OpenAI × Oracle:4.5 GW「Stargate II」再扩容,AI 电力版图重排

在这里插入图片描述

7 月 22 日,OpenAI 与 Oracle 联合公布“Stargate II”计划:双方将在美国多地追加 4.5 GW 超算级电力与冷却配套,使 Stargate 系列园区总规模跃升至 5 GW、可支撑约 200 万颗 最新 AI 芯片并行运行,整体投资额被行业估算将突破 500 亿美元。Stargate I 已于德州阿比林启动试运营,Stargate II 则将分布在俄克拉何马、内华达等低税州以降低土地和能源成本。根据公开招标文件,新园区全部采用液冷 + 自研高压直流母线架构,单机柜峰值供电 120 kW,并预留光伏、氢能并网接口。美国能源部同时宣布把 Stargate 纳入“国家关键基础设施”名单,允许其在联邦层面快速获批电网接入。(Reuters, 投资者.com, The Times of India)

来自华尔街的初步测算显示,此批新增算力若全部搭载 NVIDIA GB200 Grace Blackwell 服务器,可为 GPT-5 及未来多模态大模型提供 >3.6 EFLOPS 训练能力;按 2028 年 Oracle 与 OpenAI 预签的 300 亿美元/年 云支出算,折合单 FLOP 底价或将低至 1.2×10-5 美元,创行业新低。业内人士分析,Oracle 此举意在借 Altman 之势,狙击 AWS 与 Microsoft Azure 在 AI IaaS 市场的领先地位,并通过“算力-资本-客户”三位一体模式锁定 OpenAI 的长周期现金流。(巴伦周刊, YouTube)

胜算短评
从“拼参数”到“拼瓦特”,Stargate II 把 AI 竞速正式带入“千兆瓦时代”;资本、能源与模型的绑定程度前所未有。

胜算解读

  1. 价格展望:当顶级模型训练单 FLOP 成本压低到 10-5 美元量级,API 侧的推理价格结构势必重新洗牌——先进模型贵,落后模型廉价,差距将进一步拉大。
  2. 稳定供应:胜算云已通过与 Oracle Cloud 的专线对接,取得 Stargate 机柜首批 GB200 资源映射权;配合我们位于香港 / 新加坡的边缘节点,能在高峰时段依旧保持 <200 ms 首响应。
  3. 绿色金融:Stargate II 把“可再生能源 PPA(电力购售协议)+ 数据中心资产证券化”推向新高度;胜算云 Router 将开放 ESG 维度的算力路由策略,帮助企业在低碳约束下合规调用顶级模型。

OpenAI × 英国:6.74 亿英镑“主权 AI”计划,政府云进入 GPT 原生时代

在这里插入图片描述

同日,英国科技部与 OpenAI 签署为期三年的战略合作备忘录:① 英政府将投入 6.74 亿英镑“AI 机遇行动计划”,在税收、签证、科研基金三方面为 OpenAI 提供优先待遇;② OpenAI 评估在林肯郡、曼彻斯特新建数据中心,并把 GPT-4 系列先行接入国防、NHS 医疗和 K-12 教育系统;③ 雙方共建“AI 安全联合实验室”,针对选举安全与深伪检测设立快速响应通道。消息人士透露,首批落地场景将聚焦于 公务员辅助写作、医患对话翻译战场情报生成,目标在一年内节省 30 % 行政工作时长。(Reuters)

首相 Keir Starmer 在 Downing Street 发布会上强调:“英国选择 拥抱 而不是 围堵 前沿 AI。”此举被视为欧盟以外主要经济体对“AI 主权”概念的最新演绎——在保持 GDPR 高标准的同时,将核心模型‘本地部署 + 合规共治’。(政府.uk)

胜算短评
英国人把“我想要监管,也想要算力”这道双选题,改写成了“一边监管,一边自建”的复杂命题。

胜算解读

  1. 合规壁垒外溢:英国版本的“主权云”一旦跑通,势必带动德国、法国复制类似方案;这对 API 提供者提出数据驻留、访问审计的新硬性要求。胜算云伦敦节点已完成 ISO/IEC 27018 个人数据云隐私认证,可无缝对接。
  2. 跨币种结算:欧系客户更偏好本币或欧元计价,而 OpenAI 仍以美元结算;胜算云 Router 内置 人民币 ⇄ 欧元 ⇄ 美元 三路实时汇率引擎,免去开发者在支付与报账环节的摩擦。
  3. 安全即市场:AI 安全实验室意味着治理 API 侧的实时风险评估将嵌入业务流程;胜算云将把自研 Prompt 审计 & 泄露防护 SDK 开源,帮助出海企业快速过关。

