№compute·general
compute
别名
- 首次出现
- 2026-05-22
- 最近出现
- 2026-06-11
- 累计提及
- 45
§ 01综述
AI 领域的算力竞争正从硬件堆叠走向算法与架构的双重优化。一方面，训练算力需求以每 3.4 个月翻番的速度增长（OpenAI Blog），而模型效率每 16 个月翻倍（OpenAI Blog），表明算法进步正在部分抵消对硬件的依赖。近期进展主要体现在三个方向：
自研模型与算力自主性：苹果回应 Siri AI 的争议，强调其 AFM 自研模型完全自主控制，未依赖外部 API 服务，反映出头部厂商对算力栈的垂直整合趋势（IT之家）。
Agent 原生计算与云训练创新：Daytona 推出专用计算解决方案，支持 60ms 沙箱响应与 75 秒启动 5 万实例的高弹性供给，为智能体应用提供原子化算力（Latent.Space）。Trajectory Labs 在 AI Native Cloud 上训练持续学习模型，探索云原生环境下流式更新的算力模式（Together AI）。
超大规模算力部署：OpenAI 与 Cerebras 合作新增 750MW 算力，并获 1220 亿美元融资以加速 AGI 研发，显示行业头部对算力基础设施的巨额投资仍在加码（OpenAI Blog, OpenAI Blog）。
当前焦点：算力瓶颈正从“规模不够”转向“效率不足”，自研芯片与开源框架的竞争将决定基础设施成本结构。未来需关注：① 算法进步能否持续超越算力需求增长；② 专用算力（如推理优化）与通用算力的市场分化；③ 可持续计算与能源消耗的权衡。