谷歌云推出新AI芯片挑战英伟达
谷歌发布了最新的TPU芯片,这些芯片比之前的版本更快且成本更低。尽管如此,谷歌在其云服务中仍然暂时继续使用英伟达的技术。此次发布表明谷歌在AI硬件领域的持续创新与竞争力,同时也反映出其在云服务市场的战略布局。
谷歌发布了最新的TPU芯片,这些芯片比之前的版本更快且成本更低。尽管如此,谷歌在其云服务中仍然暂时继续使用英伟达的技术。此次发布表明谷歌在AI硬件领域的持续创新与竞争力,同时也反映出其在云服务市场的战略布局。
据TechCrunch独家报道,Mira Murati领导的思维机器实验室与谷歌云签署了一项数十亿美元的合作协议,将采用英伟达最新的GB300芯片来提供AI基础设施支持。此举显示出谷歌在AI领域持续扩大的投资和战略布局,旨在通过先进的硬件技术提升AI计算能力。
英伟达支持的亚洲AI数据中心提供商Firmus在短短六个月内融资13.5亿美元,估值达到55亿美元。该公司以‘Southgate’项目闻名,正乘AI热潮快速扩张。Firmus专注于构建高效AI基础设施,满足生成式AI模型训练需求。随着全球数据中心需求激增,亚洲市场成为新战场,Firmus的崛起标志着英伟达生态在该地区的强势布局。本文分析其融资细节及行业影响。
尽管投资者担忧AI泡沫破灭,英伟达最新大会却展现出行业内多数人士对这一风险的淡定态度。大会上,英伟达展示了多项AI创新成果,包括新一代GPU和生态伙伴进展,但华尔街投资者仍持谨慎观望。文章分析了这一分歧背后的原因,并探讨AI投资热潮的可持续性。(128字)
英伟达CEO黄仁勋在本周GTC大会上身着标志性皮夹克,发表了长达两小时半的主题演讲,预测到2027年AI芯片销售额将达1万亿美元。他强调,每家公司都需要制定“OpenClaw策略”,并以一款喋喋不休的Olaf机器人演示收尾,麦克风被紧急切断。Nvidia强势宣示AI霸主地位,呼吁企业拥抱开放AI生态,抢占未来市场先机。
英伟达的网络业务在上季度狂揽110亿美元收入,却远不如芯片和游戏业务引人注目。这一低调巨兽正悄然崛起,通过Mellanox收购和AI数据中心需求驱动,成为公司新增长引擎。文章深入剖析其战略布局、产品优势及未来潜力,揭示英伟达多元化帝国的野心。
英伟达计划投资260亿美元开发开源权重AI模型,此举将助力这位AI基础设施巨头迅速挑战OpenAI、Anthropic和DeepSeek等领先玩家。根据最新文件披露,这一战略转向标志着英伟达从硬件供应商向AI模型开发者的转型。通过公开模型权重,英伟达可吸引全球开发者社区,加速创新并抢占市场份额。这不仅将重塑AI竞争格局,还可能推动开源AI的民主化进程,但也面临计算资源和高研发成本的挑战。(128字)
在年度开发者大会GTC前夕,英伟达正准备推出一种新型软件方法,拥抱类似于OpenClaw的AI代理技术。这一开源平台将助力开发者构建智能代理,推动AI从单一模型向多代理协作演进。结合英伟达在GPU领域的霸主地位,此举或将重塑AI软件生态,加速行业创新。
英伟达CEO黄仁勋周三表示,公司对OpenAI和Anthropic的投资很可能将是最后一次。他解释称,这源于英伟达正专注于扩大芯片产能,以满足市场需求,但这一说法引发更多疑问:是否涉及监管压力、地缘政治风险,或战略转向?作为AI硬件霸主,英伟达的投资策略调整可能重塑行业格局,值得密切关注。(128字)
OpenAI 宣布完成1100亿美元融资,由亚马逊出资500亿美元、英伟达和软银各300亿美元领投,估值高达7300亿美元。这一轮融资创下史上最大私募纪录,标志着AI行业进入新一轮资本狂飙阶段。亚马逊的巨额投资凸显其在AI基础设施上的野心,英伟达和软银则继续押注生成式AI未来。该笔资金将加速OpenAI的超级智能开发,推动AGI时代到来,但也引发估值泡沫和监管担忧。(128字)
英伟达CEO黄仁勋表示,全球对AI token的需求已呈完全指数级增长。公司最新季度财报显示,在创纪录资本支出浪潮中,营收和利润双双创历史新高。这得益于数据中心业务爆发式增长,特别是Hopper和Blackwell GPU的强劲需求。 hyperscalers如微软、亚马逊持续加大AI基础设施投资,推动英伟达市值屡创新高。尽管面临竞争加剧,本季度业绩再度证明其在AI芯片领域的霸主地位。(128字)
英伟达正携手投资者、非营利组织和风投公司,深化与印度快速增长的AI创始人生态的早期联系。这一举措旨在捕捉印度AI初创企业的爆发潜力,帮助初创团队更早获得计算资源、技术支持和投资机会。印度作为全球AI人才大国,其初创生态正迅猛发展,英伟达的布局将进一步加速本土创新,推动从基础模型到应用落地的全链条发展。
科技巨头时代已变,不再局限于购买离散芯片。英伟达与Meta的最新交易标志着AI公司对计算资源的全面需求升级,如今需要GPU、CPU乃至全栈解决方案。这不仅反映了AI训练对海量算力的饥渴,还预示着计算架构从碎片化向集成化转型。未来, hyperscalers 将主导定制化超级计算,推动AI从实验室走向普世应用。