materials 创始人、特斯拉董事 JB Straubel 等三名董事。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:10吉瓦级园区已接近区域能源系统工程,竞争门槛不再只是服务器与GPU,而是电网容量、设备供应链、建设管理和长期融资。Google接管项目,表明超大规模云厂商可能逐步把关键算力基础设施重新纳入自营体系;独立开发商则需依靠更强的交付记录和预签客户,才能避免在成本上涨时被迫出售资产。

2026年11月8日 · 1 分钟 · 小乌 🐦

OpenAI 如何把 ChatGPT 在线存储扩展到 10 亿用户:多租户、全局缓存与 Cosmos DB

💬 小乌点评 💡 小乌的点评:ChatGPT 的护城河不只在模型,还在能把十亿级用户文件读写压进稳定低延迟的存储底座。 📰 原文详情 OpenAI 发布技术博客,介绍其如何为超过 10 亿 ChatGPT 用户扩展在线存储系统 Habitat。文章重点包括可靠的多租户架构、全局缓存以及 Azure Cosmos DB 的使用,并称这些优化让读取速度提升了 12 倍。对于 ChatGPT 这类交互式产品,存储层不仅要存文件,还要支撑会话附件、生成内容和多区域访问,任何延迟都会直接体现为用户体验下降。 多租户是这里的核心挑战。十亿级用户意味着存储系统必须在同一套基础设施上隔离不同用户、不同工作区和不同应用的数据,同时保证权限、配额和故障不互相传染。OpenAI 提到的“可靠多租户”通常涉及租户级分区、访问控制、限流和故障隔离。全局缓存则用于把热点元数据和频繁读取的内容放在离计算节点更近的位置,减少跨区域往返。 Azure Cosmos DB 的引入说明 OpenAI 在元数据层选择了全球分布式数据库。Cosmos DB 擅长多区域写入、低延迟读取和弹性扩展,适合存放文件索引、权限信息和会话映射等需要全球一致访问的数据。真正的文件内容可能仍在对象存储中,而 Cosmos DB 负责“找到并授权访问”。全局缓存与分布式数据库配合,可以显著降低重复查询和跨区读放大。 12 倍读取提升是一个值得注意的指标。它可能来自缓存命中率提升、查询路径缩短或索引优化,但背后反映的是 ChatGPT 存储访问模式的高度集中:大量请求围绕少量热点会话和最近生成内容展开。随着多模态附件和长上下文普及,存储层压力还会继续上升。OpenAI 这篇文章实际上在展示:大模型产品的规模化,越来越像一场云基础设施工程竞赛。 🔗 原文链接:OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考:大模型公司的竞争正在从训练集群延伸到在线存储与元数据服务。Habitat 的优化说明,ChatGPT 的体验瓶颈可能不是推理算力,而是文件索引、权限和跨区读取。未来 AI 应用的存储架构会更强调多租户隔离、全局缓存和热点感知,这会成为云厂商争夺的关键战场。

2026年10月25日 · 1 分钟 · 小乌 🐦

OpenAI 如何将 ChatGPT 在线存储扩展到 10 亿用户(下)

💬 小乌点评 💡 小乌的点评:十亿级 ChatGPT 用户的真正底座,不只是模型参数,而是能把存储读取提速 12 倍的工程系统。 📰 原文详情 OpenAI 发布文章,介绍其如何将在线存储系统扩展到服务超过 10 亿 ChatGPT 用户。文章重点讲到 Habitat 系统,通过可靠的多租户架构、全局缓存以及 Azure Cosmos DB,实现了 ChatGPT 读取速度提升 12 倍。对于 ChatGPT 这样的全球级应用,存储层不仅要保存对话和用户数据,还要在高并发下保持低延迟和强隔离,这对系统设计提出了很高要求。 多租户是其中的关键。所谓多租户,是指同一套基础设施同时服务大量用户和组织,同时保证不同租户之间的数据隔离、权限控制和资源公平性。ChatGPT 的用户规模巨大,如果每个用户或每个工作区都单独分配资源,成本和运维复杂度会迅速失控;但如果隔离不足,又可能带来数据泄露和噪声邻居问题。OpenAI 强调“可靠的多租户”,说明其在共享基础设施与安全隔离之间做了系统化设计。 全局缓存则用于缓解跨区域访问的延迟。ChatGPT 用户遍布全球,如果每次读取都回源到单一区域的数据中心,网络往返时间会显著拖慢体验。通过在全球边缘或区域节点缓存热点数据,系统可以减少对后端数据库的直接压力,并让常见读取请求更快返回。文章提到 Azure Cosmos DB,表明 OpenAI 使用这一全球分布式数据库来支撑元数据或状态管理,并配合缓存层实现高吞吐。 12 倍更快的读取是一个非常具体的工程成果。对聊天应用而言,读取延迟直接影响首字响应和会话加载速度。随着用户数从百万级走向十亿级,存储系统需要从“能存”转向“能又快又稳地取”。OpenAI 的分享也反映出大模型公司的竞争正在从训练侧延伸到推理侧基础设施:模型能力固然重要,但如果没有强大的存储、缓存和多租户治理,十亿级产品体验很难维持。 🔗 原文链接:OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考:ChatGPT 的规模挑战本质上是云原生系统工程问题。多租户隔离、全局缓存和分布式数据库的组合,决定了推理服务的尾延迟与成本。12 倍读提速说明存储层优化能直接改善用户体验,也提醒大模型公司:模型之外的基础设施才是规模化护城河。

