国产异构算力平台‘异算方舟’正式发布
6月29日，中国科学院计算机网络信息中心、中国科学技术大学、中国科学院力学研究所与中科曙光等机构联合推出‘异算方舟’国产异构计算软件生态全栈平台。平台直击国产异构算力环境下科学软件生态建设的难点，聚焦算法供给、代码迁移与智能应用三大核心方向，构建‘九衍枢算法库’‘无界BoundX代码转换大模型’和‘Agent-HiReFlow自动化仿真智能体’三大关键技术，为国产GPU算力提供科学软件适配、迁移与落地的一体化支持。 全栈平台是指整合软件开发、测试、部署与运维全流程的一体化系统，旨在通过统一环境贯通前端界面
澳洲Firmus Technologies联手英伟达共推人工智能算力服务
澳大利亚人工智能基础设施企业Firmus Technologies透露，已同英伟达签订战略合作协定，助力新兴人工智能公司以更低成本获得算力资源。Firmus指出，依据该协议内容，企业将采购英伟达基础设施，并向"AI Native"等客户转售基于英伟达技术的云端服务；作为交换条件，这家于美国挂牌的芯片行业领军企业将获取产品销售收入及部分云服务收益。协议规定，自2027年第一季度起至2028年初，将向坐落于印尼巴淡岛的设施供应17万个图形处理器（GPU）。Firmus称，基于客户的订购承诺，预计协议生效后六年
AI收入能否覆盖GPU成本？全球AI经济实况大公开
科技界权威机构Exponential View推出了首份《The State of the AI Economy》白皮书，通过自下而上的视角，对全球AI经济的需求端进行了严谨的量化分析。报告揭示的关键数据：过去一年里，全球AI生态系统（排除中国）创造了约1100亿美元营收，年化营收规模已冲破1750亿美元大关。这一增速远超互联网及移动应用等过往信息技术的增长幅度，约为前者的三倍。首次通过自下而上的方法评估AI需求Exponential View创始人Azeem Azhar在文中分析道，AI供给侧（如芯片、
AI算力激增倒逼电源架构革新
1 人工智能数据中心电力消耗快速增长，电源系统亟需改进1.1. 数据中心需求旺盛，或面临电力短缺问题当前，人工智能正以前所未有的速度融入人们的生活与工作，在带来便捷与高效的同时，其背后隐藏的庞大能源消耗却较少被人留意。国际能源署发布的《能源与AI》报告，揭示了AI能耗的真实数据。当用户与AI完成一次对话，云端服务器便会消耗2瓦时电能，约等于开灯十分钟的耗电量；若使用AI生成一段视频，所需电量则升至50瓦时，足够一台电风扇持续运转约1小时。然而，在全球科技巨头竞逐大模型赛道的算力竞赛中，能源消耗的代价远超公
算力市场定价逻辑生变
根据纽约市场研究机构Ornn的统计数据，英伟达B200的GPU时租费用在5月30日触及6.11美元/时的季度峰值后持续下滑，截至6月21日已降至4.22美元/时，三周内跌幅约30%。从表象分析，B200租赁价格回落似乎只是周期性调整。但高盛交易台负责人Rich Privorotsky更为直接地指出：当资源稀缺性延续时，价格理应维持高位，大规模资本投入才有合理性；而一旦供给扩大且价格不断下行，「算力紧张」这一整套定价基础将被撼动。这番话的指向很清晰：若下游用户的租赁成本在下降，而英伟达的芯片售价并未调整，中
AI基建热潮遇冷，资本市场信心动摇
过去三年，人工智能行业沿着一条简单而有力的轨迹狂奔：算力短缺推动资本投入，投资扩张拉高估值，高估值又便利融资。这个自我强化的循环几乎无人置疑。但到了2026年盛夏，这条逻辑链的每个环节都面临严峻考验。第一道裂痕：GPU租赁价格暴跌。英伟达旗舰芯片B200的每小时算力租赁价，从5月30日的6.11美元高点，滑落至6月21日的4.22美元，跌幅超过30%。同时，H200的租赁价在过去三周也下跌约40%。预测市场Kalshi的交易员多数押注，B200价格在6月30日前难以反弹。更令人担忧的是反差：英伟达股价过去
黄仁勋：AI基建将延续数十年，智能体时代重塑算力格局
北京时间6月25日凌晨，英伟达召开2026年度股东会。会上黄仁勋表示，"有用的AI时代"已经到来，AI基础设施不再停留在实验阶段，而是进入生产阶段。 他预计，本轮AI基础设施建设周期将持续数十年，规模或将成为人类历史上最大的基础设施工程之一。 黄仁勋提到，Vera Rubin架构现已实现全面量产，Vera正开辟一个专为智能体设计的全新CPU市场，每家企业都在转型为智能体公司，且全部运行于英伟达平台之上，AI投资回报率的问题"已有明确答案"。 此次大会上，黄仁勋指出，传统数据中心的定义正被颠覆。过去数据中心
科技巨头抢购数千颗B300芯片 引爆AI算力市场新格局
