#数据中心
刘扬伟算了笔账：建1GW的Vera Rubin数据中心要470亿美元，单机柜910万，电费一年13亿。想了解AI数据中心的真实成本？看这篇。
想知道为什么买更多 GPU 不灵了？Anthropic 是怎么靠文化和准备搞定编码的？AMP 创始人讲得特别透，全是内行视角的干货。
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。
英伟达首次向中国开放独立 CPU 预订，做 AI 数据中心或云服务的团队值得关注——Vera 专为智能体 AI 设计，性能是竞品 1.8 倍，但软件生态和迁移成本是潜在坑点，建议点开评估是否值得测试。
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。
Anthropic 的算力扩张计划揭示了 AI 军备竞赛的激烈程度，关注 AI 基础设施投资和云服务格局的读者值得了解，尤其是想判断谷歌与亚马逊在 AI 领域角力方向的从业者。
数据中心冷却问题正制约 AI 算力扩展，Ferveret 的方案直接提升 token 产出效率，做 AI 基础设施或大模型部署的团队值得关注这一突破。
Nvidia 的 CPO 技术直接解决了 AI 数据中心网络功耗和故障率两大痛点，做大规模 GPU 集群部署的团队值得关注，能显著降低运营成本。
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。
SK电讯的GW级AI云计划标志着电信运营商正式切入AI基础设施赛道，对关注亚洲AI云市场、数据中心建设的从业者来说，这是一个值得跟踪的行业信号。
液冷版 RTX 6000 解决了高功耗 GPU 在服务器中的散热瓶颈，做 AI 训练或数据中心运维的团队值得关注这款单槽液冷方案。
算力中心建设者终于有了可快速复制的模块化方案——预制底座把施工周期从一年多砍到5个月，成本降20%，做数据中心规划和运营的团队值得关注。
Meta 的巨额融资计划反映了 AI 基础设施投入的军备竞赛升级，关注科技巨头资本动向的投资者和 AI 从业者值得留意这一信号。