推荐理由：Nvidia这次搞了个新冷却系统，省的是数据中心里面的水，但AI最费水的地方其实是发电厂那头的冷却，想了解AI到底有多费水可以看看这篇。

推荐理由：英伟达和Coherent要在得州建厂扩产光互连，用磷化铟晶圆让AI机架间光速传数据，黄仁勋还说了句话挺有信息量，这篇讲得具体。

推荐理由：英伟达黄仁勋预言的下个万亿美元公司，Marvell 要用光互连打通远程数据中心，1.6T 芯片加交换机，看看他们怎么让算力池化。

推荐理由：AMD买了家让内存更省钱的公司，用闪存代替部分DRAM，对数据中心AI负载很实用。

推荐理由：Anthropic 自建数据中心，算力策略大转向

推荐理由：算力密度翻倍周期缩短到7个月，做AI基础设施或大模型训练的团队需要关注这个节奏，它直接决定了你的训练成本和模型规模天花板。

推荐理由：存储行业正面临供需失衡，铠侠的332层策略为数据中心和AI推理场景提供了更优性价比，做企业级存储或AI基础设施的团队值得关注这一技术路线。

推荐理由：Intel 的推理芯片策略瞄准了 AI 落地中成本敏感的环节，做数据中心部署或预算有限的团队值得关注，低成本方案可能改变选型格局。

推荐理由：液冷是解决AI算力散热瓶颈的核心方案，做数据中心运维或GPU集群部署的团队值得关注。日本企业的技术路线可能影响全球供应链，建议点开了解具体方案。

推荐理由：高通首次大规模进入数据中心AI芯片市场，字节跳动作为头部AI应用公司，其智能体场景对算力需求巨大。做AI基础设施或智能体部署的团队值得关注这一合作对芯片供应链和成本的影响。

推荐理由：华为用封装层面的创新绕开了先进 NAND 芯片的供应限制，做数据中心存储或 AI 基础设施的团队值得关注——122TB 企业级 SSD 已经量产，直接可用。

推荐理由：AI 数据中心面临带宽和散热双重挑战，Lightmatter 的液冷激光网卡直接压缩机架占用，做超大规模集群部署的团队值得关注，2026 年出样前可提前评估。

推荐理由：数据中心供电效率每提升 1% 都能省下巨额电费，做数据中心基础设施或 GPU 供电设计的工程师值得关注这项突破，它可能改变下一代电源架构的走向。

推荐理由：数据中心电力设计是AI基础设施的瓶颈，这篇论文用微软Azure的实际数据量化了电力搁浅的代价，做数据中心规划或AI硬件部署的团队值得一读。