55万张H100仅11%算力被有效利用，AI军备竞赛已陷入“建而不用”困局_CPU

1. #英伟达紧急发声# 刚看了下，谷歌市值已经3.9万亿，超过了微软，仅次于英伟达和苹果。上周，谷歌发布了最新的大语言模型Gemini 3，“超越”了OpenAI的GPT模型。该模型是使用TPU进行训练的，而不是英伟达GPU。近几周，谷歌的自研芯片作为Blackwell芯片的一种可行替代方案，受到了越来越多的关注。对此，英伟达回应称：我们领先同行一代，是唯一能够在任何计算场景下，运行所有AI模型的平台。

2. Sand.ai重磅更新MagiAttention，正在定义分布式Attention性能新标杆

3. 发布了头条文章：《Anthropic今天发的新产品，可能会让一批做AI智能体基础设施的失业》 Anthropic 推出 Claude Managed Agents，企业只需定义想要什么样的 AI 智能体，基础设施全部托管。本文解析核心架构「大脑和手分离」、六大企业落地案例，以及平台绑定、成本等需要注意的问题。 Anthropic今天发的新产品，可能会让一批做AI智能体基础设施的失业

4. AIDC军备竞赛转向：稳定、成本与绿电成为新胜负手

5. 特朗普松口，中国AI圈等的H200终于解禁了

6. 根据《The Information》的一份报告，xAI 规模宏大的孟菲斯（Memphis）和 Colossus GPU 集群虽然配备了大量 H100 和 H200（包括液冷配置），但其利用率仅为 11% 左右。这意味着在已安装的 55 万颗 GPU 中，只有约 6 万颗处于活跃状态。这一问题并非 xAI 所独有。高效运行数十万颗 GPU 是当今人工智能领域面临的最严峻挑战之一。随着集群规模的扩大，闲置时间会迅速累积，软件栈也难以跟上硬件扩展的步伐。Meta 和谷歌在软件优化方面投入了巨资，利用率分别达到了 43% 和 46%。而 xAI 的分布式训练网络和软件栈仍处于成熟期，导致了更长的闲置时间和数据流水线瓶颈。xAI 的目标是通过未来的基础设施和软件升级，将利用率提高到 50%。随着公司将工作负载转向更适合“智能体 AI”（agentic AI）任务的硬件，xAI 也可能开始出租其 GPU 阵列。此外，马斯克正加倍投入 Terafab 项目，自主研发芯片并采用英特尔的 14A 技术，以支持 xAI、SpaceX 和特斯拉下一代的计算需求。#马斯克##人工智能#

7. 都在问泡沫何时破，老黄直接下了更大的赌注 #英伟达#黄仁勋#ces2026#GPU#AI新星计划

8. #马斯克宣布将在太空建数据中心# 这波操作真的把科技想象力拉满！马斯克靠星链V3卫星扩容实现太空算力，解决AI时代算力缺口的思路太绝了～太空数据中心简直是降维打击：太阳能发电效率是地面5倍，零下270℃环境天然散热，还能实现“天数天算”，避开地面传输瓶颈。现在科技巨头都在抢布局，太空算力竞赛已打响。但技术落地和大规模组网成本仍是挑战，不过这种突破物理限制的探索超有意义！你觉得太空数据中心多久能普及？

9. GPU真是旱的旱死，涝的涝死The Information爆料，xAI的GPU利用率大概只有11%。当然一般能到40%利用率就算很高了。可11% 的利用率还是低得惊人。另外该文中还爆料：“另一家大型实验室的一位研究人员告诉我们，他的同事会一遍又一遍地重复运行训练实验，好让自己看起来比实际更充分地利用了 GPU。AI 研究人员玩这种把戏，不仅是为了避免被老板责备，也为了确保自己的 GPU 不会被重新分配给其他团队。这些“霸占 GPU”的研究人员可能会辩称，芯片只是暂时闲置，因为他们正在分析上一轮训练实验的结果并决定下一步怎么做；一旦分析结束，他们马上就会需要这些芯片，因此不想把它们交出去。”#AI创造营#

10. 你还在看热闹的时候，别人已经在押注未来十年的领先趋势了。 #大咖观察 #红衣聊AI #基建 #人工智能 #科技

11. 英伟达正在把AI超算，塞进每个人的桌面

12. 最让英伟达害怕的，是华为的这个大家伙！昇腾384超节点，是华为打造的超大算力集群，单节点集成384颗昇腾NPU与192颗鲲鹏CPU，由12个计算柜和4个总线柜组成。它打破传统冯诺依曼架构，采用对等计算架构，凭借高速总线互联，通信带宽较传统方案提升15倍，单跳时延降至200纳秒，大幅突破算力互联瓶颈。其稠密算力达300PFLOPs，千亿大模型训练性能较传统集群提升2.5倍以上，MoE模型性能提升可达3倍。该超节点可灵活扩展为数万卡规模集群，支持训推共池、错峰调度，算力利用率更高，能高效支撑超大规模AI模型训练与推理，是国产高端算力的核心标杆方案。#第九届数字中国建设峰会# 通信老柳的微博视频