字节跳动 Seed 发布 VLA 大模型 GR-3:十条示范学会叠衣、擦桌

在这里插入图片描述

Seed 团队在官方技术报告中披露,GR-3 规模 40 亿参数,突破性提出“三元训练”范式:网页 Vision-Language 语料 2.8 B token + 机器人真实轨迹 101 小时 + VR 人体动作演示 68 小时。通过 行为微调蒸馏 + 动作层次化规划,GR-3 在 10 条人类示范 下即可把指令「请把桌面收拾干净」分解为 17 步动作,并在双臂移动机器人 ByteMini 上实现 77 % 成功率(SOTA 约 40 %)。更重要的是,GR-3 仅需 6 s 即可完成视觉-语言-策略前向推理,端到端能耗低至 28 W。(字节跳动种子, 字节跳动种子, arXiv)

业内评价,GR-3 把 Embodied AI 从 Demo 阶段推进到“准商用”区间:① 提前验证少样本指令迁移能力;② 通过 VLA 统一表征打通感知与控制;③ 拓展了 AI 从数字内容到物理场景的想象空间。大疆、科沃斯等硬件厂商已在内部评估迁移价值。(字节跳动种子)

胜算短评
在文本、图像、视频之后,“文生动作”终于翻越平台期:机器人真正听懂了人话,也真正动了起来。

胜算解读

  1. 算力架构变化:VLA 推理对 GPU 显存与 CPU-RAM 混合调度提出新要求。胜算云推出 “机器人专线”:基于新加坡 A100 80 GB 集群 + RTC 低延迟链路,可将视觉解码与控制信号分流,减少 30 % 推理抖动。
  2. 数据闭环:动作数据昂贵,隐私与安全风险高。胜算云与 Seed 签署“数据共享-最小可用”协议,对开发者开放匿名化动作数据与高分辨率深度图 API,兼顾上手速度与合规成本。
  3. 商业模式:GR-3 开启“AI+硬件服务费”时代——机器人企业按调用量向模型侧付费。胜算云 Router 已支持 Token-Per-Trajectory 计费逻辑,开发者可按单次动作链精准核算成本。

微软 Culture AI:小语种数据集 + 巴黎圣母院数字孪生,文化保护也能烧显卡

在这里插入图片描述

在巴黎微软创新中心的发布会上,Culture AI 公布两大进展:

  • 多语语料计划——与斯特拉斯堡大学、爱沙尼亚塔尔图大学等机构共建覆盖 10 种低资源语种(如爱沙尼亚语、加泰罗尼亚语、希腊语)的 10 B token 合规语料库,首批数据将于 2026 年 Q1 经 CC-BY-SA 4.0 公开;
  • 数字孪生计划——与法国文化部、Iconem 合作,对巴黎圣母院、卢瓦尔河谷古堡群等世界遗产进行厘米级三维扫描并开放 LIDAR 点云 + 全景纹理,供研究与教育用途。(The Official Microsoft Blog, The Economic Times, technologyrecord.com)

微软副总裁 Jean-Philippe Courtois 指出,GPT-系列在部分欧盟官方语言的推断误差高出英语 37 %;要缩小差距,需要“量级更大的真实语料 + 精调工具链”。文化 AI 计划正是对“数字主权”与“文化多样性”双需求的技术回应。(The Economic Times)

胜算短评
当“语料”变成“文化资产”,构建多语大模型不只是技术升级,更是一次数字文艺复兴。

胜算解读

  1. 长尾价值:低资源语种过去缺乏商业动机,如今在合规与公共资助驱动下重获关注。胜算云将与 Microsoft Azure 共享该语料仓库,为中文开发者提供“一键跨语”微调模板。
  2. 多模态跃迁:三维点云 + 影像纹理可直接训练 4D 生成模型,为文旅、博物馆数字资产打开商业化渠道。胜算云计划上线 PointNeRF-Streaming API,开发者可在浏览器实时渲染石窟、壁画的高保真模型。
  3. 合规出海:欧盟《人工智能法案》对语料来源透明度、版权链路提出刚性要求;胜算云 Router 集成 数据水印溯源模块,自动为调用的欧系数据集添加许可证元信息,保障上线审批无忧。

国家数据局:7 大标注基地产出 29 PB 数据,163 大模型“吃饱”训练

在这里插入图片描述

在 7 月 22 日新闻发布会上,国家数据局披露:合肥、成都、泉州等 7 个数据标注基地 已累计构建 524 个 高质量多模态数据集,总规模达 29 PB,直接服务 163 个 行业内外大型模型训练;下半年还将试点“数据产业集聚区”,鼓励 “数据标注 + 高质量数据集 + 应用场景 + 市场化价值” 的闭环模式,目标把数据要素市场年产值推升至 900 亿元。(中国政府网, 新浪新闻)

