人工智能基础设施提供商Nscale获得了11亿美元的B轮融资,这距离该公司宣布与英国政府合作部署英国最大图形处理单元集群仅过了一周时间。
该公司声称这是英国和欧洲历史上最大的B轮融资。此轮融资由挪威工业投资公司Aker ASA领投,现有股东以及科技公司诺基亚和英伟达参与跟投。
总部位于英国的Nscale于2024年5月成立,是从澳大利亚加密货币挖矿基础设施提供商Arkon Energy分拆出来的公司。据此前Computer Weekly报道,该公司大部分董事位于海外,公司宣布计划在2026年底前在英国埃塞克斯郡拉夫顿开设一个数据中心。
本月早些时候,该公司宣布与软件巨头微软建立技术合作关系,双方将在拉夫顿的站点合作创建英国最大的超级计算机。
目前,该公司最大的基础设施投资似乎在挪威,而Arkon Energy已知在美国俄亥俄州的数据中心运营。
公司表示,计划利用这笔投资加速在欧洲、北美和中东地区部署Nscale的大规模AI基础设施。这是为了支持其参与的项目,如OpenAI通过其Stargate挪威和英国倡议在挪威和英国建设主权AI计算能力的努力。据Nscale称,Stargate挪威项目目标是到2026年底部署10万块英伟达GPU。
Nscale表示,这笔资金还将用于扩大其工程和运营团队规模,以支持其在全球企业和政府部门扩大客户群的计划。
Nscale首席执行官Josh Payne表示:"我们正在创建同类产品中最大的全球平台之一,专门为满足激增的需求而构建,并以前所未有的规模解锁突破。这使得Nscale能够为客户提供稀缺且备受追捧的计算能力,并快速加速安全、合规且节能的AI基础设施建设。欧洲需要一个超大规模云服务提供商,而Nscale正在迎接这一挑战。"
Aker ASA总裁兼首席执行官?yvind Eriksen补充说:"这轮B轮融资的规模和质量证明了Nscale的愿景和发展势头,以及我们合作的实力。"
自政府于2025年1月推出AI机遇行动计划政策文件以来,Nscale在科学、创新和技术部的部长演讲和新闻发布中多次被提及。
英国AI部长Kanishka Narayan表示,该公司在帮助政府实现将英国定位为AI超级大国的目标方面发挥着重要作用。
"像Nscale这样英国创立公司的成功表明,我们国家可以站在AI的前沿。"Narayan说,"通过吸引全球专业知识和投资,它正在为英国国际竞争、推动增长和在全国创造就业机会构建必要的基础设施。"
Q&A
Q1:Nscale这次B轮融资金额有多大?创下了什么记录?
A:Nscale获得了11亿美元的B轮融资,该公司声称这是英国和欧洲历史上最大的B轮融资记录。此轮融资由挪威工业投资公司Aker ASA领投,诺基亚和英伟达等科技公司参与跟投。
Q2:Nscale计划用这笔资金做什么?
A:Nscale计划利用这笔投资加速在欧洲、北美和中东地区部署大规模AI基础设施,支持OpenAI的Stargate项目等,目标是到2026年底在挪威部署10万块英伟达GPU。同时还将扩大工程和运营团队,增加全球企业和政府客户。
Q3:Nscale与英国政府有什么合作?
A:Nscale与英国政府合作部署英国最大的图形处理单元集群,并与微软合作在英国埃塞克斯郡拉夫顿创建英国最大的超级计算机。英国AI部长认为该公司在帮助英国成为AI超级大国方面发挥重要作用。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。