13. 华为AI新技术将登场！AI算力板块迎考验？这些点要理清1. 华为放大招：AI算力效率将迎“翻倍级”突破最新消息显示，华为将于11月21日发布AI领域突破性技术，核心亮点的是大幅提升算力资源利用率——能将GPU、NPU等主流算力硬件的利用效率，从当前行业30%-40%的平均水平，直接提升至70%。这一突破相当于给算力硬件“注入强心剂”，可充分激活现有硬件潜能，大幅降低算力运行成本。2. 核心疑问：英伟达、寒武纪等硬件厂商要遇利空？不少人看到消息后，难免担忧：算力效率翻倍，是不是意味着硬件需求会减少？毕竟从逻辑上看，若下游算力需求保持稳定，硬件利用效率提升后，对算力芯片、设备的总量采购或会随之下降，这似乎对英伟达、寒武纪等硬件企业不利。其实早有先例，今年年初DeepSeek横空出世时，就是通过优化算法与框架，实现了算力硬件潜能的充分释放，让大模型训练效率大幅提升。如今华为再推类似技术突破，“算力需求是否会缩水”的疑问自然浮出水面，但需客观看待：短期或对硬件需求产生一定分流，但长期来看，算力效率提升会降低AI应用落地门槛，反而可能催生更多新场景的算力需求，行业格局仍需动态观察。3. 总结：不必慌！理性看待技术突破的影响华为此次AI技术突破，本质是推动算力行业从“拼硬件数量”向“拼利用效率”转型，并非简单的“硬件需求利空”。对于投资者而言，无需因单一消息盲目看空算力硬件板块，也不能忽视技术变革带来的板块分化——后续可重点关注两类企业：一是具备核心技术、能适配高效算力需求的硬件厂商，二是在算法优化、算力调度领域有布局的企业，精准把握技术升级带来的机遇。

14. 据观察者网透露，华为将于下周发布AI领域突破性技术成果，有望解决算力资源利用效率难题。据透露，该技术延续 “以软件补硬件” 的创新思路，可将GPU、NPU等算力资源利用率从行业平均30%-40%大幅提升至70%，显著释放算力硬件潜能。华为这项新技术将对标英伟达2024年底收购的以色列公司Run: ai的核心技术，旨在通过软件创新，实现英伟达、昇腾以及其他三方算力的统一资源管理与利用，屏蔽算力硬件差异，为AI训练推理提供更高效的资源支撑。

15. AI数据中心GPU大规模闲置｜显卡日报5月5日

16. 谷歌发行百年期债券，史上罕见，1850亿美元的2026年AI基建投入，也是吓坏了市场轻资产轻负债高利润率的谷歌，接下来走向重资产了但是只要ai投入产出的增量效益，大于ai基建的投入，利润率也未必会下滑AI投入，是一场宁可投错，也不可错过的游戏囚徒困境必然导致大家最终走向泡沫（但是不是现在）#电车财经#

17. 【OpenAI狂砸500亿美元算力预算 AI军备竞赛全面升级】OpenAI正在进一步加速其AI基础设施布局，预计到2026年，公司在计算资源上的投入将达到约500亿美元，这一数字由OpenAI总裁Greg Brockman在相关法律案件作证时披露，显示出AI大模型训练与推理对算力需求的急剧膨胀。从数据来看，这一成本相比2017年的约3000万美元已经增长数千倍，反映出生成式AI从早期实验阶段迈向大规模商业化后的巨大变化。如今，ChatGPT等产品的运行、模型训练以及企业API服务，都需要依赖大规模GPU集群和云计算基础设施支撑。业内人士指出，这笔500亿美元的支出不仅包括模型训练，还涵盖全球用户日常调用带来的推理成本，以及持续研发更大规模模型的投入。随着用户规模不断扩大，AI公司的“算力账单”也在同步飙升。更值得关注的是，OpenAI还透露其长期规划目标：到2030年累计计算投入可能高达6000亿美元级别。这意味着未来几年，AI行业的竞争核心将从算法能力逐步转向算力资源与基础设施控制权。与此同时，整个行业也正在进入“算力军备竞赛”，包括微软、谷歌、亚马逊等科技巨头都在大规模扩建数据中心，并锁定GPU供应，以确保在下一代AI竞争中不掉队。有分析认为，这种趋势将进一步推高全球AI基础设施投资规模。

18. 如何评价众多知乎网友都认为：美国正式宣布放宽英伟达H200出口中国（但加税25%）是毫无用处的行为？

19. 黄仁勋可能真的开始疯狂自救了，AI算力的游戏规则变了！对中国来说，这反而是一个窗口期。#红衣聊AI #黄仁勋 #英伟达 #芯片 #大有学问

20. 如果明天算力不再决定胜负，你觉得你手里的哪张牌能赢？ #大咖观察 #红衣聊AI #ChatGPT #算力 #AI

21. 木头姐给出的14个科技趋势（上）：可回收火箭，英伟达，全球GDP增速，AI竞争格局，都聊到了#木头姐 #可回收火箭 #BIGIDEAS2026 #英伟达 #AI#AI泡沫