据副局长余英介绍,标注基地重点攻克了 医学影像、工业瑕疵、交通 L4 仿真、合成对话 等难度高、需求大的数据类型;通过 “政府指令 + 产业联盟 + 开放基金” 混合机制,吸引 230 家 中小型标注公司入驻。业内人士将此举视作中国破解“数据荒”瓶颈、塑造全球 AI 数据定价权的关键步骤。

胜算短评
以前说“大模型离不开大算力”,现在看,“没数据,算力也白搭”;国家级标注基地补齐了最后一块短板。


胜算云 · 让 AI 创新提速 2×,算力成本减半

  • 200 ms 首响应:香港 / 新加坡边缘节点智能调度,体验媲美本地服务。
  • 百万 TPM 无惧限流:Router 熔断 + Amazon Bedrock & Anthropic 双通道动态扩容。
  • 100+ 大模型聚合调用:Claude 4 (Opus)、GPT-4o、Gemini 2.5 Pro、DeepSeek V3/R1……一键直连。
  • RMB 直充折扣:充 500 得 550 Tokens,免信用卡,低汇率波动。
  • 智能路由省 30 % 成本:Prompt 缓存 + 批量合并 + 最优通道权重,让每一次调用都物超所值。

体验胜算云 Router 的极致稳定与弹性——把全球最强 AI 模型“即插即用”进你的应用!

(本日报共 约 7,100 字,由胜算云内容团队出品。下期见!)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/90506.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/90506.shtml
英文地址,请注明出处:http://en.pswp.cn/web/90506.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【优选算法】链表

目录链表常用的技巧和操作1、常用技巧2、常用操作一、[两数相加](https://leetcode.cn/problems/add-two-numbers/description/)二、[两两交换链表中的节点](https://leetcode.cn/problems/swap-nodes-in-pairs/description/)三、[重排链表](https://leetcode.cn/problems/reor…

制造业新突破:AR 培训系统助力复杂操作轻松上手​

在制造业&#xff0c;生产设备复杂、操作流程繁琐&#xff0c;新员工掌握操作技能不易。比如汽车制造企业的发动机装配环节&#xff0c;涉及众多精密零部件安装&#xff0c;对安装顺序、位置精度要求严格&#xff0c;一点小失误都可能影响发动机性能甚至引发质量问题。过去新员…

《计算机网络》实验报告八 加密、数字签名与证书

目 录 1、实验目的 2、实验环境 3、实验内容 3.1 对称加密 3.2 散列函数 3.3 非对称加密 3.4 数字签名 3.5 证书 4、实验结果与分析 4.1 对称加密 4.2 散列函数 4.3 非对称加密 4.4 数字签名 4.5 证书 5、实验小结 5.1 问题与解决办法&#xff1a; 5.2 心得体…

MySQL(157)如何分析和优化存储过程?

分析和优化存储过程是数据库性能优化的重要环节。通过对存储过程进行分析和优化&#xff0c;可以提高数据库操作的执行效率&#xff0c;减少资源消耗&#xff0c;改善系统整体性能。以下是详细的步骤和代码示例&#xff0c;介绍如何分析和优化 MySQL 存储过程。 一、分析存储过…

基于深度学习的胸部 X 光图像肺炎分类系统(一)

本文先重点介绍了过采样的原理是实现。 由于医学数据相对缺乏&#xff0c;过采样是解决数据问题的方法之一。 后续写一篇搭建神经网络的说明 目录 概述 导入必要的库 数据加载和预处理函数 处理样本不均衡函数 构建改进的 CNN 模型函数 主函数 数据生成器generator&…

【PGCCC】在 Postgres 中构建复制安全的 LSM 树

在原生 Postgres 实现中&#xff0c;全文搜索由B 树或GIN&#xff08;广义倒排索引&#xff09;结构支持。这些索引针对相对快速的查找进行了优化&#xff0c;但受限于 B 树的写入吞吐量。 当我们构建pg_searchPostgres 搜索和分析扩展时&#xff0c;我们的优先级有所不同。为了…

架构如钟摆:在变与不变之间优雅平衡

在当今数字转型浪潮中&#xff0c;企业在“快速创新”与“长期稳定”之间反复拉扯。是否应该重建所有架构以适应AI&#xff1f;又是否该死守传统系统确保安全与合规&#xff1f;在The Open Group阿姆斯特丹峰会上&#xff0c;凯捷全球 CTO Ron Tolido 借用了一个极具画面感的比…

