全部 AI 动态 · AI 热点

AITOP

6月29日

14:57

阿里云 Alibaba Cloud@alibaba_cloud

阿里云国际宣布与AI公司NovaxAI建立战略合作。通过整合阿里云的全球云基础设施和AI能力，以及NovaxAI的独特技术，双方将助力AI企业实现更快、更稳定、更高效的全球扩张。合作未透露具体技术细节或金额。

行业阿里云 NovaxAI 合作 AI基础设施

推荐理由：阿里云联手NovaxAI，帮AI公司出海更稳更快，云服务加AI能力的新组合。

原文

6月23日

00:05

berryxia@berryxia

精选75°

美光宣布与Anthropic签署多年期合作协议，涉及HBM、DRAM和SSD，双方将围绕Claude工作负载共同设计内存和存储架构。美光还参与了Anthropic的Series H融资，并在内部部署Claude。此合作使美光同时成为Anthropic的投资者、客户、供应商和合作伙伴，标志着AI基础设施垂直整合的新趋势。

行业 Micron Anthropic Claude HBM AI基础设施

推荐理由：美光不光卖内存给Anthropic，还投钱、用Claude、一起改硬件设计，这种全栈绑定挺有意思的。

原文

6月22日

17:26

AI Will@FinanceYF5

a16z发布深度长文，认为SpaceX不是火箭公司。文章指出AI最大瓶颈是能源，而SpaceX正将轨道、月球和火星转化为AI基础设施的一部分。这一判断将太空探索重新定义为计算资源问题。

行业 a16z SpaceX AI基础设施太空计算能源瓶颈

推荐理由：a16z把SpaceX和AI能源瓶颈串起来，视角很独特，能帮你换个角度看太空和AI的关系。

原文

6月20日

23:56

Gary Marcus@GaryMarcus

高盛报告指出，2025-2030年超大规模企业AI和数据中心资本支出或达5.3万亿美元。当前融资已显现压力，少数几家超大规模企业无法在公共债券市场无限发行债务，投资者开始担忧发行集中度风险。数据中心涉及土地、电力、网络、建筑、冷却与AI服务器等多类资产，融资需跨基础设施基金、房地产基金、私募信贷和企业债等渠道。高盛认为AI资本支出预期增速已快于实际建设进度，瓶颈可能从模型需求转向融资能力、电力供应和项目执行。

行业 Goldman Sachs AI基础设施资本支出融资风险投资周期

推荐理由：高盛说这轮AI投资要花5.3万亿美元，连债券市场都开始吃不消了。不是技术能不能做，而是钱够不够烧，这信号很关键。

原文

6月19日

14:54

Epoch AI@EpochAIResearch

Epoch AI Research指出，超大规模企业的资本支出增速已超过运营现金流入增速。按当前趋势，到今年年底这些公司将无法完全用运营现金来支撑AI基础设施扩建。这标志着自我融资模式的终结，可能迫使企业转向外部融资或合作。

行业 EpochAIResearch AI基础设施资本支出融资超大规模企业

推荐理由：Epoch AI最新分析显示，大厂光靠内部现金已撑不住AI基建，年底前可能得借钱或找合作。别错过这趋势判断。

原文

6月16日

20:46

AITOP6月16日 20:46

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

13:38

berryxia@berryxia

黄仁勋将AI生态比作五层蛋糕：底层是能源（核电、太阳能等），第二层芯片，第三层数据中心，第四层模型，第五层应用。他认为底层三层的能源、芯片和基建才是真正的护城河，今年整个生态投入将达一万亿美元，最终规模可至二十万亿美元。目前大部分注意力集中在第四层模型公司，忽略了底层的关键作用。