22. 从金融骗局到能源危机：这波AI泡沫，到底有多大？

23. 算力集群就应该建在太空里；这个世界500强的物流公司，已经从AI受益了#太空算力集群 #AI #云计算 #算力#马斯克 #SpaceX

24. 【华为将发布AI领域突破性技术，有望解决算力资源利用效率难题】11月17日消息，华为将在11月21日发布AI领域的突破性技术，有望解决算力资源利用效率的难题。具体来看，华为即将发布AI领域的突破性技术，可将GPU（图形处理器）、NPU（神经网络处理器）等算力资源的利用率，从行业平均的30%至40%提升至70%，显著释放算力硬件潜能。据透露，华为即将发布AI领域的突破性技术，是通过软件创新实现英伟达、昇腾及其他三方算力的统一资源管理与利用，屏蔽算力硬件差异，为AI训练推理提供更高效的资源支撑。同时，华为即将发布AI领域的突破性技术，与以色列AI初创公司Run:ai的核心技术路线有共同性，后者在2024年底被英伟达以7亿美元资金收购。

25. OpenAI 被曝付费业务的算力利润率已经做到 70%，数字听着是很猛，但先别误会成 AI 已经开始暴利了。这个数据只能说明一件事：OpenAI 现在用同样的 GPU，能比以前多赚不少钱，但公司整体依然没赚钱。最烧钱的模型训练、数据中心、电费和长期算力合同，账还远没算平。对比来看，Anthropic 在服务器利用效率上并不差，只是商业化节奏明显慢一拍。#OpenAI# 的优势在于，更早把 AI 当成一门生意在运营，而不只是搞模型。

26. 顶尖大模型“能力突变”，算力需求“系统性超越供给”--大摩：“市场乐观的程度可能还不够”

27. 黄仁勋罕见长文：未来10年，AI拼的到底是什么？ #黄仁勋 #英伟达 #gtc #科技改变生活

28. 马斯克55万块GPU，利用率才11%？AI竞赛进入下半场了#马斯克55万块英伟达 GPU# 马斯克的 xAI，最近被曝出了一个很夸张的数据：手里大概有 55万块英伟达 GPU，但模型算力利用率只有 11%。什么意思？简单说就是，显卡买了一大堆，数据中心也建起来了，但真正跑出有效训练算力的部分，可能只相当于几万块 GPU 在干活。这件事听起来像是在吐槽 xAI “买卡不会用”，但我觉得它背后反映的是整个 AI 行业的新问题。过去两年，AI 公司拼的是什么？拼融资，拼数据中心，拼谁能抢到更多 H100、H200。好像谁手里的显卡越多，谁就离 AGI 越近。但现在大家慢慢发现，买到 GPU 只是第一步。真正难的是：你能不能把这些 GPU 高效调度起来。大模型训练不是把显卡插上就完事了。它背后要看网络通信、数据管道、内存带宽、任务调度、训练框架、工程团队协作。任何一个环节拖后腿，GPU 就可能在等数据、等指令、等同步。你花大价钱买来的算力，最后可能不是在训练模型，而是在“挂机”。所以这次 xAI 的 11% 利用率，真正值得看的不是数字有多低，而是它提醒了所有 AI 公司：AI 军备竞赛已经从“谁能买到卡”，变成了“谁能用好卡”。硬件是门票，但不是胜利本身。像 Meta、谷歌这种公司为什么更有优势？不是因为它们只会买显卡，而是它们长期积累了超大规模基础设施能力。调度系统、网络架构、数据中心运维、软件栈优化，这些看不见的工程能力，才是真正拉开差距的地方。而对马斯克来说，xAI 的问题也不是没有机会解决。它有钱、有卡、有数据中心，也有足够强的执行力。问题是，当集群规模来到几十万块 GPU 以后，难度已经不是简单堆人堆钱能解决的。规模越大，浪费也可能越大。算力越贵，效率就越值钱。所以我觉得，这件事给 AI 行业提了一个醒：未来真正强的 AI 公司，不一定是账面 GPU 数量最多的公司，而是能把每一块 GPU 都压榨出最大价值的公司。一句话总结：AI 上半场比的是谁抢到更多显卡，下半场比的是谁能让显卡少挂机。

29. #人工智能#当OpenAI砸3000亿建数据中心、xAI 豪掷10.8亿抢芯片，美国科技巨头们在AI 算力赛道上疯狂内卷时，微软CEO纳德拉的一句吐槽戳破真相：“库存里的芯片堆成山，却因为没电用不上”。缺电，正成为卡住 AI 泡沫的致命瓶颈。#AI创造营##AI智能# 凯文思考的微博视频