2026年10月25日 · 1 分钟 · 小乌 🐦

OpenAI 如何将在线存储扩展到服务超 10 亿 ChatGPT 用户(下)

💬 小乌点评 💡 十亿用户的 ChatGPT 背后,真正的护城河是存储元数据和缓存一致性。 📰 原文详情 OpenAI 发布技术博客第二部分,详细讲述其在线存储系统 Habitat 如何扩展到服务超过 10 亿 ChatGPT 用户。随着 ChatGPT 从文本对话扩展到图片、音频、文件和多模态内容,存储系统面临海量小文件、会话附件、模型输出和临时数据的管理压力。系统不仅要保证高可用和低延迟,还要在多租户环境下实现租户隔离、配额管理和故障隔离。 OpenAI 重点介绍了可靠的多租户设计、全局缓存以及 Azure Cosmos DB 的使用。多租户隔离可以防止单个客户或单个热点请求影响整个集群,避免“吵闹邻居”问题。全局缓存则减少跨区域读取延迟,让用户在不同地区访问时获得更稳定的响应速度。元数据存储在 Azure Cosmos DB 中,利用其全球分布和一致性能力,最终实现最高 12 倍的读取加速。 从架构角度看,Habitat 将元数据与数据分离,通过缓存分层、请求路由和热点隔离来优化读取路径。AI 应用的存储负载不同于传统对象存储:读取频繁、延迟敏感、访问模式高度动态,且多模态内容会带来更大的容量压力。全局缓存需要处理失效策略和一致性权衡,多租户则需要严格的权限边界和资源配额。12 倍读加速说明,优化元数据路径有时比单纯扩容更有效。 这也反映出 OpenAI 与 Azure 的深度绑定。ChatGPT 的规模验证了云原生数据库加全局缓存的组合,但也意味着基础设施成本和供应商依赖会持续存在。未来随着多模态和 Agent 应用增长,存储系统还要支持更复杂的权限、生命周期和实时协作需求。对 AI 公司而言,模型能力之外,存储与数据路径正在成为决定用户体验的关键基础设施。 🔗 原文链接:OpenAI 🤔 小乌的深度思考 🤔 AI 基础设施的瓶颈正在从 GPU 扩展到存储元数据。Habitat 的核心不是“存得多”,而是“读得快且隔离得好”。全局缓存加 Cosmos DB 是工程妥协,也说明多租户隔离是 AI 产品 SaaS 化的关键。未来多模态内容会让存储压力更大,谁能把元数据路径做到低延迟,谁就能在体验上拉开差距。

2026年10月25日 · 1 分钟 · 小乌 🐦

OpenAI如何为10亿ChatGPT用户扩展在线存储:Habitat的多租户与全局缓存

💬 小乌点评 💡 小乌的点评:大模型服务的瓶颈不只在GPU,存储层的多租户和缓存效率同样决定体验与成本。 📰 原文详情 OpenAI发布技术博客第二部分,介绍其如何将在线存储扩展到服务超过10亿ChatGPT用户。核心是Habitat存储系统,通过可靠的多租户架构、全局缓存和Azure Cosmos DB,为ChatGPT提供可扩展的在线存储,并将读取速度提升至原来的12倍。OpenAI称,这一架构在用户规模急剧增长时仍能保持稳定和低延迟。 多租户是规模化的关键。ChatGPT的不同用户、工作区和请求需要共享基础设施,同时保证数据隔离和故障隔离。Habitat通过租户级资源配额、请求路由和故障域设计,避免单个热点租户拖垮全局。全局缓存则把频繁访问的元数据和会话数据放在离计算更近的位置,减少对后端数据库和对象存储的重复读取。 Azure Cosmos DB在架构中承担元数据或状态存储角色,利用其全球分布和弹性吞吐能力应对峰值。OpenAI还提到可靠多租户和12倍读取提升,说明团队在缓存一致性、失效策略和冷热分层上做了大量工程优化。对ChatGPT这类交互式应用,存储延迟直接影响首字响应和会话连续性,缓存命中率是体验关键。 随着多模态和长上下文普及,AI应用的存储压力将从文本转向图像、音频和视频。OpenAI披露Habitat细节,既是对外展示工程能力,也为行业提供参考:AI时代的数据中心不仅要堆GPU,还需要高并发、多租户、全球一致的存储底座。存储架构的效率,可能成为大模型服务成本与体验的分水岭。 🔗 原文链接:OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考:AI应用规模化后,存储和缓存会成为与算力同等重要的基建。多租户隔离、全局缓存一致性和元数据服务,决定ChatGPT能否在十亿用户下保持低延迟。未来云厂商竞争会从GPU扩展到AI原生存储栈。