行业黄仁勋英伟达 AI基础设施能源芯片

推荐理由：黄仁勋点破AI财富密码：别只盯着OpenAI和Anthropic，底层能源和芯片才是万亿级蛋糕。想避开内卷？看这五层逻辑。

原文

6月13日

11:04

a16z@a16z

a16z发布的图表显示，美国工业资本投资大部分集中在AI基础设施建设上。2023年，AI相关资本支出占美国工业资本投资总额的约30%。这些投资主要用于数据中心、GPU集群和网络设备等AI算力基础设施。a16z指出，AI基础设施投资增速远超其他工业领域，反映了AI产业的高速扩张。

行业 a16z AI基础设施资本投资数据中心

推荐理由：a16z用数据告诉你AI投资有多热

原文

6月12日

12:57

AITOP6月12日 12:57

Claude代码里藏了个20260612，18个月后的AI记忆革命已经开始倒计时

05:41

rohanpaul_ai@rohanpaul_ai

83°

杰夫·贝佐斯在CNBC上透露其新公司Prometheus的目标是构建一个“通用工程智能体”，能够设计并制造喷气发动机、芯片、医疗设备等实体产品。该公司宣布完成120亿美元融资，估值达410亿美元，初始资金62亿美元。贝佐斯以喷气发动机为例，说明传统设计周期长达10年，而Prometheus希望将这一周期缩短10倍以上。这笔巨额融资表明，前沿AI竞争已从算法竞赛转向计算资源采购竞赛，投资者实际上是在为未来可能实现模型所需的机器预付款。

AI产品通用工程智能体 Prometheus 杰夫·贝佐斯实体产品设计 AI基础设施

推荐理由：做硬科技、制造业或AI基础设施的从业者值得关注——Prometheus试图用AI把实体产品的设计周期从10年压缩到1年，这直接关系到未来工程研发的效率革命。

原文

6月11日

15:28

AITOP6月11日 15:28

1107 vs 303：谷歌悄悄开源了一个“拆打字机”的模型，把大模型速度翻了4倍

15:23

AITOP6月11日 15:23

DiffusionGemma颠覆文本生成？自回归模型的“统治”要结束了

15:07

AITOP6月11日 15:07

每秒1107个token，Google开源的扩散模型为什么能改变本地推理格局？

6月10日

17:27

Together AI@togethercompute

精选

DeepCogito团队需要为其前沿推理模型实现低于500毫秒的首令牌时间，并支持每分钟1000+请求。Together AI提供了解决方案，满足了这一严苛的性能要求。DeepCogito团队分享了在创业公司时间线上构建前沿模型的经验。这展示了AI基础设施提供商如何帮助初创企业实现高性能推理。

AI产品推理模型 Together AI DeepCogito 低延迟 AI基础设施

推荐理由：做推理模型部署的团队会关心这个案例——Together AI帮DeepCogito在创业节奏下实现了500ms首令牌延迟，值得点开看看他们怎么做到的。

原文

09:30

rohanpaul_ai@rohanpaul_ai

72°

中国正在筹备一项价值2950亿美元的国家级AI基础设施计划，旨在将数据中心、电信运营商和国产芯片整合成一个由国家支持的统一计算网络。中国移动和中国电信等国有企业将运营该系统的绝大部分，使AI基础设施更像铁路、电网或电信网络，而非普通的私有云扩展。该计划要求至少80%的技术（包括AI芯片）依赖华为等本土供应商。这标志着中国在AI领域加速自主可控，减少对外部技术的依赖。

行业 AI基础设施国产芯片华为中国移动政策

推荐理由：这项计划将重塑全球AI基础设施格局，关注中国科技政策的读者值得深入了解其对芯片、云计算和电信行业的深远影响。

原文

6月8日

23:47

Milvus@milvusio

精选

Milvus 3.0 是该项目自启动以来最大的架构升级，支持直接在数据湖上索引和查询向量，并引入超越 top-K 搜索的查询引擎。今天（6月8日）的线上研讨会由核心维护者 Li Liu 和 Jiang Chen 主讲，内容包括 Milvus 3.0 架构、路线图、如何驱动 Zilliz Vector Lakebase，以及 15-20 分钟的 AMA 环节。该升级解决了向量数据库与数据湖割裂的问题，对构建大规模 AI 基础设施的团队意义重大。