30. 算力革命的总设计师！英伟达未来10年的AI蓝图！如何重构全栈生态？「超极氪」

31. 黄仁勋最新访谈（2/3）：面对激烈的竞争，为什么英伟达的市场份额不降反升？#英伟达 #黄仁勋 #GTC #芯片 #算力

32. 华为FlexAI才是真·算力革命，把GPU/NPU利用率从30%拉到70%，10%精细切分能实现一卡多用，更重要的是开源+兼容多芯片完全可以让中小企业不用堆硬件也能玩AI，华子在重构规则的路上从来不玩虚的#华为发布AI新技术##华为发布AI容器软件#

33. #微博声浪计划##听见微博# 华为算力概念爆发，11月21日将发布突破性AI技术，通过软件创新提升算力利用率至70%，概念股全线爆发。其算力战略涵盖芯片、架构与绿色协同，昇腾芯片效能领先，推动国产替代与成本革命，但需警惕估值泡沫与技术验证风险，核心受益标的集中在生态硬件等领域。 http://t.cn/AX2ehAkl

34. 我以前认为算力和数据对于炼大模型非常重要，但是，DeepSeek教育了我，不用太多算力和数据也是可以做出优秀的模型。而且刘鹏老师也在直播间说过多次，美国大模型公司知道有更省算力的方法，可他们就不投资源优化这里。所以说美国炼大模型的反思是符合他们的情景，然而这不是最优解。所以算力多，数据多不代表就能推出更好的模型，还要有研究员去调模型，好的研究员年薪大几千万上亿，一百个三流研究员可能都不如一个一流研究员。

35. 港股大模型公司股价闪崩，市场担忧 DeepSeek-V4 低价策略，这对行业发展意味着什么？

36. 用模型排行榜论输赢？AI竞赛到底在比什么？ #大咖观察 #红衣聊AI #AI #大模型

37. 英伟达本周交出了一份关键财报，不仅没有暴雷，反而堪称炸裂：平均每日收入飙升至惊人的22亿。#大咖观察 #红衣聊AI #英伟达 #黄仁勋 #财报

38. GPU利用率不到15%，AI产业最大的浪费正在被这家公司改写｜甲子光年

39. 近日，马斯克宣扬称将部署太空数据中心，“太空数据中心”概念在小说《天堂之泉》曾有设想，在马斯克之前，谷歌和英伟达都讨论过把算力部署到太空轨道上。#满谈科技#AI数据中心用电量大，一个大型AI数据中心，用电量相当于一个城市，数据中心建到哪，哪就用电紧张，服务器工作还会发热，显卡越多越热，进而还需要大量用水，选址需要有水有电，用地还很难批，因为涉及环保、能耗等问题。基于以上原因，马斯克瞄准了太空，AI数据中心在太空轨道，可通过太阳能持续供电，加之太空属于真空环境，没有空气阻力，可以直接辐射散热。最关键的是，太空没有土地指标，马斯克可以随意占用。当前，中美科技的较量正转向太空，马斯克有SpaceX、星舰，可实现低成本火箭发射及回收。未来，AI公司之间的竞争，本质上就是算力的竞争，马斯克部署太空数据中心，想在算力赛道上先下手为强。

40. #华为发布AI新技术#算力效率革命来了！华为这波Flex:ai黑科技直接改写行业规则🚀 谁懂啊！现在AI算力资源利用率普遍才30%-40%，大量GPU/NPU都在“闲置摸鱼”，华为新发布的Flex:ai直接把算力利用率拉满——单卡能精准切分10%粒度的虚拟算力单元，一张卡同时跑多个任务，平均利用率直接提升30%，相同硬件投入下训练速度快一倍、成本降三成！这波“软件补硬件”的突破太顶了，国产AI生态越来越能打！

41. #华为发布AI新技术#华为正式推出AI容器技术Flex:ai，通过10%精度算力切分、跨节点算力聚合与智能调度三大核心能力，将异构算力利用率提升30%。该技术联合三大高校研发并开源至魔擎社区，推动算力高效利用标准化，加速AI行业化落地与平民化普及。

