标签: GPU
#田柯宇被字节开除后创业#前字节实习生田柯宇再度引发热议。早前他因恶意干扰公司模型训练、抢占GPU资
#田柯宇被字节开除后创业#前字节实习生田柯宇再度引发热议。早前他因恶意干扰公司模型训练、抢占GPU资源，被字节解除实习关系，还被判赔偿50万元。如今消息传出，他创业的AI项目拿到3000万投资，相关报道登上热搜，引来大量讨论。当年事件曾在AI圈震动，争议焦点在于科研竞争边界。有人惊叹其技术能田柯宇被字节开除后创业前字节实习生田柯宇再度引发热议。早前他因恶意干扰公司模型训练、抢占GPU资源，被字节解除实习关系，还被判赔偿50万元。如今消息传出，他创业的AI项目拿到3000万投资，相关报道登上热搜，引来大量讨论。当年事件曾在AI圈震动，争议焦点在于科研竞争边界。有人惊叹其技术能力，也有人质疑过往行为背后的职业伦理。资本的选择，看重技术潜力，但技术人才的职业操守同样不容忽视。技术是一把双刃剑，追求创新突破的同时，更要守住行业底线。AI行业高速发展，更需要建立清晰的规则，平衡创新与伦理。
窃贼偷走了两辆英伟达品牌的拖车，原以为装满了人工智能GPU，结果却发现里面全是沙
窃贼偷走了两辆英伟达品牌的拖车，原以为装满了人工智能GPU，结果却发现里面全是沙子。窃贼偷走两辆印有Nvidia和PlusAI标志的自动驾驶测试拖车，疑似以为其中装有价值不菲的科技设备；撬开后却发现两辆车总共装着约4万磅（18吨）沙子。沙子其实是PlusAI用于自动驾驶重卡研发的模拟载荷。
#美教授称美国的AI投资恐爆雷#【#美国砸10万亿美元梭哈AI#？教授：可能“爆
#美教授称美国的AI投资恐爆雷#【#美国砸10万亿美元梭哈AI#？教授：可能“爆雷”】近日，美国布鲁金斯学会发布哥伦比亚商学院教授StijnVanNieuwerburgh的最新研究。他在报告中测算，2025年至2032年，美国数据中心、电力设施、网络设备、GPU及其他AI基础设施累计投资可能达到约10.3万亿美元（约合69.1万亿元人民币），平均每年相当于美国GDP的3.63%。报告指出，按这一投资强度计算，美国当前的AI建设周期已经超过历史上的多轮大型基础设施扩张。1870年至1890年的铁路建设年均投资约相当于GDP的2.24%，1956年至1973年的高速公路建设约为1.13%，1996年至2003年的通信和光纤建设约为1.10%。巨额投资的背后，是越来越昂贵的AI数据中心。报告以一座200兆瓦的AI训练园区为例，其初始建设成本约82亿美元（约合551亿元人民币），其中数据中心建筑约22亿美元（约合148亿元人民币），新增电力设施约4亿美元（约合27亿元人民币），GPU、网络和存储等IT设备约56亿美元（约合377亿元人民币），约三分之二的资金都投入了更新速度更快的计算设备。按照这一标准，一座1吉瓦级AI园区的成本已经达到约410亿美元（约合2752亿元人民币）。报告测算，到2032年，美国可能新增约182.8吉瓦数据中心容量，另有117.2吉瓦项目在2032年以后投入使用。2025年至2032年发生的建设支出可能达到10.3万亿美元（约合69.15万亿元人民币）。数据中心越建越贵，几家科技巨头合计经营现金流却开始赶不上资本开支。Oracle、Microsoft、Amazon、Meta和Alphabet五家公司合计资本支出从2020年的968亿美元（约合6500亿元人民币）升至2025年的4158亿美元（约合2.79万亿元人民币），同期经营现金流为6032亿美元（约合4.05万亿元人民币）。报告预计，2026年五家公司资本支出将进一步增至8005亿美元（约合5.37万亿元人民币），而经营现金流约为7071亿美元（约合4.75万亿元人民币），资本支出首次超过经营现金流，相当于经营现金流的约113%。