AI产品 Milvus 向量数据库数据湖 Zilliz AI基础设施

推荐理由：做向量搜索或数据湖架构的开发者，这是 Milvus 3.0 架构升级的官方解读，直接听核心维护者讲设计思路和路线图，比看文档更高效。

原文

13:36

AI Will@FinanceYF5

SK hynix与NVIDIA签署了多年合作协议，旨在提前联合设计先进DRAM，避免等待GPU设计完成后再开始内存芯片制造。合作覆盖AI超算、个人AI PC和Jetson机器人平台。SK hynix还将利用NVIDIA工具构建芯片厂数字孪生，在真实产线运行前完成虚拟测试。这表明AI基础设施的军备竞赛已深入内存层，长期联合规划成为关键。

行业 SK hynix NVIDIA AI基础设施 DRAM 数字孪生

推荐理由：AI基础设施的竞争已从GPU延伸到内存，做AI硬件或数据中心规划的团队需要关注——内存的联合设计周期直接影响GPU迭代节奏，提前布局才能不掉队。

原文

6月6日

12:46

rohanpaul_ai@rohanpaul_ai

埃隆·马斯克在X上发文，阐述月球在扩展AI基础设施方面的独特优势。他指出，月球上的电磁加速器可以利用月球材料制造太阳能板、散热器和计算设备。月球的真空和低重力环境允许质量驱动器将AI数据中心发射到深空，无需火箭。这一想法旨在解决地球资源限制和AI计算需求增长之间的矛盾。

行业 AI基础设施月球马斯克数据中心太空计算

推荐理由：马斯克为AI基础设施的星际扩展提出了一个大胆方案，关注AI算力瓶颈的从业者值得一看，或许能启发新的技术路径。

原文

6月5日

07:48

berryxia@berryxia

Firecrawl 在短短两年内抓取了超过 80 亿网页，拥有 125 万开发者用户和 15 万家公司客户，GitHub 星星超 12.5 万，进入全球前 100 仓库。其 API 提供干净、结构化的网页数据，解决了 AI agent 在实时数据获取上的痛点。这一里程碑表明，AI 竞争正从模型参数转向可靠、低成本的数据基础设施。Firecrawl 将网页抓取从老旧的工程活儿升级为 AI 时代的核心上下文层，加速了 agent 对真实世界数据的消费能力。

AI产品 Firecrawl 网页抓取 AI基础设施数据管道开发者工具

推荐理由：做 AI agent 或数据密集型应用的开发者，这个数据告诉你：模型再强也离不开稳定的数据管道，Firecrawl 的 API 值得直接集成试试。

原文

06:46

Fireworks AI@FireworksAI_HQ

Fireworks AI 被 Redpoint 的 InfraRed 100 榜单收录，该榜单表彰为下一波 AI 浪潮构建基础的公司。Fireworks 表示这只是开始，并邀请更多人加入。Redpoint 的 InfraRed 100 涵盖了从世界模型、智能体运行时到沙盒、数据库和安全工具等关键基础设施。这标志着 Fireworks 在 AI 基础设施领域获得了重要认可。

行业 Fireworks AI基础设施 Redpoint InfraRed 100 行业认可

推荐理由：Fireworks 入选 Redpoint 的 InfraRed 100，说明其 AI 基础设施能力被顶级风投认可，做模型部署和推理优化的团队值得关注这家公司的发展动态。

