北京 · 共 29 条 · 按发布时间倒序
9月17日，AI基础设施与芯片层的资本动作密集：Crusoe完成39亿美元F轮融资、投后估值309亿美元，黄仁勋称英伟达2027年芯片销售额预计较2026年约翻倍，台达电子则加速部署基于英伟达DSX平台的AI工厂。与此同时，Anthropic为Claude Code推出并行智能体工作流，模型层任务并行化或进一步推高算力消耗，与上游能源、芯片和基础设施的扩张形成呼应。
克拉默在采访中追问OpenAI CFO萨拉·弗莱尔是否会放缓AI建设，弗莱尔回应称公司投资决策始终以强劲的投资回报率为优先，并提到广告业务七个月做到10亿美元、模型降价80%带动需求增长十倍。文章同时梳理了英伟达、AMD、博通、Arista、Vertiv、伊顿六家可能受益于OpenAI持续资本开支的公司及其最新业绩数据。
为什么重要OpenAI的资本开支节奏直接决定英伟达、AMD、博通等算力与配套厂商的订单能见度，弗莱尔对投资回报的表态是观察AI基建叙事能否延续的关键信号。
Anthropic 重构了 Claude Code 的 Projects 功能：用户描述目标后，由协调器把任务拆分到多个并行云端「线程」，每个线程可独立发起拉取请求并运行测试，进度可在主聊天或各线程中查看，移动端同样支持。所有线程共享一套逐步累积的记忆，并设有库集中存放上传文件与结果。该测试版面向部分 Pro 与 Max 订阅用户开放，团队版与企业版稍后跟进，本地执行也即将推出。
为什么重要这标志着编码智能体从单线程辅助走向多线程自主协作，任务并行化会显著推高 token 消耗，也让用量控制权从用户转向模型厂商，牵动 AI 编程工具的商业模式与算力需求叙事。
Crusoe 于 9 月 17 日宣布完成 39 亿美元 F 轮融资的首轮交割，投后估值 309 亿美元，由 Atreides Management、Mubadala Capital 和 Valor Equity Partners 联合领投，英伟达、Founders Fund、GIC、卡塔尔投资局等新老股东参投。公司称其垂直整合平台合同总价值已超 1400 亿美元，签约总容量超 6GW，其中 1GW 已投入运营。
为什么重要这笔融资显示资本仍在向「能源—数据中心—AI 云」垂直整合模式集中，英伟达等产业方参投也反映出算力供应链上游的绑定趋势，对关注 AI 基础设施投资节奏与竞争格局的读者有参考意义。
台达电子2026年9月17日宣布，将围绕英伟达DSX AI工厂平台整合从现场能源到AI机架的供电与散热基础设施，打通能源供给与算力产出之间的物理环节。方案涵盖储能系统、固态变压器、800 VDC供电及液冷，供电转换效率最高达98%，单电源机架功率可达800 kW，并借助预制化模块数据中心缩短交付周期。
为什么重要AI工厂的瓶颈正从芯片转向电力与散热，台达把能源、供电、冷却与芯片级方案打包进英伟达DSX生态，意味着AI数据中心的竞争重心向基础设施侧延伸，牵动电源、液冷与储能供应链。
Rackspace Technology（NASDAQ:RXT）宣布加入英伟达云合作伙伴计划后，股价一度上涨逾 6%。公司同时推出结合英伟达 Blackwell 与 Palantir Foundry、AIP 平台的 Institutional Sovereign Pod 架构，面向受监管与主权企业客户。但公司仍背负约 28 亿美元债务、净资产为负、自由现金流为负，且该合作未披露客户合同或收入承诺。
为什么重要这条新闻折射出 AI 基础设施合作叙事与公司实际资产负债表之间的落差：合作消息能短期推高股价，但债务到期与主业收缩等基本面问题并未因此缓解，对判断 AI 概念股的估值可持续性有参考意义。
小米MiMo大模型团队负责人罗福莉9月17日凌晨发文，披露MiMo-V2.6正处于强化学习中间阶段，并首次晒出实时训练页面。页面显示MiMo-V2.6-Pro与MiMo-V2.6-Flash两个版本，截至17日下午累计训练成本超135万美元；其中Pro训练1天21小时耗资超93万美元、每小时超2万美元，Flash训练1天16小时耗资超42万美元、每小时超1万美元，合计每小时约3.1万美元，折合人民币超20万元。
为什么重要训练成本与算力消耗的公开披露，为观察小米大模型投入强度、强化学习路线可行性及国产模型算力开支提供了少见的量化样本，也牵动市场对小米AI资本开支与竞争力的评估。
英伟达CEO黄仁勋在苏格兰一场科技活动上表示，公司2027年芯片出货与销售额预计较2026年大致翻倍，这一说法与8月26日财报电话会上管理层的表态一致。受此影响，英伟达股价周四盘中上涨2%至219美元，逼近52周高点236美元。需求增长主要由Vera Rubin平台驱动，该平台已进入满产阶段，同时Blackwell持续部署。
为什么重要黄仁勋对2027年销售翻倍的预期，叠加Vera Rubin满产与超5000亿美元第三方资本动员计划，为AI算力产业链的长期需求叙事提供了来自公司最高层的直接背书。
美国银行估算，Meta若在2027年用自研芯片而非外购芯片运行AI负载，可节省约85亿美元。该数字为分析师测算而非公司指引，前提是Meta按计划在2027年上半年部署第三代MTIA 450（代号Arke），年内晚些时候再推出性能更高的MTIA 500（代号Astrid），两款芯片均与博通联合开发，面向AI推理场景。
为什么重要若自研加速器真能替代相当比例的外购算力，将直接改变Meta的资本开支结构与AI芯片竞争格局，对博通定制芯片业务、英伟达等商用GPU供应商以及云厂商自研路线都构成参照。
格芯与台积电最新财报形成鲜明对比：台积电凭借领先制程AI芯片实现营收同比增长36%，格芯整体营收增速仅5.8%，但其通信基础设施与数据中心业务同比大增62%。格芯Q2营收17.86亿美元，硅光子业务预计2026年翻倍以上；台积电Q2营收402亿美元，毛利率67.7%，并将全年增长指引上调至略高于40%。有评论认为，格芯在估值与资本开支纪律上更具差异化。
为什么重要这条对比揭示了AI算力产业链中「领先制程」与「特色工艺」两条路线的分化：台积电代表高增长高资本开支的规模叙事，格芯则代表低资本投入、绑定数据中心光互联需求的差异化叙事，对判断AI芯片供应链的资本回报与地缘风险敞口有参考意义。
市场动态、友商消息等一行快讯,点击进原文。
该分层下当日暂无新闻。