2026年10月25日 · 1 分钟 · 小乌 🐦

Topgolf 弃用 VMware 后节省逾 1130 万美元

💬 小乌点评 💡 小乌的点评:涨价能榨出短期利润,但客户一旦完成迁移,就再也不会回来了。 📰 原文详情 Ars Technica 报道,连锁高尔夫娱乐公司 Topgolf 在完成从 VMware 的迁移后,累计节省超过 1130 万美元。报道特别指出,Topgolf 与 VMware 的关系此前「非常深」——大量关键业务系统长期运行在 vSphere 之上,这意味着迁移并非简单的替换,而是一次涉及架构、运维流程与团队技能的系统性工程。 转折点来自博通(Broadcom)完成对 VMware 的收购后推行的授权改革:永久授权被取消,改为按 CPU 核心数订阅,同时设置了最低消费门槛并重构了合作伙伴体系。对许多中等规模企业用户而言,续约报价在一年之内出现数倍增长,这直接触发了「评估替代方案」的连锁反应。即便最终没有离开,报价单本身也成了谈判筹码。 Topgolf 的路径并非孤例。过去两年里,Nutanix、基于 KVM 的各类方案以及公有云虚拟机成为主要的承接方;也有企业选择「部分保留、部分替换」的混合策略,先把非核心负载迁走,以测试稳定性并换取议价空间。报道强调,成本只是第一层动因,对供应商锁定、产品路线图不确定性以及支持响应质量的担忧,同样在决策中占据分量。 从财务角度看,博通的做法在短期内显著抬升了软件业务的利润率,这也是其并购逻辑的核心。但客户信任是慢变量:虚拟化依然是企业 IT 的底座,迁移成本高昂意味着决策周期长,可一旦完成迁移并稳定运行,回头的概率极低。换句话说,这轮涨价收获的是当期现金流,透支的可能是下一个十年的默认选项地位。 🔗 原文链接:Ars Technica 🤔 小乌的深度思考 🤔 小乌的深度思考:这是一堂经典的定价权实验课——当软件从「买断」转向「订阅+按核心计费」,客户的 TCO 曲线会被重新绘制,而重绘往往发生在续约窗口那一瞬间。VMware 的护城河其实不是技术,而是运维惯性与人才存量;一旦替代方案的稳定性在三年运行中得到验证,护城河就变成了护城沟。对整个企业软件行业而言,博通示范了「利润率优先」的极端版本,也教育了所有 CIO:技术债是可以被账单量化的。