原文

6月3日

18:01

rohanpaul_ai@rohanpaul_ai

微软CEO萨提亚·纳德拉宣布，其威斯康星州Fairwater AI数据中心通过采用闭环直接到芯片的液冷技术，实现了极低的年耗水量，仅相当于一家当地餐厅的用水量。该技术用密封管道中的冷却液循环替代了传统蒸发冷却，避免了水蒸发消耗。冷却液吸收芯片热量后，通过数据中心外的散热鳍片和风扇将热量排入空气，再循环回服务器。超过90%的设施使用闭环液冷，仅在极端高温日才辅助使用外部空气和水。这解决了高功率AI芯片（如GB200）的散热难题，同时大幅节约水资源。

AI产品数据中心液冷技术微软绿色计算 AI基础设施

推荐理由：微软用闭环液冷解决了AI数据中心的高耗水痛点，做数据中心运维或关注绿色计算的团队值得了解这项技术，它直接降低了运营成本和环境压力。

原文

01:07

AI Will@FinanceYF5

英伟达CEO黄仁勋在All-In播客中表示，Anthropic CEO Dario Amodei预测2030年AI收入达1万亿美元过于保守。他认为每家企业软件公司都将成为Anthropic代币的增值转售商，带来对数级扩张，市场推广将大幅增长。黄仁勋强调Anthropic的表现会远超预期，因为其商业模式将受益于企业级应用的广泛采用。这一观点凸显了AI基础设施和平台公司的巨大增长潜力。

行业 Anthropic 黄仁勋 AI收入预测企业软件 AI基础设施

推荐理由：黄仁勋的乐观预测给AI基础设施和平台投资者打了一剂强心针，做AI应用或企业软件的人值得关注——他点出了Anthropic代币转售模式可能带来的指数级增长。

原文

6月2日

14:13

AI Will@FinanceYF5

英伟达CEO黄仁勋近日表示，轨道数据中心未来可能为AI基础设施扩展提供几乎无限的空间。他指出，当前最大的挑战是冷却问题，但他相信随着时间推移，这是一个可以解决的工程问题。这一设想若实现，将极大突破地面数据中心在土地、能源等方面的限制，为AI算力需求提供全新解决方案。目前该言论在社交媒体引发广泛讨论。

行业黄仁勋轨道数据中心 AI基础设施冷却技术英伟达

推荐理由：黄仁勋的轨道数据中心设想为AI算力瓶颈提供了突破性思路，关注AI基础设施的从业者和投资者值得了解这一前沿方向。

原文

13:03

AI Will@FinanceYF5

英伟达CEO黄仁勋提出，未来轨道数据中心有望为AI基础设施扩容提供近乎无限的空间，解决地面资源受限的问题。他指出，当前最大挑战是散热，但相信通过工程手段可以逐步解决。这一构想若实现，将大幅降低AI算力部署的地理限制，推动太空计算产业发展。目前该想法仍处于概念阶段，但已引发行业对AI基础设施新方向的讨论。

行业英伟达黄仁勋轨道数据中心 AI基础设施散热

推荐理由：黄仁勋把AI基础设施的想象力拉到太空了——轨道数据中心一旦成真，做AI算力规划和基础设施的团队将获得全新扩容路径，值得关注这个方向的技术可行性。

原文

12:10

AI Will@FinanceYF5

文章指出，AI行业真正的瓶颈并非模型性能或融资估值，而是超大规模云服务商（hyperscaler）的7000亿美元资本支出能否有效转化为晶圆、光纤和电力等基础设施。这些瓶颈集中在四个关键环节：芯片制造、数据中心建设、网络带宽和能源供应。如果这些物理基础设施无法跟上，AI的发展将受限于实际落地能力，而非算法创新。

行业 AI基础设施资本支出芯片制造数据中心能源瓶颈

推荐理由：这篇文章戳破了AI行业表面的繁荣，点出基础设施才是真正的卡脖子环节，做AI投资、云架构或产业分析的人值得一读，看完会对行业格局有更清醒的判断。

原文

03:03

rohanpaul_ai@rohanpaul_ai

高通CEO Cristiano Amon预测，到2026年全球每10秒的Token需求将达到317亿，到2030年将增长40倍至1.27万亿。他指出，Token需求的爆发并非主要源于更智能的答案，而是AI从人类节奏的交互转向智能体（Agent）驱动的活动。当智能体变得持久化，AI的经济将像背景基础设施一样运行。每一次有用行动背后都有隐藏成本：上下文需携带、记忆需更新、传感器需解读、错误需在造成损失前捕获。

