算力

推荐理由：中国电信正式转向Token经营模式，推出91 EFLOPS智算网络和9.9元起的Token套餐，比传统流量计费更适配AI场景，值得关注。

推荐理由：Anthropic 要在澳大利亚砸 150 亿美元建 1.4GW 数据中心，明年就用上 1GW 算力，这可是基础设施大动作。

推荐理由：WAIC讨论了超节点和光互连两种突破单芯片限制的方案，对关注AI算力演进的人很有参考价值。

推荐理由：英伟达出钱又出卡，帮AI初创公司租算力，还和云服务商分收益。想低成本训练大模型？可以关注这个计划。

推荐理由：联想高管分析了AI算力市场，说不用急着怕过剩，C端和B端需求潜力都很大，还批评了供给侧太强势。

推荐理由：联合国40位专家发的报告，说AI进步太快科学跟不上，还提到欺骗和失控风险，数据很具体，值得一看。

推荐理由：黑石砸300亿美元在日本建AI数据中心，说明算力需求有多猛。看看他们怎么押注未来几年的基建。

推荐理由：一句话解释谷歌为什么没跑赢AI竞赛——不是技术不行，是自家产品抢算力。内耗比对手更头疼。

推荐理由：谷歌因为算力不够直接限制Meta用Gemini，搞得Meta内部项目延期，员工都得省着点用token，大厂也缺算力啊。

推荐理由：DeepSeek 不满足于租别人的算力，开始自己建了。他们正猛挖 Harness 的工程师，从轻模式转向重资产，这可能会改变行业格局。

推荐理由：北京搞了个10万P算力的AI工厂，日产10万亿Token，还要降本1000倍，搞AI的可以留意这个。

推荐理由：Anthropic 开始自建数据中心，意味着其算力需求已进入新阶段，关注 AI 基础设施投资和算力市场的读者值得留意这一信号。

推荐理由：AI 基础设施投资进入新量级，关注算力布局的团队和投资者值得了解这一动向，它可能影响未来 AI 模型训练和部署的成本与效率。

推荐理由：OpenAI 和 Nvidia 联手建最大数据中心，说明算力军备竞赛进入新阶段——做 AI 基础设施或关注行业趋势的读者值得关注，这会影响未来模型训练和部署的成本与效率。

推荐理由：AI 从业者需要理解算力军备竞赛的真实规模——1000 亿美元只是入场券，看完你会重新评估自己的技术路线。

推荐理由：AI 算力军备竞赛的账单终于公开了——做 AI 基础设施或云计算的从业者，看完这个数字会重新理解算力定价和供应链格局。

推荐理由：华为云明确表态不卷Tokens消耗量，而是聚焦生产力提升，这对正在选型云厂商的企业决策者是个重要信号——算力不是唯一指标，实际产出才是关键。做AI落地的团队值得关注华为云的差异化策略。

推荐理由：AI 算力成为新瓶颈，Alphabet 的 800 亿融资和巴菲特入场，说明基础设施投资逻辑变了——做 AI 基础设施或关注资本流向的投资者值得关注。

推荐理由：Alphabet 用 800 亿美元真金白银押注 AI 算力，做云服务或大模型训练的团队值得关注——这笔钱将直接推动 Google Cloud 的扩张，可能影响未来 AI 基础设施的定价和竞争格局。

推荐理由：软银的巨额投资表明AI基础设施竞赛正在加速，关注数据中心建设和AI算力市场的读者值得了解这一动向，尤其是欧洲市场的布局变化。

推荐理由：Anthropic 的估值和收入双双超越 OpenAI，说明 AI 军备竞赛进入新阶段。关注 AI 投资和行业格局的读者，值得点开看看这家公司如何靠算力和资本快速崛起。

推荐理由：字节跳动砸重金建AI基础设施，做AI应用和云服务的团队值得关注——这波投入将直接拉低算力成本，加速AI产品落地，建议点开看看具体规模。

推荐理由：加文·贝克把AI泡沫的判断标准浓缩到一个可追踪的指标——台积电产能决策，做AI基础设施投资或关注产业周期的读者，值得花时间理解这个分析框架。

推荐理由：算力争夺战打到工地上了

推荐理由：这段内部决策过程揭示了 AI 研发中算力成本如何倒逼组织变革，对关注 AI 产业趋势和创业模式的读者有启发——非营利模式在资本密集型领域可能行不通。

推荐理由：Anthropic 若采用微软芯片，将打破英伟达垄断格局，关注 AI 算力供应链的开发者值得留意这一潜在变局。

推荐理由：俄罗斯银行转向中国芯片，揭示了全球AI算力供应链的新格局。关注芯片出口和AI基础设施的从业者，值得了解这一动向对市场的影响。

推荐理由：SpaceX 利用闲置计算资源切入 AI 算力市场，做 AI 训练或推理的团队可以关注这个新选项，尤其是有大规模计算需求的，未来可能多一个供应商选择。

推荐理由：算力提升10倍意味着模型能力可能迎来质变，关注大模型训练的开发者可以了解这一合作的技术路径和潜在影响。

推荐理由：算力紧张是 AI 团队和企业的普遍痛点，OpenAI 的长期锁定方案能帮预算充足的组织提前规划成本并避免资源争抢，做大规模推理或训练的建议关注折扣细节。

推荐理由：OpenAI 的算力困境是 AI 行业的缩影，做 AI 基础设施或大模型应用的团队值得关注——算力缺口直接影响产品交付和成本，看完会理解为什么融资潮远未结束。

推荐理由：这份报告直接指向 AI 算力管制的关键漏洞，做 AI 政策研究或关注中美科技竞争的读者值得细读，能提前了解未来 12-24 个月的管制动向。

推荐理由：Anthropic 把中美AI竞争的时间线推到了2028年，做AI战略、政策或投资的读者值得一看——它不只是技术分析，更是对全球格局的预判，看完会对出口管制和算力博弈有更深的认知。