高盛同样预计，美国AI相关投资占GDP的比例将从2026年的1.8%升至2027年的2.5%，2028年进一步达到2.8%。美国AI巨头开始越来越多地依赖借贷和外部融资“输血”。报告援引摩根士丹利估算，2025年至2028年，为满足大型云厂商新增算力需求，需要约2.9万亿美元（约合19.5万亿元人民币），其中超过一半需要依靠外部资本。在全部融资中，股权和债务比例约为六四开，仅私募信贷规模就可能达到约8000亿美元（约合5.37万亿元人民币），企业债约2000亿美元（约合1.34万亿元人民币），结构化融资约1500亿美元（约合1.01万亿元人民币）。VanNieuwerburgh以Meta在美国路易斯安那州建设的HyperionAI数据中心为例。报告分析的项目规模约2吉瓦，对应约300亿美元（约合2014亿元人民币）资产。Meta将80%的项目股权出售给美国另类资产管理公司BlueOwl后，合资实体又融资270亿美元（约合1813亿元人民币）债务，使项目层面的债务资产比接近90%。Hyperion债务发行收益率达到6.58%，较Meta同期直接发行类似公司债高出至少100个基点。报告估算，仅这一利差在整个融资周期内就会增加超过50亿美元（约合336亿元人民币）的利息成本，并最终反映在Meta支付的租金中。类似的长期支付义务已经出现在更多大型科技企业身上。美国信用评级机构穆迪估算，大型云厂商已经承担约9700亿美元（约合6.51万亿元人民币）租赁承诺，其中约6600亿美元（约合4.43万亿元人民币）属于尚未进入资产负债表的未来租约。报告援引《华尔街日报》统计称，仅Microsoft、Alphabet、Amazon和Meta四家公司，未来租赁和采购等表外义务就已经达到约2.4万亿美元（约合16.1万亿元人民币），其中包括9040亿美元（约合6.07万亿元人民币）未来租赁承诺和1.52万亿美元（约合10.2万亿元人民币）未来采购承诺，后者主要涉及芯片。然而，AI数据中心本身又是一类核心设备折旧速度很快的资产。铁路等传统基础设施可以使用几十年，而今天数据中心的大部分资金都投入GPU、服务器、存储和高速网络设备。报告测算，一座200兆瓦AI数据中心约82亿美元的投资中，约68%用于GPU、服务器和网络设备等IT资产，这部分资产按6年经济寿命计算；建筑、电力和冷却设施等剩余资产则按20年计算。如果IT资产的经济寿命从6年缩短至3年，在其他条件不变的情况下，每年需要回收的资本比例将从19.37%升至31.10%，相应的成熟期年收入要求也会从约3.7万亿美元（约合24.8万亿元人民币）增加至约6万亿美元（约合40.3万亿元人民币），相当于2032年美国GDP的14.8%。Hyperion也体现了长期融资与快速技术迭代之间的矛盾。其项目债务期限一直延续至2049年，Meta则从2029年开始通过一系列四年期租约使用园区，并承担相应的资产残值保障。与此同时，支撑数据中心需求的GPU、冷却系统和计算架构可能在几年内就发生明显变化。债权人看的是项目未来的长期租金和资产残值，但这些收入最终仍取决于Meta是否持续需要如此庞大的算力。一旦技术迭代或者AI需求变化使数据中心利用率和资产价值低于预期，压力仍可能通过租金、担保和再融资成本重新传导至科技巨头。报告指出，这种长期融资期限与底层技术快速迭代之间的错位，是AI基础设施面临的重要风险之一。电力又是另一层阻碍。报告估算，一座200兆瓦AI数据中心持续满负荷运行，一年的耗电量大致相当于17万户美国家庭。按照报告测算的2032年建设规模，新增AI数据中心的耗电量可能相当于目前整个美国居民部门的用电量。