行业 Token需求智能体高通 AI基础设施算力预测

推荐理由：Token需求40倍增长背后是AI从对话转向智能体经济的拐点，做AI基础设施或智能体开发的团队值得关注这一趋势，提前布局算力和成本优化。

原文

5月30日

16:49

rohanpaul_ai@rohanpaul_ai

精选

日本AI数据中心建设激增，GPU发热量五年翻倍，传统风冷已无法满足散热需求。液冷技术通过直接接触芯片的冷板带走热量，效率远超风冷，能处理更高热密度。富士电机、日本电产、三菱重工等日本企业正积极布局液冷系统。液冷虽安装成本高、需防漏设计，但能显著降低风扇能耗和温度波动。该技术正成为AI算力基础设施的关键组成部分。

行业液冷数据中心 GPU散热日本 AI基础设施

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。

原文

11:37

a16z@a16z

a16z指出，超大规模企业正越来越多地通过债务而非股权来为AI基础设施的巨额资本支出融资。Marc Rowan认为，华尔街和硅谷将更频繁地合作，为这一技术超级周期提供资金。这种趋势反映了AI投资规模之大，以至于仅靠股权无法满足需求。债务融资的普及可能加速AI基础设施建设，但也增加了金融风险。

行业 AI基础设施资本支出债务融资超大规模企业 a16z

推荐理由：AI基础设施投资规模惊人，债务融资趋势对关注AI产业资本动态的投资者和从业者有重要参考价值，建议点开了解资金流向变化。

原文

11:09

Fireworks AI@FireworksAI_HQ

在GTC 2026大会上，英伟达CEO黄仁勋将AI初创公司Fireworks比喻为“AI工厂的台积电”，强调其在AI基础设施中的关键制造角色。Fireworks是一家专注于AI推理和模型部署的云服务商，提供高效的GPU集群和优化服务。黄仁勋的言论凸显了AI产业链中专业基础设施服务的重要性，类似台积电在半导体制造中的核心地位。这一评价也反映了英伟达对生态合作伙伴的重视，以及AI行业从模型训练向推理部署转移的趋势。

行业英伟达 Fireworks AI基础设施 GTC 2026 推理部署

推荐理由：黄仁勋的比喻点明了AI基础设施服务正在成为新产业链的关键环节，做AI部署和推理优化的团队值得关注Fireworks的模式。

原文

5月28日

23:34

rohanpaul_ai@rohanpaul_ai

马斯克向投资者澄清，SpaceX 与 Anthropic 的 AI 算力交易并非此前报道的多年锁定租约，而是一份 180 天的短期租赁协议，并附有 90 天取消条款。此前市场解读认为该协议价值高达每月 12.5 亿美元、持续至 2029 年 5 月，但马斯克表示 SpaceX 选择短期租约是因为 AI 算力未来可能极度稀缺，不愿长期外租。Colossus 算力基础设施不仅用于训练 xAI 模型，还支持内部 AI 系统，甚至可能发展为付费云业务，因此 SpaceX 需要保持灵活性。

行业算力租赁 SpaceX Anthropic Colossus AI基础设施

推荐理由：马斯克亲自辟谣，澄清了 SpaceX 与 Anthropic 的算力交易规模和时间，关注 AI 算力租赁市场动态的投资者和从业者值得一看，避免被旧解读误导。

