据报道,OpenAI及其算力合作伙伴Oracle已放弃了旗舰Stargate数据中心的扩建计划,原因是融资谈判陷入僵局,以及Sam Altman对承诺的犹豫不决。
彭博社援引知情人士消息称,Oracle和OpenAI原计划将位于德克萨斯州阿比林的设施容量从目前在建的1.2吉瓦扩展至2吉瓦。
导致计划搁浅的主要原因是融资问题,以及OpenAI无法有效预测需求。
目前,Meta据称正在竞标租用该站点开发商Crusoe尚未开发的容量,此前英伟达介入促成了这笔交易。
据彭博社报道,英伟达为未来容量支付了1.5亿美元定金,随后接洽Meta商讨合作入驻事宜。
自一年多前宣布5000亿美元的Stargate计划以来,OpenAI已委托Oracle部署4.5吉瓦的算力容量,用于模型开发和服务。Oracle估计该合同在整个生命周期内价值3000亿美元,该合同显然仍在按计划推进。
兑现这一承诺需要承担大量债务。本周Oracle宣布计划通过债务和股权融资额外筹集500亿美元,为其数据中心建设提供资金。
然而,融资似乎无法及时到位以挽救Oracle和OpenAI的扩建计划。
与此同时,Meta首席执行官马克·扎克伯格乐于投入资金,尽可能多地获取数据中心容量。
在今年1月的第四季度财报电话会议上,Meta宣布计划投入高达1350亿美元的资本支出,重点用于GPU算力容量,这一金额大致相当于肯尼亚的国内生产总值。
Meta并非个例。谷歌、亚马逊、Meta、微软、Oracle、腾讯、阿里巴巴和百度这八大超大规模云服务商预计在2026年将共同投入7100亿美元,其中大部分用于数据中心及其配套的GPU等设备。
尽管Oracle和OpenAI可能不会推进阿比林的扩建,但Altman及其团队仍需要找到地方部署5吉瓦的GPU,以获得英伟达提供的300亿美元激励,这是上周宣布的与软银和亚马逊合作的1100亿美元融资计划的一部分。
Q&A
Q1:Oracle和OpenAI为什么放弃德州Stargate数据中心扩建计划?
A:主要原因是融资谈判陷入僵局,以及OpenAI无法有效预测需求。原计划将德克萨斯州阿比林设施容量从1.2吉瓦扩展至2吉瓦,但由于这些问题导致计划搁浅。
Q2:英伟达在这次数据中心容量交易中扮演什么角色?
A:英伟达介入促成了交易,为未来容量支付了1.5亿美元定金,随后接洽Meta商讨租用该站点开发商Crusoe尚未开发的容量。目前Meta正在竞标租用这些容量。
Q3:科技巨头在数据中心建设上投入有多大?
A:投入规模巨大。谷歌、亚马逊、Meta、微软、Oracle、腾讯、阿里巴巴和百度这八大超大规模云服务商预计在2026年将共同投入7100亿美元,其中大部分用于数据中心及GPU等设备。Meta单独就计划投入高达1350亿美元。
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。