AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：数据中心×
5月23日
06:33
06:33IT之家（博客/媒体）
英伟达发布 2027 财年 Q1 财报，营收 816 亿美元，同比增长 85%，数据中心业务贡献 752 亿美元。黄仁勋在电话会上预测，超大规模云厂商的 AI 资本开支将从目前的 1 万亿美元增长到 3 至 4 万亿美元，远超华尔街共识。这一预测背后，是 AI 数据中心对电力的巨大需求正在推高普通居民的电费，弗吉尼亚州居民电费已上涨近两倍。同时，黄仁勋描绘了未来数十亿 Agent 的图景，Agentic AI 计算需求暴增 1000%，英伟达下一代 Vera Rubin 平台将大幅降低推理成本。4 万亿美元基础设施投入被视为通往 AGI 的高速公路，英伟达和云巨头正在豪赌，而每个普通人都是利益相关者。
行业AI 基建英伟达资本开支数据中心Agent
推荐理由：黄仁勋把 AI 基建的赌注推到了 4 万亿美元，远超华尔街预期，做投资或关注 AI 产业趋势的人必须理解这个信号——它直接关系到算力成本、电费账单和未来 Agent 经济的走向。
原文
5月22日
16:02
5月21日
22:45
22:45rohanpaul_ai@rohanpaul_ai
OpenAI 联合创始人 Greg Brockman 在播客中解释，公众对 AI 数据中心用水量的批评部分基于误解。他指出，现代数据中心大多采用闭环冷却系统，水在密封管道中循环使用，而非像传统冷却塔那样持续消耗新水。关键区别在于“取水量”与“消耗量”：一个数据中心可能储存大量水，但日常新水补充量远低于公众想象。OpenAI 在 Stargate 项目的官方博客中也证实，其阿比林站点每栋建筑的初始注水量约等于两个奥运泳池，但满负荷运行后全年用水量仅相当于一栋中型办公楼或四个普通家庭。Brockman 强调，AI 基础设施并非没有资源成本，但公众讨论常混淆不同冷却设计，导致对用水量的误判。
行业AI 基础设施数据中心用水争议闭环冷却OpenAI
推荐理由：Brockman 用通俗比喻（密封泳池 vs 水龙头）拆解了 AI 数据中心的真实用水逻辑，关心 AI 环境影响或基础设施成本的读者值得一看，能帮你避开常见的舆论误区。
原文
13:33
13:33IT之家（博客/媒体）
83°
英伟达在财报电话会议上宣布，下一代超级 AI 芯片 Vera Rubin 将于 2026 年下半年推出，第三季度开始交付，第四季度加速上量。黄仁勋表示，所有前沿模型公司都会选择 Vera Rubin，其开局优于 Blackwell，因此肯定更成功。首批客户包括微软、谷歌、亚马逊、Meta 和甲骨文等。台积电已基于 3nm 制程量产该芯片，富士康等合作伙伴将在下半年全面量产。Vera Rubin AI 服务器机柜价值约 1.8 亿美元，配备强大软件生态。
AI产品英伟达Vera RubinAI 芯片推理数据中心
推荐理由：英伟达下一代 AI 芯片 Vera Rubin 将推动推理和训练性能飞跃，做 AI 基础设施的团队值得关注其交付节奏和生态支持。
原文
13:03
13:03IT之家（博客/媒体）
英伟达在 2027 财年第一财季首次将数据中心收入拆分为超大规模客户和 ACIE（AI 云、工业、企业）两类。ACIE 收入约 370 亿美元，环比增长 31%，其中 AI 云收入同比增长超 3 倍，连接全球约 25 万家客户。黄仁勋认为，由于工业和企业可触达经济活动规模达 50-80 万亿美元，ACIE 增速有望长期快于超大规模客户。边缘计算收入 64 亿美元，环比增长 10%，主要来自 Blackwell 工作站需求。英伟达还提到与 Uber 合作，计划 2028 年前支持近 30 个城市的 Robotaxi 车队。
行业英伟达ACIEAI 云数据中心边缘计算
推荐理由：英伟达首次披露 ACIE 业务细节，AI 云收入暴增 3 倍，做企业级 AI 部署或云服务的团队值得关注这个新增长点。
原文
11:37
11:37IT之家（博客/媒体）
精选
加州大学圣迭戈分校团队研发出新型电源转换芯片，采用压电谐振器替代传统磁性元件，实现 48 伏到 4.8 伏的降压转换，峰值效率达 96.2%。该设计解决了数据中心向 GPU 供电时电压差大、能量损耗高的关键难题。相比此前压电转换器，输出电流提高约 5 倍，芯片尺寸仅略有增加。研究已发表于《Nature Communications》，但离商用还有距离，后续需优化材料与封装。
论文供电芯片数据中心GPU压电谐振器Nature Communications
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。
原文
09:23
08:00
07:59
5月19日
10:51
5月18日
11:46
11:46arXiv cs.AI@Grant Wilkins, Fiodar Kazhamiaka, Alok Gautam Kumbhare, Chaojie Zhang, Ricardo Bianchini
精选
随着AI加速器需求激增，数据中心机架功率密度预计到2027年将接近每部署1MW，这对电力输送设计构成重大挑战。传统数据中心若针对不同密度目标设计，可能导致电力搁浅，即无法充分利用已配置的电力容量。论文提出一个评估框架，结合GPU、计算和存储部署的投影模型与微软Azure的生产数据，分析多资源搁浅对可部署容量、资本支出和性能的影响。结果表明，规划目标不应是装机兆瓦数，而是随时间变化的可部署容量。该框架帮助设计者在长期运营中保持效率，适应多代硬件和不断变化的工作负载。
论文数据中心电力层级AI加速器功率密度微软Azure
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。
原文
5月17日
23:35
5月13日
21:36
14:10
5月11日
22:16