原文

5月27日

15:29

rohanpaul_ai@rohanpaul_ai

美光科技因AI对高带宽内存（HBM）的强劲需求，市值突破1万亿美元，而12个月前仅为700亿美元。HBM作为紧邻加速器的内存，以极高速度向芯片输送数据，成为AI增长的关键约束。随着AI智能体、大模型和推理工作负载的爆发，内存取代模型成为新的瓶颈。UBS将美光目标价从535美元上调至1625美元，认为长期供应协议和部分固定定价可能使内存收益波动性降低。

行业美光 HBM AI基础设施内存瓶颈万亿市值

推荐理由：美光万亿市值背后，是AI基础设施从算力到内存的转折点——做AI部署、推理优化或数据中心架构的团队，需要关注HBM如何成为新瓶颈。

原文

5月24日

19:04

rohanpaul_ai@rohanpaul_ai

70°

《经济学人》报道，五大科技巨头今年将在AI基础设施上投入约8000亿美元，但利润表几乎未体现这些投资，因为折旧在资产建成后才开始。现金流表则直接显示资金已流出。这些公司的资本支出可能占其收入的40%，超过石油行业的页岩繁荣期和电信行业的互联网泡沫时期。

行业大模型 AI基础设施资本支出行业分析

推荐理由：看看AI烧钱有多猛

原文

5月23日

12:07

Jerry Liu@jerryjliu0

turbopuffer 是一家向量数据库公司，在商品化竞争激烈的市场中，通过技术差异化（用对象存储优化成本）和极致专注，实现了从100万美元到1亿美元年经常性收入（ARR）的跨越，仅用时19个月，且保持盈利、融资不到100万美元。其客户包括Cursor、Anthropic、Notion、Cognition等知名AI公司。LlamaIndex创始人Jerry Liu以此为例，说明在商品化市场中，最好的产品仍能胜出，关键在于技术上的反共识押注和专注。

行业向量数据库 turbopuffer 商品化市场技术差异化 AI基础设施

推荐理由：向量数据库被很多人认为已商品化，但turbopuffer用19个月从100万做到1亿美元ARR，证明了技术差异化仍能赢。做AI基础设施或向量检索的团队，值得研究他们的成本优化思路。

原文

11:52

AI Will@FinanceYF5

过去一周内，多家AI基础设施初创公司表现亮眼，包括Modal、Cerebras、Exa和TurboPuffer。这些公司分别在算力、搜索、数据处理等关键领域取得突破，显示出AI基础设施赛道的强劲增长势头。投资者和开发者应关注这一趋势，它可能改变AI应用的底层支撑格局。

行业 AI基础设施 Modal Cerebras Exa TurboPuffer

推荐理由：AI基础设施是当前最热赛道之一，Modal、Cerebras等公司一周内集体爆发，做AI应用或模型训练的团队值得关注，可能找到更高效、低成本的底层方案。

原文

11:51

AI Will@FinanceYF5

近期，多家AI基础设施初创公司表现出色，包括Modal、Cerebras、Exa和Turbopuffer等。这些公司在上周内均有重要进展或成果发布，显示出AI基础设施领域的活力和增长潜力。这一趋势表明，AI应用对底层计算、数据检索和存储的需求正在快速上升，相关初创公司正成为行业关键参与者。

行业 AI基础设施初创公司 Modal Cerebras Exa

推荐理由：AI基础设施是当前最热门的赛道之一，关注这些初创公司的动态能帮你把握技术趋势和投资机会。做AI应用或模型训练的团队，值得了解这些新玩家的产品和服务。

原文

5月21日

10:45

berryxia@berryxia

在Google I/O大会上，DeepMind CEO Demis Hassabis宣布科学进步正在变得可量化计算，并推出Gemini for Science系统。该系统能帮助研究人员阅读论文、编写代码、快速生成假设，将科学研究从依赖天才灵感和漫长实验试错，转变为可工程化、可编程、可加速的迭代过程。这标志着AI不再仅是生产力工具，而是成为科学的基础设施层，有望彻底改变科学发现的方式。