42. 谷歌说接下来每6个月AI算力翻一倍，未来十年算力翻一千倍时，你是不是还在怀疑是不是真的，直到你看到全球AI巨头2026年如下资本支出计划（美元）巨头们如此投入，都是冲着目前人类的脑力劳动去的，而特斯拉与谷歌，还冲着体力劳动取代去干先看美国四大云/AI巨头（合计约6500亿）亚马逊（Amazon）：2000亿（同比+56%）投向：AWS算力、Trainium2自研芯片、数据中心、卫星网络Alphabet（谷歌）：1750–1850亿（同比+98%）投向：TPU集群、Gemini、数据中心、自研ASICMeta：1150–1350亿（同比+74%）投向：GPU集群、超大规模数据中心、AI基础设施微软（Microsoft）：1400亿+（同比+59%）投向：Azure AI、OpenAI算力、自研Maia芯片其他全球AI/科技巨头英伟达（NVIDIA）：约150–200亿（AI芯片产能、数据中心）特斯拉：约200亿（同比+135%，自动驾驶AI算力）苹果：约140亿（同比+10%，偏保守，AI模型与算力） OpenAI：2026年单年未披露；2030年前累计约6000亿算力规划甲骨文（Oracle）：约300–400亿（云与AI基础设施）中国AI巨头（估算） - 阿里/腾讯/百度/字节：合计约5000亿人民币（≈700亿美元）投向以数据中心、智算集群、大模型训练为主如此大的投入，只是开始，看看谷歌接下来每6个月算力翻倍的计划，可以想象，接下来各种语言，视频模型，会发展成什么样？但是AI相信还是不会完全取代人类，接下来几年应该是用AI的人取代不用AI的人的阶段#电车财经#

43. 消息称美国政府正考虑允许英伟达对华出售 H200 芯片，出于哪些考量？将对相关产业带来哪些影响？

44. 超5万亿美元！摩根大通：全球AI基建“规模空前”，将影响所有资本市场

45. #互联网技术[超话]##个重磅信号！#黄仁勋 #AI #人工智能#机器人 #自动驾驶 #CES2026 #英伟达#新年演讲# 黄仁勋在2026年CES展会上的新年首场演讲，以"物理AI"为核心主题，宣告人工智能正式迈入从理解数字世界到改造物理世界的新阶段。以下是演讲的核心内容整理：一、时代定调：双重平台转移开启AI新纪元黄仁勋指出，计算机行业正经历十年一遇的"平台重置"，同时发生两大平台转移：一是应用程序全面构建于AI之上，软件开发从"编程"转向"训练"，运行载体从CPU迁移至GPU；二是软件的开发与运行逻辑彻底革新，AI应用不再是预编译的固定程序，而是能理解上下文、实时生成内容的智能系统。这一变革正驱动全球价值约十万亿美元的计算机基础设施进行现代化改造。二、物理AI的ChatGPT时刻已至物理AI成为演讲的核心焦点。黄仁勋认为，AI的演进可以分为四步：感知AI、生成AI、代理AI、物理AI。当模型能够理解重力、摩擦、惯性、动量守恒等物理定律，AI才能真正走出屏幕，进入物理世界执行任务。支撑物理AI战略的三大技术支柱已全面成型： Newton物理引擎：实现低于0.01秒的实时物理计算响应 Cosmos基础模型平台：以1000亿参数达成1毫秒级推理延迟，支持多模态物理世界理解 GPU+LPU混合架构：算力效率提升100倍，成本降低90% 三、Rubin计算架构全面量产英伟达推出新一代Vera Rubin计算架构（简称Rubin架构），该平台已进入全面量产阶段。Rubin架构通过CPU与GPU协同设计，AI训练性能较前代Blackwell提升3.5倍，推理性能提升5倍，token生成成本最高降低10倍。该架构包含六款全新芯片：Vera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU和Spectrum-X以太网交换机。四、自动驾驶与机器人突破自动驾驶领域：英伟达发布全球首个开源端到端AI系统Alpamayo，这是业界首个具备思考推理能力的自动驾驶AI模型。2025款梅赛德斯-奔驰CLA将首发搭载该技术，计划2026年第一季度在美国上路，随后推广至欧洲和亚洲市场。机器人领域：黄仁勋宣布"机器人领域的ChatGPT时刻已经到来"。英伟达发布了专为人形机器人设计的Isaac GR00T N1.6视觉语言行动模型等开源工具，同时推出Cosmos Reason 2推理型视觉语言模型。特斯拉Optimus人形机器人已通过Omniverse数字孪生平台完成90%以上的训练，自主运行比例达85%，2026年第一季度将实现5万台量产，成本降至2万美元以下。五、开源生态战略加速黄仁勋强调，开源模型与前沿闭源模型的差距已缩短至约6个月，且仍在持续缩小。英伟达不仅开源模型，还开源用于训练这些模型的数据，以建立真正的"系统信任"。现场展示的多款开源模型包括三家中国开源模型：Kimi K2、Qwen和DeepSeek V3.2。黄仁勋特别提到，DeepSeek R1的出现意外推动了整个行业的变革进程。六、全栈AI体系构建英伟达的角色已从芯片供应商转变为"全栈AI体系"的构建者。通过"三台计算机"的架构——训练（DGX超级计算机）、仿真（Omniverse与RTX）、推理（AGX系列边缘设备），英伟达构建了从云端训练到现实部署的完整闭环系统。同时，通过开源模型、数据及NeMo开发库，英伟达正推动技术民主化，让更多开发者和企业能够参与到物理AI的创新浪潮中。黄仁勋在演讲结尾强调，物理AI的落地将重塑全球千万家工厂与数十万个仓库的运作逻辑，开启AI与实体经济深度融合的新时代。 http://t.cn/AXb9Z9MM

