Meta首席执行官马克·扎克伯格在周一的Threads帖子中表示,该公司正在建设一个名为Hyperion的数据中心,预计将为其新AI实验室提供5吉瓦(GW)的计算能力。
这一宣布标志着Meta在AI竞赛中领先OpenAI和谷歌的最新举措。此前Meta已经挖走了顶尖人才来运营Meta超级智能实验室,包括前Scale AI首席执行官亚历山大·王和前Safe Superintelligence首席执行官丹尼尔·格罗斯,现在Meta似乎将注意力转向训练前沿AI模型所需的大规模计算能力。
扎克伯格表示,Hyperion的占地面积将大到足以覆盖曼哈顿的大部分区域。据半导体分析公司Semianalysis称,Hyperion似乎位于路易斯安那州东北部的里奇兰教区镇。2024年,Meta宣布在该镇投资100亿美元建设数据中心,最初计划建成2GW超级集群。扎克伯格在帖子中指出,Hyperion将在"数年内"扩展到5吉瓦。
扎克伯格还提到,Meta计划在2026年启动一个名为Prometheus的1GW超级集群,使其成为首批控制如此规模AI数据中心的科技公司之一。Prometheus似乎是位于俄亥俄州新奥尔巴尼周围的数据中心网络。
Meta的AI数据中心建设似乎有望让该公司在训练和服务领先AI模型的能力方面与OpenAI、谷歌DeepMind和Anthropic更具竞争力。这一努力还可能帮助Meta吸引更多人才,他们可能被吸引到具有在AI竞赛中竞争所需计算能力的公司工作。
Prometheus和Hyperion加起来将消耗足以为数百万家庭供电的能源,这可能会从邻近社区抽取大量电力和水资源。据《纽约时报》周一报道,Meta在佐治亚州牛顿县的一个数据中心项目已经导致一些居民家中的水龙头干涸。
其他AI数据中心项目可能会给附近居民造成类似问题。据彭博社报道,AI超大规模厂商CoreWeave正在规划数据中心扩建,预计将使德克萨斯州达拉斯附近一座城市的电力需求翻倍。
尽管如此,科技公司仍决心建设大规模数据中心项目来推动其AI野心。其他值得注意的努力包括OpenAI与Oracle和软银的Stargate项目,以及xAI的Colossus超级计算机。
特朗普政府在很大程度上支持科技行业的AI数据中心建设。总统唐纳德·特朗普帮助OpenAI宣布了其Stargate项目,并随后谈到了扩展美国AI基础设施的努力。
在周一《经济学人》的专栏文章中,美国能源部长克里斯·赖特呼吁美国"在下一个主要能源密集型前沿领域:人工智能方面发挥领导作用"。他指出,AI将电力转化为"最有价值的产出:智能",联邦政府将加速煤炭、核能、地热和天然气能源的生产。
在联邦官员的支持下,AI行业似乎准备在未来几年吸收美国大部分能源。专家估计,到2030年,数据中心可能占美国能源消耗的20%,而2022年仅为2.5%。如果不快速增加能源生产,这可能给社区带来更多问题。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。