当前人工智能模型训练与推理需求持续增长，全球AI处理器和计算设施赛道热度上升，近期多项进展揭示了算力基础设施市场的新趋势。在这一波变化中，领先企业公开争夺数千台配备B300的图形处理器服务器最为引人注目，不再掩饰需求的背后，是新一代模型迭代对高性能计算资源的缺口已经显现。作为Blackwell架构的关键产品，B300的计算能力与存储规格更契合大规模模型训练，成为当下算力市场的抢手资源。存储行业巨头冲刺万亿市值，本质是AI算力驱动高带宽存储需求激增，资本看好算力基础设施关键环节的价值；Day0适配竞争白热化
英伟达Blackwell重塑AI算力新格局
眼下全球AI大模型需求迅猛增长，算力基建正加速迭代，英伟达创始人黄仁勋宣告AI工厂时代正式开启。从硬件技术层面剖析，黄仁勋所提的AI工厂，实则是以最新一代GPU为枢纽的规模化算力生产集群。此次英伟达发布的Blackwell架构B200 GPU，相较前代Hopper架构H100，FP8精度算力近乎翻倍，HBM3e内存带宽增幅达35%，专为大模型训练与推理全链路优化，单卡即可承载千亿参数大模型的端到端部署，显著削减多卡互联成本及调度时延。以往部署万亿参数大模型需数千颗H100，替换为B200后仅需不到半数，极
AI浪潮下的投资机会
当前持仓：zj旭创、铂科新材T哥持仓：zj旭创这两天市场分歧中仍藏着不少良机，正如前文所言，买在分歧。常听基金经理高呼AI泡沫，可一看其持仓，竟无一只AI标的，难怪口口声声说泡沫。大光与PCB虽有小道消息扰动，但长期逻辑未变。产业链中业绩明确的光纤、MLCC表现强劲。医疗医药因政策加持出现异动，但我始终谨慎，仍坚守科技主线。算力租赁仍具潜力。低端算力产能已饱和，但高端显卡现货溢价超800%。若BIS持续收紧对华高端芯片出口管制，供需缺口恐将延续两年。上游整机采购成本优势明显，无NCP资质企业需辗转多层才能
62家金融机构AI架构师共议智能投顾技术路径
一、政策背景与行业使命近年来，国务院《新一代人工智能发展规划》明确要求加速人工智能在金融等关键领域的落地应用。中国人民银行《金融科技发展规划（2022-2025年）》进一步指出，应稳步推进AI等前沿技术在金融场景中的创新实践，强化核心技术自主可控，保障底层系统安全稳定。在此趋势下，智能投顾作为AI赋能财富管理的核心方向，已成为证券、基金、银行等机构智能化转型的战略焦点。AI平台架构师肩负从算法研究到基础设施搭建的全链条职责，而各机构各自为战往往导致高昂试错成本与技术风险。二、课题背景与报告定位面对算力开销
NVIDIA Run:ai GPU编排工具 | 解锁显卡潜力，加快企业智能开发
在当前大模型和AIGC迅猛发展的时代，GPU已成为智能开发中最关键且昂贵的资源。但许多公司都面临相同难题：高价显卡常被闲置、多组间计算资源争夺、训练与推理任务排程混乱，以及IT管理难度大。为应对智能算力管理的挑战，NVIDIA发布了Run:ai——一个基于Kubernetes的GPU编排和优化系统，全面解决智能集群资源排程、运维控制、开发提速等环节问题，兼顾IT管理需求与算法团队的工作效率。轻松入门：直观引导式部署流程初次使用平台无需繁琐设置，配备可视化引导步骤，管理员和开发人员可依场景逐步实施：管理端：
英伟达推全栈AI安全方案助推GPU算力跃升
当下人工智能与机器人行业融合步伐加快，细分场景的实战应用对底层算力设施的性能及安全性提出了全新挑战。此番英伟达首次发布全栈物理AI安全系统Halos for Robotics，该整套方案的运行高度仰赖英伟达GPU芯片的并行计算能力，从芯片层面的安全防护到云端风险建模，全链路运算均需要GPU提供低延迟算力支撑。有别于传统安全策略，物理AI安全需实时处理多模态传感器数据，单台机器人的端侧计算即需入门级GPU支持，大规模量产落地将释放显著的GPU新增需求，进一步夯实英伟达GPU在AI算力基建领域的生态壁垒。该方
AI非短暂风口，而是颠覆性海啸（英伟达视角）
2026年6月21日，任泽平硅谷游学第二天，英伟达的工程师分享前沿科技。参观斯坦福大学机器人实验室。1、 英伟达的护城河除了先进制程的GPU，还有GUDA生态的开发，毛利率75%。2、 特斯拉FSD用了英伟达的GPU训练世界模型，软硬系统，纯视觉路线，算法领先。国内算法有差距，用硬件冗余来弥补，优化软件，软硬件一体化是方向，国内车企自研芯片。3、 全球AI竞赛是中美华人和产业链的竞赛。大模型和Agent越来约好用，渗透率越来越高。现在来到了大规模使用算力的时代，Token经济，芯片短缺原为结束。短期很烧钱
AI新势力揭秘｜Token与GPU的隐秘纽带
人工智能浪潮中，GPU为何成为核心引擎？每当你提问、生成图像或撰写文案，每一个Token的运转都离不开GPU的密集计算。 Token堪称数字世界的燃料，你与AI的每次交互，都在消耗这一基础单位。然而燃料从何而来？答案正是GPU。 本期视频，将深入国产GPU厂商内部，用通俗语言解读Token与GPU之间的深层关联。