本周,黑石集团与谷歌达成的大规模交易旨在打破英伟达的硬件垄断地位。黑石承诺初期投入50亿美元股权,启动一家全新的专用AI云计算公司,该项目规模有望扩大至250亿美元。通过这一举措,黑石将业务延伸至计算能力和芯片硬件本身的融资领域。
这笔交易有可能颠覆AI硬件的销售和融资现状。黑石正在利用其资本和能源资源,为基于谷歌TPU的"计算即服务"提供资金支持,这可能成为英伟达GPU的低成本替代方案。
超大规模云服务商通常自行为数据中心提供融资,但一些专家认为,通过这笔交易,黑石有可能将高度波动的技术风险转化为更具不对称性的财务收益。这也可能对Nebius、Crusoe、CoreWeave和Lamda等小型AI云服务商构成威胁,这些公司凭借快速灵活的硬件访问能力而蓬勃发展。Rittenhouse Research在X平台上发文指出,这些新兴云服务商主要与英伟达硬件结盟,这为谷歌支持的TPU替代方案创造了机会。
然而,也有观点认为这笔交易"不会立即构成问题",因为企业、初创公司和开发者将继续青睐独立的新兴云服务商,正是因为它们与英伟达CUDA软件平台的兼容性——CUDA是大多数AI软件、开发工具和机器学习模型的核心。此外,不需要大规模、多兆瓦级部署的公司会更倾向于"分钟级获取GPU"的敏捷性和速度,这正是新兴云服务商的核心优势。
AI行业的两极分化:两份最新报告展现了同一AI基础设施价值链的两个极端——超大规模云服务商无所畏惧、灵活敏捷、跨越边界、资金充裕且可扩展;而电信运营商则充满顾虑、固守传统、受到监管且注重收益率。
光传输市场预测:在第一季度取得"突出"业绩后,Dell'Oro Group的Jimmy Yu表示,受AI数据中心网络基础设施投资驱动,该市场制造商收入将自2000年以来首次突破180亿美元。
戴尔科技峰会:CEO Michael Dell表示,智能体AI将使AI工厂从硬件供应故事转变为企业基础设施堆栈,涵盖桌面系统、数据编排、机架级AI基础设施、网络、冷却等更多领域。
超越侧挂式设计:据施耐德电气CTO Jim Simonelli称,有人预测1兆瓦数据中心机架将在2028年到来,这需要从侧挂式机架过渡到800伏直流直接配电。
高密度机架495亿美元市场:Persistence Market Research表示,全球高密度机架市场2026年预计价值387亿美元,到2033年预计达到495亿美元,年复合增长率为3.6%。
Analog收购Empower:Analog Devices将收购Empower Semiconductor,以扩展其高密度电源产品组合,并巩固ADI作为超大规模云服务商和AI芯片开发商领先的系统级电网到核心电源合作伙伴的地位。
Fleet数据中心破土动工:Fleet Data Centers宣布在内华达州斯托里县USA Parkway沿线破土动工,建设一个总投资90亿美元、包含两个设施的大型数据中心园区。这些超大规模站点的总规划容量为230兆瓦。
宾夕法尼亚州权衡数据中心监管:宾夕法尼亚州立法者在如何监管数据中心问题上存在分歧,关于能源和水资源使用披露的提案在参议院面临质疑,多数党领袖Joe Pittman怀疑监管能否带来透明度。
Applied Digital的新租约:Applied Digital与一家投资级美国超大规模云服务商在其Delta Forge 1园区签署了为期15年、价值75亿美元的租约,这提升了其更广泛基础设施扩张雄心的筹码。
Q&A
Q1:黑石与谷歌的AI云计算交易规模有多大?
A:黑石集团承诺初期投入50亿美元股权,启动一家全新的专用AI云计算公司,该项目规模有望扩大至250亿美元。这笔交易旨在为基于谷歌TPU的"计算即服务"提供资金支持,作为英伟达GPU的低成本替代方案。
Q2:新兴AI云服务商会受到黑石谷歌交易的冲击吗?
A:可能会对Nebius、Crusoe、CoreWeave和Lamda等小型AI云服务商构成威胁。但也有观点认为不会立即构成问题,因为企业和开发者仍会青睐这些独立服务商与英伟达CUDA平台的兼容性,以及它们提供的"分钟级获取GPU"的敏捷性优势。
Q3:全球高密度机架市场未来发展前景如何?
A:根据Persistence Market Research的预测,全球高密度机架市场2026年预计价值387亿美元,到2033年预计达到495亿美元,年复合增长率为3.6%。同时,有预测称1兆瓦数据中心机架将在2028年到来,这将推动从侧挂式机架向800伏直流直接配电过渡。
好文章,需要你的鼓励
仿人机器人与自动驾驶汽车在区域架构、功能安全及雷达传感方面高度相似。多分辨率摄像头组合可更好地模拟人类视野,兼顾广角低保真与局部高精度需求。自然运动需实时计算正逆运动学、距离与深度,同时须兼顾功耗效率。当前视觉与基础操控技术最为成熟,而触觉、全身协调及非结构化环境中的移动能力仍是主要挑战。业界正借鉴自动驾驶经验,加速推进仿人机器人的规模化落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着AI技术发展,攻击者可融合白市、灰市及黑市数据,构建个人及其环境的数字孪生体,使定向攻击更为便捷。专家指出,AI与网络安全的核心交汇点是数据本身。防御AI数据融合攻击需依赖硬件信任根、强加密、安全密钥存储及严格的数据匿名化措施。芯片架构师需将安全设计嵌入硬件层,确保数据完整性验证、隔离执行及认证数据流,以应对日益复杂的运行时攻击面。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。