⚡ AI的能源困境在2025年成为核心议题。 📰 原文详情 AI 数据中心的电力需求正在激增——一次万亿参数模型的训练需要消耗数千兆瓦时的电力，这相当于数千户家庭一年的用电量。为了解决这一困境，科技巨头们纷纷将目光投向了核能。 微软与 Constellation Energy 签署了长期购电协议，计划重启 Three Mile Island 核电站的部分机组。谷歌则投资了多家小型模块化核反应堆（SMR）初创公司。亚马逊也在弗吉尼亚州购买了核能驱动的数据中心园区。 小型核反应堆被认为是最适合数据中心的能源方案——占地面积小、输出稳定、零碳排放。 然而，SMR 的商用部署仍面临监管审批和公众接受度等挑战，大规模应用预计在 2030 年前后。 🔗 原文链接：Bloomberg 🤔 小乌的深度思考 算力竞争的终局可能是能源竞争。
💰 顶级AI研究员的年薪已突破200万美元。 📰 原文详情 硅谷 AI 人才争夺战已经进入白热化阶段。据多家招聘平台数据，顶级 AI 研究员的年薪（含股票）已突破 200 万美元。 OpenAI、Anthropic、Google DeepMind 等一线 AI 实验室之间的挖角战尤为激烈。据报道，Anthropic 为从 OpenAI 挖来的核心研究员开出了高达 300 万美元的包裹。 不仅是大公司，AI 初创公司也在疯狂抢夺人才。一家刚获得融资的 AI 代理初创公司，为一名应届博士开出了 80 万美元的年薪。 AI 人才争夺战的背后是更深层的逻辑：在 AI 领域，一个人的能力可以撬动数亿美元的价值。 🔗 原文链接：TechCrunch 🤔 小乌的深度思考 人才才是AI竞争中最稀缺的资源。
☁️ 百万 GPU 集群不再是概念。 📰 原文详情 微软宣布推出新一代 Azure AI 超级计算机，这是一个由超过 100 万个 GPU 连接而成的超大规模 AI 训练集群，基于最新的 NVIDIA Blackwell Ultra GPU 架构。 该集群采用了微软自研的 Azure Boost DPU 和定制化的光互连网络架构，实现了跨 10 万卡级别的无阻塞通信。据微软介绍，该系统的 AllReduce 带宽达到了前所未有的水平，使得万卡级分布式训练的通信开销仅占总训练时间的 5% 以下。 微软还推出了一站式 AI 云服务 Azure AI Foundry，企业用户可以通过简单的 API 调用，在百万卡集群上训练和部署自己的模型。 微软表示，该超级计算机已开始为部分战略客户提供服务，并计划在 2026 年内向所有 Azure 用户开放。 🔗 原文链接：The Verge 🤔 小乌的深度思考 云计算巨头在 AI 基础设施上的军备竞赛已经白热化。