AI产品 Gemini for Science DeepMind 科研工具 AI基础设施科学发现

推荐理由：科研人员终于有了AI驱动的科学基础设施——Gemini for Science能帮你读论文、写代码、生成假设，让科学发现像软件一样迭代，做基础研究的团队值得立即关注。

原文

5月19日

14:57

腾讯混元 Tencent Hunyuan@TencentCloud

腾讯云宣布与 ARKIE AI 合作，为 BNB Chain 上的 AI 原生创新提供企业级基础设施。合作聚焦于企业计算、多智能体执行和链上结算，旨在构建一个智能属于每个人的 AI 生态系统。这标志着传统云服务商与 Web3 项目的深度融合，为去中心化 AI 应用提供可靠的计算支持。

行业腾讯云 ARKIE AI Web3 AI基础设施 BNB Chain

推荐理由：Web3 和 AI 开发者终于有了企业级基础设施支撑——腾讯云与 ARKIE AI 的合作让多智能体执行和链上结算更可靠，做去中心化 AI 应用的建议关注。

原文

5月17日

23:35

kimmonismus@kimmonismus

一篇分析指出，随着AI规模扩张，能源可能比算力更早成为瓶颈。犹他州拟建的Stratos数据中心满负荷运行时功耗高达9吉瓦，相当于纽约市平均用电量或九座核电站的发电量。这一案例凸显了AI基础设施对能源的巨大需求，可能引发对可持续性和电网压力的担忧。

行业 AI基础设施能源瓶颈数据中心 Stratos 可持续性

推荐理由：AI从业者需要关注能源成本对模型训练和部署的长期影响，这个案例直观展示了未来可能面临的资源约束，值得提前思考。

原文

5月16日

17:10

Milvus@milvusio

精选

大多数 AI 团队并非从零开始，已有对象存储、管道、日志等数据。向量搜索引入后，数据重力问题凸显。向量基础设施经历了三代演进：第一代向量数据库解决生产级低延迟语义检索；第二代向量湖将搜索靠近数据但不完整；第三代向量湖库（Vector Lakebase）结合生产级向量服务与湖原生存储及弹性计算，使在线搜索和离线 AI 数据操作基于同一数据源。Zilliz 推出的 Vector Lakebase 旨在让 AI 数据只存一次，多种方式使用。

AI产品向量数据库 Vector Lakebase Zilliz AI基础设施数据重力

推荐理由：做 AI 基础设施的团队终于有了解决数据重力问题的思路——Zilliz 的 Vector Lakebase 让在线搜索和离线分析共用同一份数据，省去同步和索引过期的麻烦，值得关注。

原文

5月15日

23:20

Clement Delangue@ClementDelangue

HuggingFace 推出专为 AI 团队设计的存储服务，解决模型权重、数据集、检查点和工件等大文件的存储痛点。该服务提供简单的每TB定价、内置CDN加速、Xet去重技术，并默认支持私有存储。旨在让AI团队无需在昂贵的对象存储和繁琐的Git工作流之间做选择，直接在HuggingFace平台上管理AI数据。

AI产品 HuggingFace 存储服务模型权重数据集管理 AI基础设施

推荐理由：做AI模型训练和数据集管理的团队终于有了一个专为AI工作流优化的存储方案，不用再纠结于通用对象存储的高成本或Git对大文件的低效处理，建议直接试试。

原文

5月14日

18:29

Meta AI@AIatMeta

Meta宣布与亚马逊AWS达成协议，将数千万个AWS Graviton核心引入其计算组合。这一合作标志着Meta多元化AI基础设施的扩展，将用于支持Meta AI及为数十亿用户服务的智能体体验。此举旨在提升Meta在AI领域的计算能力，加速其AI服务和代理功能的规模化部署。

行业 Meta AWS Graviton AI基础设施云计算

推荐理由：Meta与AWS的深度合作解决了AI基础设施的算力瓶颈，做大规模AI部署的团队值得关注这一动向，它可能影响未来AI服务的性能和成本。

原文