大量项目还需要同步获得变电站、高压输电线路、并网容量和新的发电设施。报告指出，电网接入可能需要数年，同时项目还面临电力成本上涨、地方反对以及GPU、高带宽内存和网络设备供应不足等限制。报告测算，目前美国约509吉瓦规划中的数据中心项目中，约226.9吉瓦最终不会建成，另有117.2吉瓦要到2032年以后才能投入运行。建设受阻之外，更大的问题是这些设施建成以后能不能赚回如此庞大的投入。报告按照182.7吉瓦新增容量、约9.61万亿美元（约合64.5万亿元人民币）的投产资本测算，若投资者要求10%的无杠杆回报率，同时经营现金流率达到50%，这些数据中心成熟后每年需要产生约3.725万亿美元（约合25万亿元人民币）收入，相当于报告预计2032年美国GDP的9.2%。换算成算力价格，在100%利用率下，每块GB300GPU每小时需要创造约5.5美元（约合37元人民币）收入；如果设备利用率只有80%，这一数字将升至约6.9美元（约合46元人民币），利用率降至70%时则需要约7.9美元（约合53元人民币）。报告指出，目前高端英伟达GPU按需或短期租赁价格通常约为每GPU小时6美元至10美元以上（约合40元至67元人民币），按当前市场价格，上述收入要求仍处于可以达到的区间。真正的问题在于，到2032年市场可能新增约180吉瓦算力，需求能否以相近速度增长。随着云厂商、模型公司和算力供应商同时扩张，一旦新增数据中心产能增长快于实际需求，设备利用率和GPU租赁价格都可能下降，实际收入也会低于最初的投资测算。对于那些大量依靠债务建设的数据中心而言，高杠杆之下也可能转化为更大的股权损失和偿债压力。要消化如此庞大的新增算力，本身就需要AI产业收入保持极高增速。报告援引当前估算称，OpenAI和Anthropic合计年收入约1000亿美元（约合6713亿元人民币）。如果以这一收入规模作为参照，要在2032年达到3.725万亿美元，需要未来数年保持大约80%的年复合增长率。报告还指出，随着AI基础设施投资规模扩大，芯片厂商、云厂商、数据中心运营商和金融机构之间正在形成更加紧密的资本循环。以英伟达为例，它一边向云厂商和数据中心出售GPU，一边又通过残值担保等方式帮助客户获得融资，降低大规模采购芯片的资金门槛。云厂商则继续建设数据中心、向模型公司出售算力，数据中心投资者再依靠大型科技企业的长期租赁和采购承诺支撑债务。这套结构能够持续运转，前提是新的资本不断进入的同时，AI需求、算力利用率和租赁价格也要不断增长。但未来未必能一直如这些企业所愿。一旦需求增长赶不上数据中心和GPU产能释放，芯片价格、算力租赁价格和设备利用率都可能下降，而已经签下的债务、租金和采购承诺仍需继续支付。
重磅！英伟达之后，中国厂商打响液冷升级战人工智能产业正在进入一个新的阶段，过
重磅！英伟达之后，中国厂商打响液冷升级战人工智能产业正在进入一个新的阶段，过去几年，全球科技竞争的核心更多集中在AI芯片、算力平台和算法模型上，但随着大模型训练规模不断扩大，一个隐藏在服务器机房里的关键环节正在走到台前，那就是散热。英伟达推出的新一代AI计算平台，对数据中心的能源和散热能力提出了更高要求。单个高性能AI服务器的功耗不断提升，传统风冷方式已经越来越难满足需求，液冷技术开始从“可选方案”变成“重要基础设施”。在这一轮产业变化中，中国企业也正在加速布局，从服务器散热设备到冷板、冷却液、CDU（冷量分配单元）等环节展开竞争。过去提到AI产业链，很多人的关注点集中在GPU、服务器和模型，但实际上，一台大型AI服务器想要稳定运行，需要完整的基础设施支撑。芯片负责计算，电力负责供能，而散热系统负责保证这些高价值设备不会因为温度过高而降低性能甚至停止运行。