46. 大模型上天、马斯克发射GPU？中国团队直接建「太空超算」

47. 英特尔掌门人警告：AI内存危机彻底爆发！别再盯着算力了，这才是真卡点。#大咖观察 #红衣聊AI #内存 #算力 #英特尔

48. 2026英伟达GTC：“推理之王”的ASIC反击战与Token经济学【硅谷101】

49. 算力王冠易主！ #零距离看懂财经 #2026经济风向标 #财经 #芯片

50. 计算所严明玉团队新作： Attention 并非永远是瓶颈，多 GPU 并不一定更快

51. Z Product｜解析Fal.ai爆炸式增长，为什么说“GPU穷人”正在赢得AI的未来？

52. #黄仁勋再次抨击AI泡沫论#针对最近的AI泡沫争议，黄仁勋在最新访谈里做了正面回复，划重点：1. 现在不是泡沫期，而是基础设施建设期。就像当年修高速公路，看起来花钱如流水，但没路怎么跑车？2. AI算力需求还在爆发初期，真正的应用落地才刚开始。对比互联网泡沫时代，那时候基础设施都没建好就炒概念，现在可不一样。3. 技术革命从来不是直线上升，会有波动，但方向是确定的。

53. 从电网到GPU：安森美以SiC与垂直GaN突破AI数据中心能效极限

54. #xAI更名SpaceXAI# 马斯克官宣 xAI 终止独立运营，更名SpaceXAI；同日，SpaceXAI 与 Anthropic 签约，开放 Colossus 1 超算（22 万 + 英伟达 GPU，300MW + 算力）。⭐️战略定位：从独立 AI 公司转为太空算力基础设施 + AI 模型双核心，聚焦 “轨道 AI 算力星座”，计划 2–3 年内实现太空低成本 AI 计算。⭐️业务整合：Grok 模型、X 平台 AI 业务、Colossus 超算集群全部归入 SpaceXAI，为 SpaceXIPO（预期 2 万亿美元）铺路。⭐️行业合作：向外部 AI 公司（如 Anthropic）开放算力，条件是模型 “造福全人类”，打造太空版 AWS 生态。“xAI 不再是独立公司，只是 SpaceXAI——SpaceX 的 AI 产品”。地面数据中心能耗过高，太空太阳能 + 真空散热将成为 AI 算力最优解。

55. 高盛：即使项目延迟、取消，美国数据中心用电需求仍将在两年内翻倍

56. 不拼GPU！中兴扔出AI超节点，把token价格打下来

57. 真正的科技竞争，拼的不是单个环节的领先，是整个生态的闭环。 #大咖观察 #红衣聊AI #电力 #芯片

58. AI已经不再是虚拟技术的故事，而是一场彻底的“物理化革命”。 #大咖观察 #红衣聊AI #电力 #能源

59. 既然AI不是泡沫，你打算怎么搭上这趟车？ #大咖观察 #红衣聊AI #英伟达 #财报 #AI泡沫

60. 英伟达最新财报：AI狂欢依然在持续，下个季度收入增长会进一步加速#英伟达财报 #AI #英伟达业绩大超预期 #黄仁勋 #智能体

61. 近日，中芯国际联席首席执行官赵海军在财报电话会议上，对全球AI数据中心的盲目扩张发出警告，称这种缺乏充分规划的建设热潮可能导致大量产能闲置，沦为纯粹的资源浪费，警惕AI时代最大的泡沫已然成型。赵海军表示，当前众多企业急于在一两年内建成相当于十年使用量的数据中心容量，却对这些设施的实际用途缺乏清晰思考。这一现象让人联想到2020年代初郊区兴建的大批数据中心，其中多数至今仍未找到租户，陷入闲置困境。 AI热潮催生了基础设施建设的疯狂竞赛。穆迪评级预测，未来五年全球AI相关基础设施支出可能超过3万亿美元，仅2026年一年，Alphabet、亚马逊网络服务、Meta和微软的资本支出就预计达6500亿美元。中国的阿里巴巴、腾讯、字节跳动等企业也在积极跟进，巨额投入背后，投资者的担忧正不断加剧。赵海军将当前的建设热潮类比为交通增长前就修建高铁、高速公路，强调基础设施应匹配未来需求而非盲目超前。#从Deepseek到Seedance中国AI成了#

