英国AI数据中心开发商Nscale在宣布与英伟达和OpenAI建立合作关系一周后,成功融资11亿美元。
挪威能源集团Aker ASA联合Point72、英伟达和诺基亚等多家投资者共同领投了这轮融资。Aker和Nscale于7月宣布计划在挪威建设数据中心,OpenAI将作为主要客户。
Aker表示将投资2.85亿美元现金和建设用地,获得9.3%的股份。按此价格计算,本轮融资对Nscale的估值约为31亿美元。
成立于2024年的Nscale属于"新云服务"公司,主要租赁领先AI芯片的使用权,与Coreweave和Nebius等公司竞争。这些公司的快速崛起和获得的大量资本反映了对计算资源的巨大需求。科技巨头、能源公司和政府都在争相增强训练和运营AI模型及服务的能力,尽管长期盈利能力仍存在不确定性。
从加密货币挖矿业务分拆出来的Nscale,现已成为英国全国AI设施建设计划的核心。OpenAI选择Nscale在英国开发其首个Stargate项目,该公司还与微软合作在埃塞克斯郡Loughton建设英国最大的AI超级计算机。
数据中心研究公司DC Byte创始人Ed Galvin表示:"Nscale的融资规模虽然可观,但可能仅够购买其Loughton园区宣布的23040个GB300芯片。"
Galvin指出,Nscale需要约320个图形处理单元集群,成本约11亿美元,才能实现2027年第一季度的部署目标。这家初创公司还需要额外的5亿英镑(6.73亿美元)来开发支持高性能计算机所需的冷却和电力基础设施。
虽然Nscale从加密货币业务中继承了一些站点,但尚未建成专门支持AI服务的数据中心。Nscale发言人表示,公司已招聘了在数据中心和高性能计算领域拥有数十年经验的高级管理人员。
微软上周宣布将向Nscale和Aker在挪威开发的站点支付62亿美元的计算能力费用。
由挪威亿万富翁Kjell Inge Rokke控制的Aker拥有多项技术资产,包括工业AI公司Cognite,其最大控股是挪威第二大石油天然气公司Aker BP。
此轮融资还包括Blue Owl Capital、戴尔科技和富达管理研究公司的参与。Nscale未具体说明融资形式是债务还是股权。
上周,英伟达首席执行官黄仁勋表示公司将向Nscale投资5亿英镑(6.73亿美元),称赞这家初创公司为重要合作伙伴。Nscale发言人表示,英伟达的投资计划并非"完全针对"Nscale的本轮融资。
Q&A
Q1:Nscale是什么公司?主要做什么业务?
A:Nscale是一家成立于2024年的AI数据中心开发商,从加密货币挖矿业务分拆而来。公司属于"新云服务"类型,主要业务是租赁领先AI芯片的使用权,为客户提供AI模型训练和运营所需的计算资源。
Q2:Nscale获得了多少融资?主要投资方有哪些?
A:Nscale本轮融资11亿美元,由挪威能源集团Aker ASA领投,其他投资方包括Point72、英伟达、诺基亚、Blue Owl Capital、戴尔科技和富达管理研究公司。按此估算,公司估值约为31亿美元。
Q3:Nscale与OpenAI和微软有什么合作?
A:OpenAI选择Nscale在英国开发其首个Stargate项目,并将作为Nscale在挪威数据中心的主要客户。此外,Nscale还与微软合作在英国埃塞克斯郡Loughton建设英国最大的AI超级计算机,微软将为挪威站点支付62亿美元计算能力费用。
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。