随着英伟达H100、H200以及Blackwell系列平台被广泛应用，AI数据中心的功率密度明显提高。特别是面向大模型训练的集群，数千甚至数万颗高性能GPU同时工作，会产生巨大的热量。如果仍然依靠传统空气循环散热，不仅设备空间利用率受到限制，能源消耗也会持续增加。液冷技术的价值，就是直接改变了过去的数据中心散热方式。简单来说，液体相比空气具有更高的导热能力，可以更加快速地带走芯片运行产生的热量。目前行业内常见路线包括冷板式液冷、浸没式液冷等，其中冷板液冷由于改造难度相对较低，正在成为大型AI服务器的重要方案。过去，数据中心散热市场更多由海外企业占据优势，但AI时代带来的巨大需求，让中国企业开始进入全球供应链。其中，深圳英维克等企业正在积极推进液冷相关产品研发和市场拓展。液冷系统并不是简单制造一个水冷设备，而是一整套工程体系，包括服务器内部冷板设计、管路管理、温控系统、液体循环设备以及数据中心整体架构匹配。根据市场机构预测，AI服务器液冷需求正在快速增长，未来几年液冷市场规模有望持续扩大。全球云计算企业正在增加AI基础设施投资，这也推动了液冷供应链竞争加速。中国厂商进入这一领域，并不是突然出现，而是长期制造能力积累后的结果。过去几十年，中国在电子制造、通信设备、服务器生产、精密加工等领域形成了完整产业链，这些经验为液冷设备研发提供了基础。除了英维克之外，服务器厂商也在加强液冷布局。随着国产服务器产业发展，越来越多企业开始探索适配AI计算需求的散热方案。从整机设计到机柜系统，液冷已经不再只是一个单独零部件，而成为服务器整体竞争力的一部分。过去几年，全球AI产业链竞争主要围绕芯片展开。英伟达凭借GPU生态占据重要位置，但随着AI基础设施规模扩大，产业竞争正在向更广泛领域延伸。原因很简单，AI时代拼的不只是计算能力，还包括能不能让计算设备长期稳定运行。一座大型AI数据中心，需要考虑电力供应、网络连接、服务器部署、散热管理等多个环节。其中散热正在成为限制算力发展的关键因素之一。如果没有高效率散热方案，即使拥有先进芯片，也难以发挥全部性能。一些研究显示，采用液冷方式的数据中心，在高负载运行环境下可以降低GPU温度波动，并提高系统稳定性。这意味着，液冷产业的重要性正在提升。未来的数据中心，很可能不会只是简单堆叠服务器，而会变成高度集成的智能基础设施。中国企业在这一轮竞争中的优势，主要来自几个方面。第一，是制造规模优势。液冷系统涉及大量零部件，包括泵、换热器、管路、控制模块等，需要稳定供应链支持。第二，是应用场景优势。中国拥有庞大的数字经济规模，云计算、人工智能、大模型训练等需求持续增长，为本土企业提供了丰富应用环境。第三，是产业协同能力。从服务器制造到数据中心建设，中国相关产业链较为完整，这有利于企业快速进行产品迭代。当然，液冷行业竞争也正在加剧。海外企业同样在加大投入，全球数据中心市场正在形成新的技术竞争格局。未来企业之间的比拼，不只是产品价格，更重要的是可靠性、能效水平以及大规模部署能力。对于中国厂商来说，进入液冷市场并不意味着简单替代传统供应商，而是在AI基础设施升级过程中寻找新的产业位置。过去，很多人认为AI竞争主要看芯片性能，但随着技术发展，越来越多关键环节正在被重新定义。从电源管理到散热系统，从服务器结构到数据中心设计，每一个细节都会影响AI产业的发展速度。液冷技术的快速发展，就是这一趋势的缩影。英伟达推动了全球AI算力需求增长，而中国企业正在围绕算力基础设施展开新的竞争。未来几年，随着人工智能应用不断扩大，液冷可能成为数据中心不可缺少的一部分，中国厂商也将在这场产业升级中争取更大的市场空间。AI时代的竞争，已经从单一芯片竞争走向完整生态竞争。谁能够解决算力运行中的关键问题，谁就有机会在下一轮产业发展中占据更重要的位置。