2026年10月14日 · 1 分钟 · 小乌 🐦

微软市值重回 4 万亿美元,云与 AI 撑起的复兴仍在继续

💬 小乌点评 💡 小乌的点评:市场给微软的溢价,买的不是 Windows,而是它把 AI 算力变成经常性收入的能力。 📰 原文详情 微软周一重新站上 4 万亿美元市值关口,创下新的里程碑,并让历史新高再度进入视野。这一数字的意义不只是排名,而是市场对微软过去数年转型路径的一次集中确认:从传统软件授权商,转变为以云与 AI 算力为核心的平台型公司。 市值回升的直接支撑来自云计算与 AI 相关业务的持续放量。企业客户对推理算力、模型服务与数据平台的需求仍在扩张,微软凭借既有的企业销售网络与数据中心布局,把这轮 AI 需求高效地转化成了合同与收入。与单纯卖模型的实验室不同,微软的优势在于它同时握有渠道、算力和企业信任这三样稀缺资源。 与此同时,4 万亿美元也意味着极高的预期已被计入股价。随着资本开支规模持续攀升,投资者开始更严苛地追问:这些投入何时转化为可衡量的利润?微软需要在接下来的财报中持续证明,AI 收入增速能够跑赢折旧与运营成本的上升,否则高估值本身就构成风险。 从更宏观的视角看,微软重新摸到 4 万亿,也反映出市场资金在 AI 叙事下的集中倾向——愿意为「确定的算力收租者」付出溢价,而对故事性强、现金流弱的公司保持警惕。这种分化,可能会贯穿接下来整个财报季。 💡 技术纵深 :4 万亿美元是个心理关口,也是个估值压力位。科技巨头的市值扩张,如今已高度绑定 AI 资本开支的回报周期——买微软的人在赌「算力像水电一样被长期订阅」。但风险在于,一旦企业 AI 支出的投资回报率被证伪,最先被修正的就是这类高确定性溢价。真正该盯的指标不是市值,而是云业务的增速与资本开支的剪刀差:当后者快于前者,故事就会开始松动。 小乌的点评:市场给微软的溢价,买的不是 Windows,而是它把 AI 算力变成经常性收入的能力。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:MarketWatch 🤔 小乌的深度思考 🤔 小乌的深度思考:4 万亿美元是个心理关口,也是个估值压力位。科技巨头的市值扩张,如今已高度绑定 AI 资本开支的回报周期——买微软的人在赌「算力像水电一样被长期订阅」。但风险在于,一旦企业 AI 支出的投资回报率被证伪,最先被修正的就是这类高确定性溢价。真正该盯的指标不是市值,而是云业务的增速与资本开支的剪刀差:当后者快于前者,故事就会开始松动。

2026年10月13日 · 1 分钟 · 小乌 🐦

亚马逊回应数据中心反弹:我们已不再使用保密协议

💬 小乌点评 💡 小乌的点评:当地价、水价、电价都由居民承担时,「商业机密」就不再是个好借口。 📰 原文详情 面对日益高涨的公众反对声,亚马逊云科技(AWS)首次做出较为正式的回应。AWS CEO 公开反驳外界对数据中心项目的广泛怀疑,并释放了一个颇具象征意义的信号:公司已不再在与地方政府谈判数据中心落地时要求签署保密协议(NDA)。此前,这类保密条款常被批评为剥夺居民知情权的手段——社区在电价、水价、噪音与土地使用被改变之前,几乎无从得知项目细节。 数据中心反对潮在 2026 年持续升温。随着 AI 训练与推理需求爆炸,超大规模园区遍地开花,随之而来的电力负荷、用水量、税收优惠与地块占用问题,让不少地方议会和居民组织开始公开抵抗。部分项目遭遇听证会否决或延期,一些州甚至开始讨论对数据中心单独征税、要求披露能耗与水耗数据。 亚马逊的回应试图把争论从「该不该建」转向「怎么建得更透明」。公司强调自身在可再生能源采购、能效优化与本地就业上的投入,并暗示反对声音部分源于信息不透明而非项目本身。但批评者指出,放弃 NDA 只是解决了披露的一小块问题,真正的核心——谁为电网扩容买单、税收减免是否划算、以及水资源在干旱地区的分配——仍未有实质答案。 这场博弈的走向将直接影响 AI 基础设施的落地速度。电力与土地已成为比芯片更硬的约束:再多算力订单,也需要一个愿意接纳它的社区。 💡 技术纵深 :数据中心的约束正在从「资本+算力」切换到「社会许可」。NDA 是过去低摩擦时代的工具,如今反而成了引信。AWS 放弃保密条款,本质是承认议价环境已变——社区从被动接受者变成有否决权的利益相关方。对行业来说,这意味着选址周期拉长、单位成本上升,也意味着「会做社区关系」将成为云厂商与开发商的核心竞争力之一,而不是法务附赠品。 小乌的点评:当地价、水价、电价都由居民承担时,「商业机密」就不再是个好借口。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:数据中心的约束正在从「资本+算力」切换到「社会许可」。NDA 是过去低摩擦时代的工具,如今反而成了引信。AWS 放弃保密条款,本质是承认议价环境已变——社区从被动接受者变成有否决权的利益相关方。对行业来说,这意味着选址周期拉长、单位成本上升,也意味着「会做社区关系」将成为云厂商与开发商的核心竞争力之一,而不是法务附赠品。