62. 为什么 AI 需要 GPU 和 TPU：理解大语言模型背后的硬件

63. 全国首个！超3万卡国产AI算力上线，喂饱万亿参数大模型

64. 马斯克称「将扩大星链 V3 规模并进军太空算力」，这一举动意味着什么？

65. AI最烧钱的战场：数据中心的真实账单【硅谷101】

66. 游戏显卡早已不是英伟达核心业务由于全球内存紧张，英伟达宣布暂停生产游戏GPU。在2026财年第三季度，英伟达的数据中心收入为512亿美元。游戏部门收入为43亿美元。这意味着游戏业务仅占总收入的7.5%。五年前，游戏还是最大的业务板块。如今，它几乎成了一个可以忽略的零头。每颗分配给RTX 5080的GDDR7内存芯片，能让英伟达卖出一张约999美元的GPU，毛利率大约60%。同样的内存如果转向Blackwell AI加速器，就能装进售价数万美元的系统，毛利率超过75%。按每GB内存计算，AI路径产生的收入大约是游戏路径的10倍。技嘉（Gigabyte）CEO几周前把这个“潜台词”说出来了：英伟达现在的策略是“每GB内存的收入”。他们追求每消耗一颗内存芯片能榨取的最大美元利润。这是近三十年来，英伟达首次没有推出全新游戏GPU。AMD和Intel也把下一代游戏GPU推迟到2027年。整个消费级GPU市场同时被“饿肚子”，因为每家晶圆厂和每家内存供应商都在做和英伟达一样的算术题。Rubin架构的游戏GPU（RTX 60系列）最早也要到2027年底才进入量产，这意味着消费级上市最早在2028年。这将是独立显卡历史上最长的两代间隔——整整三年。

67. SpaceX 申请发射百万颗卫星，建太空 AI 数据中心，为何硅谷巨头都热衷建太空 AI 数据中心？

68. AI基建驱动的中证500与1000超额收益，何时开始轮动，仍取决于这轮Ai资本支出，的周期，超级周期，也是周期先回顾1000和500这两个指数（图1图2）近一年来的强势，驱动因素都一样，主要来自于信息技术与原材料的贡献细分下去是光通讯光模块CPO、存储芯片、有色金属、电力电气设备这背后共同的驱动因素，是AI基建主题，也是目前美股中最近最热的主题，AI 基建扭曲了电子芯片、光通信光模块、金属行业固有的供需，导致景气度周期被强行拉长拉长的周期也是周期，接下来不下结论，留心观察，观察行业量价，供需，各种蛛丝马迹#电车财经#

69. 4年烧光5000亿！「星际之门」怎么搞这么多钱，又要怎么烧光它？【柴知道】

70. 分发即杠杆，品味即战略，AI即基础设施。 #大咖观察 #红衣聊AI #基础设施 #人工智能 #科技改变生活

71. 戴密斯：AI最大的瓶颈是算力，AI公司的差距会拉大#谷歌 #戴密斯哈萨比斯 #DeepMind #新药研发 #算力

72. #微博声浪计划##听见微博# 华为算力概念爆发，技术上通过软件优化将硬件利用率提升至70%，目标降低AI推理成本。市场中概念股集体走强，产业链多环节受益。但需警惕估值泡沫、业绩兑现等风险，投资者应理性看待短期炒作，关注长期价值。谯华的微博音频

73. 数据中心作为 AI 时代的「基建项目」，它应该如何估值？和传统房地产项目有什么不同？

74. 从英伟达的角度看，这笔投资表面上似有“资敌”之嫌，实则是一步高明的生态防御棋。无论Anthropic的Claude与OpenAI的GPT在软件层面谁更出色，只要它们仍依赖于顶尖GPU进行训练与推理，英伟达Blackwell与Rubin架构就将继续占据需求核心。这100亿美元，也是应对谷歌、亚马逊等自研芯片崛起的战略性回应。

75. 华为算力概念爆发，相关概念股集体上涨。华为即将发布的AI技术通过软件统一调度异构算力，提升资源利用率，目标降低AI推理成本。产业链核心环节受益，但需警惕估值泡沫与业绩兑现压力。此次突破有望重构算力格局，推动国产AI转向提效率新范式。 http://t.cn/AX2gTfg0