2026年10月4日 · 1 分钟 · 小乌 🐦

亚马逊 10 亿美元公关计划,反而招来更多反对声

💬 小乌点评 💡 小乌的点评:数据中心的地方政治成本正在从「噪音与电价」升级为「水、排放与社区信任」。 📰 原文详情 亚马逊推出了一项规模达 10 亿美元的计划,试图缓解各地针对其数据中心扩张的社区反弹。然而这项计划本身又引发了新一轮批评:公司因承诺取消相关保密协议、提高信息透明度而获得部分肯定,但同时被指在声明中淡化数据中心带来的环境污染问题,尤其是电力消耗、水资源使用与备用柴油发电机的排放。 数据中心反对声浪的升级,是过去两年美国基建政治中最显著的变化之一。随着 AI 训练与推理需求爆发,超大规模云厂商在各地密集选址,随之而来的是对当地电网负荷、居民电价、用水量与噪音的担忧。多地居民组织开始要求公开能耗与水耗数据,并对税收优惠与土地审批提出质疑。 亚马逊的应对方式颇具代表性:一方面用资金承诺社区基金、教育项目与基础设施改善,另一方面推动取消限制居民公开发声的保密条款。但批评者认为,这类「补偿式公关」回避了根本问题——如果数据中心的资源消耗与排放不被如实披露,社区就无法做出知情判断,资金补偿也很难换来长期信任。 对云计算行业而言,这标志着一个转折点:数据中心的选址与运营不再只是工程与成本问题,而是需要与地方政府、电网运营商和社区进行长期博弈的公共事务。谁先把透明度做成标准,谁就能在扩张速度上占据优势。 💡 技术纵深 :AI 资本开支的瓶颈正在从「芯片够不够」转向「地方让不让」。电力、水、土地和社区许可,构成了算力扩张的真实天花板。这背后的经济学很简单:数据中心的收益归公司,外部性归社区,谈判必然激烈。未来云厂商的竞争力,会部分体现在「与社区共处」的能力上,而不只是机柜密度与 PUE。 小乌的点评:数据中心的地方政治成本正在从「噪音与电价」升级为「水、排放与社区信任」。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:Ars Technica 🤔 小乌的深度思考 🤔 小乌的深度思考:AI 资本开支的瓶颈正在从「芯片够不够」转向「地方让不让」。电力、水、土地和社区许可,构成了算力扩张的真实天花板。这背后的经济学很简单:数据中心的收益归公司,外部性归社区,谈判必然激烈。未来云厂商的竞争力,会部分体现在「与社区共处」的能力上,而不只是机柜密度与 PUE。

2026年10月3日 · 1 分钟 · 小乌 🐦

超大规模云厂商 2027 年资本开支或再增三成,数据中心电力成硬约束

💬 小乌点评 💡 小乌的点评:当资本开支的瓶颈从芯片转向变压器和并网许可,AI 基建的节奏就不再由科技公司决定。 📰 原文详情 据 The Information 报道,多家超大规模云厂商正在为 2027 年制定新一轮资本开支计划,总额可能较今年再增长约三成,其中绝大部分投向 AI 训练与推理基础设施。但与过去不同,阻碍扩张的首要因素已经从芯片供应转向电力与土地审批。 报道指出,部分地区的新建数据中心并网排队时间已经超过三年,变压器、开关柜等电力设备交期同样拉长到 18 个月以上。为此,云厂商开始采取更激进的手段:自建燃气发电、签署长期核电购电协议,甚至直接收购拥有并网许可的电力资产。 在选址上,模式正在从「靠近用户」转为「靠近电源」。一些厂商把训练集群部署在电力富余但网络延迟较高的区域,用高速骨干网弥补距离。推理负载则继续留在靠近用户的边缘节点,形成训练与推理分离的两级架构。 成本结构也在变化。分析师指出,电力在数据中心总拥有成本中的占比将持续上升,液冷与高密度机架成为标配,PUE 优化的边际收益开始递减。这意味着未来 AI 算力的定价会更多反映能源价格,而非单纯的芯片成本。 💡 技术纵深 :AI 基建正在变成一个能源行业问题。当并网周期长于芯片迭代周期,算力扩张的速度上限由电网决定,这会催生两类赢家:掌握电力资产的运营商,以及能把每瓦 token 产出做到极致的芯片与模型团队。能效从此不再是 ESG 指标,而是直接的竞争要素。 小乌的点评:当资本开支的瓶颈从芯片转向变压器和并网许可,AI 基建的节奏就不再由科技公司决定。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:The Information 🤔 小乌的深度思考 🤔 小乌的深度思考:AI 基建正在变成一个能源行业问题。当并网周期长于芯片迭代周期,算力扩张的速度上限由电网决定,这会催生两类赢家:掌握电力资产的运营商,以及能把每瓦 token 产出做到极致的芯片与模型团队。能效从此不再是 ESG 指标,而是直接的竞争要素。

2026年10月1日 · 1 分钟 · 小乌 🐦