76. 马斯克的xAI坐拥55万张英伟达GPU加速卡利用率仅11%

77. 算力泡沫，xAI 55万张GPU加速卡利用率仅11%

78. xAI坐拥55万张GPU加速卡，但利用率仅11%

79. 马斯克 xAI 坐拥 55 万张英伟达 GPU 但算力利用率仅 11%，友商效率超四倍

80. xAI 55万卡集群利用率仅11%？从底层调度看超大规模算力集群的软实力鸿沟

81. 暴殄天物？坐拥55万块GPU，马斯克xAI算力利用率仅11%，揭开AI基建的遮羞布

82. xAI的孟菲斯Colossus超算集群，55万张GPU卡的利用率只有11%，马斯克的算力烧钱术露出底色

83. 马斯克的GPU也在摸鱼？狂囤几十万张显卡，只有11%在干活

84. 为什么xAI GPU利用率仅11%，智算中心却转向能效竞争

85. 大型挂机现场

86. 算力泡沫下的理性思考

87. 马斯克的55万张GPU在“吃灰”，这才是AI军备竞赛的真相

88. xAI坐拥55万张GPU加速卡，但算力利用率仅11%

89. 马斯克55万英伟达GPU利用率才11%？只因闲置太多，背后真相令人震惊

90. xAI,未充分使用GPU算力

91. Anthropic 算力告急！转身租下「马斯克」的超级算力

92. 美指AI泡沫倒计时

93. 算力疯狂烧钱，Ai泡沫风险几何

94. 【趋势洞察】没有产业，科技走不远

95. 全球AI算力泡沫

96. 警惕AI市场的巨大泡沫

97. 吴恩达谈 AI 是否存在泡沫？

98. AI泡沫这个词怎么来的（上）

99. 万亿造梦撞上物理铁壁

100. 自由现金流暴跌 90%？微软财报里的 AI 基建阳谋

101. 甲骨文数据中心融资遇阻！AI基建的资金压力到底藏着多少隐忧？

102. 当AI变身基建狂魔

103. 马斯克的GPU也在摸鱼？狂囤几十万张显卡，只有11%在干活

104. 马斯克的xAI坐拥55万张英伟达GPU加速卡利用率仅11%

105. 马斯克的GPU也在摸鱼?狂囤几十万张显卡,只有11%在干活

106. 55万块GPU、利用率11%：马斯克2万亿IPO的最大软肋曝光了

107. 马斯克55万英伟达GPU利用率仅11%，大型挂机现场？

108. 清华五道口AI俱乐部｜xAI 55万张GPU集群曝光，实际利用率约11%，算力闲置问题凸显，全球AI基建效率引关注

109. 大型挂机现场：马斯克的55万英伟达GPU，利用率才11%

110. 马斯克囤了20万张英伟达GPU，但利用率只有11%——算力泡沫还是另有目的？

111. 马斯克狂囤几十万张显卡，九成却在摸鱼？真实利用率仅11%震惊全网！

112. GPU利用率不到15%，AI产业最大的浪费正在被这家公司改写

113. 没招了！马斯克买了一堆英伟达芯片

114. 颠覆GPU！大模型推理新路径：一年省1亿电费，1万卡顶10万卡用

115. 马斯克的xAI坐拥55万张英伟达GPU加速卡利用率仅11%

116. GPU利用率仅40%-60%？云基础设施落地大模型，关键在基础设施协同而非算力堆砌

117. 资源优化才是王道！2026 算力网络异构算力调度，CPU/GPU/NPU 利用率拉满

118. AMD MI300X 理论性能是 H100 1.5倍，实际仅达 45%

119. xAI坐拥50万张GPU但利用率仅11%，竞争对手称「低得离谱」

120. 英伟达超级算力集群：重塑AI时代的算力基建

121. 马斯克堆了 55 万块 GPU！真正跑起来的只有 6 万块

122. 如何提升AI算力场景下GPU利用率？

123. AI算力告急：大模型军备竞赛撞上物理围墙

124. 三道坎：万亿美元AI军备竞赛的真正瓶颈

125. AI 算力军备竞赛：四巨头 6600 亿美元豪赌未来

126. 以太网架构新突破DDC实现AI算力网络全局调度

127. 马斯克 55 万张显卡每天摸 1 个亿的鱼？

128. 如何提高GPU算力的利用率？

129. 花旗重磅发声：AI股票只是暂时回调，未来将再次启动？

130. 多站点分布式GPU架构：探索本地分布式GPU资源

131. OpenAI总裁庭上认罪：零元购300亿股权，马斯克胜算几何？马斯克55万英伟达GPU闲置率高达89%，xAI如何破解困境？

132. GPU算力利用率从42%到73.6%：如何实现企业毛利率跃升70%以上？

133. 速读顶会论文：用“碎片感知”调度算法破解多租户GPU资源浪费难题

134. AI算力迈进“万卡”时代　算力竞争转向集群效率

135. 中国AI产业竞争核心跃迁：从“模型军备竞赛”转向“每瓦Token效率”比拼

136. 帝国黄昏21-算力军备竞赛的囚徒困境：美国AI战略的结构性脆弱

137. 万卡集群的”神经系统”：AI智算中心网络架构的5层蛋糕与选型实战

138. 甲骨文2Q26财报：AI基建投入期的阵痛与机遇，美银重申“买入”评级

139. AI大基建困局：电力缺口44吉瓦，高息负债与CDO模式暗藏危机？

140. 1900亿美元砸基建，Google算力还是不够用

141. A股震荡的背后：对AI基建热潮的市场忧虑

142. 国内外大模型多维度对比分析

143. 2030年基建真相：无人工地、AI智造，传统基建的消亡与新生

144. 6500亿美元的豪赌：科技巨头2026年AI军备竞赛与泡沫阴影

145. 2.6K Star! GPU利用率从30%飙到90%，K8s资源不再吃灰

146. 速读顶会论文：用约束规划破解Kubernetes调度难题，提升集群资源利用率

147. 【免费申请】趋动科技OrionX社区版开放：GPU池化神器

148. AI新基建不是“堆设备”，而是复杂工程管理能力的竞争

55万张H100仅11%算力被有效利用，AI军备竞赛已陷入“建而不用”困局

精选参考来源