LLM中的位置嵌入矩阵(Position Embedding Matrix)是什么

LLM中的位置嵌入矩阵(Position Embedding Matrix)是什么 在大语言模型(LLM)中,位置嵌入矩阵(Position Embedding Matrix) 是用来表示输入序列中每个词的位置信息的矩阵。它的核心作用是:让模型能够区分“相同词在不同位置的语义差异”(比如“猫喜欢鱼”中的“猫”和“…

国产DevOps平台Gitee:如何重塑中国企业研发效能新格局

国产DevOps平台Gitee&#xff1a;如何重塑中国企业研发效能新格局 在全球数字化转型浪潮中&#xff0c;软件研发效率已成为企业竞争力的核心指标。作为中国最大的代码托管平台&#xff0c;Gitee正通过其全栈式DevOps解决方案&#xff0c;助力中国企业突破研发效能瓶颈&#xff…

告别混乱!【Java Web】项目分层架构全指南:核心三层 + 关键辅助包详解

目录 1.前言 2.正文 2.1为什么要分层 2.2核心三层详解 2.2.1Controller层&#xff08;表现层/API层&#xff09; 2.2.2Service层&#xff08;业务逻辑层&#xff09; 2.2.3DAO层&#xff08;持久层&#xff09; 2.3. 核心关系与数据流转&#xff1a;分层架构的交互逻辑…

解决Docker Compose报错

解决Docker Compose报错&#xff1a;exec ./entrypoint.sh: no such file or directory在使用Docker Compose部署应用时&#xff0c;你是否遇到过exec ./entrypoint.sh: no such file or directory这个令人头疼的错误&#xff1f;本文将深入分析错误原因并提供多种解决方案&…

【element plus】el-select,allow-create不需要点回车键

<el-selectv-model"row.expertName"filterableremoteallow-createdefault-first-optionreserve-keywordplaceholder"请输入姓名":remote-method"remoteMethod":loading"loadingName"change"(val) > handleNameChange(row, …

RK3588 HDMI-RX 驱动、RGA 加速与 OpenCV GStreamer 支持完整指南

一、环境检测与前置依赖 确认内核与 HDMI-RX 节点&#xff1a; uname -a # 输出&#xff1a;6.1.0-1025-rockchip ...dmesg | grep -i hdmirx # 应能看到 hdmirx-controller 节点&#xff1a; # fdee0000.hdmirx-controller driver probe ok!如果仅出现&#xff1a; rockchi…

AS32A601芯片QSPI 调试技术解析与与实战经验分享

一、概述&#xff08;一&#xff09;QSPI 简介QSPI&#xff08;Quad Serial Peripheral Interface&#xff09;是一种高速串行通信接口&#xff0c;在标准 SPI&#xff08;Serial Peripheral Interface&#xff09;的基础上扩展至 4 条数据线&#xff08;Quad Mode&#xff09;…

TDengine 转化函数 TO_TIMESTAMP 用户手册

TDengine TO_TIMESTAMP 函数用户使用手册 函数概述 TO_TIMESTAMP 是 TDengine 中的标量函数&#xff0c;用于将字符串按照指定格式转换为时间戳。该函数在数据导入、时间格式转换、以及处理各种时间字符串格式时非常有用。 语法 TO_TIMESTAMP(ts_str_literal, format_str_liter…

关于我司即将对商业间谍行为进行法律诉讼的通知

最后警告我司所属社交媒体中所有友商间谍&#xff1a;请于2025年7月26日上午十点前&#xff0c;自行删除我方好友&#xff0c;并停止通过欺诈行为&#xff08;包括但不限于冒充客户等&#xff09;盗取我司商业秘密的行为。十点后&#xff0c;我司将开始进行逐一排查&#xff0c…

【打怪升级 - 03】YOLO11/YOLO12/YOLOv10/YOLOv8 完全指南:从理论到代码实战,新手入门必看教程

引言&#xff1a;为什么选择 YOLO&#xff1f; 在目标检测领域&#xff0c;YOLO&#xff08;You Only Look Once&#xff09;系列模型一直以其高效性和准确性备受关注。作为新版本&#xff0c;YOLO系列的新版本总能在前辈的基础上进行了多项改进&#xff0c;包括更高的检测精度…

JMeter每次压测前清除全部以确保异常率准确(以黑马点评为例、详细图解)

目录 一、前言 二、未清除全部会出现的情况(以乐观锁解决超卖问题为例) 三、清除全部就能得到准确的结果 一、前言 在学习黑马点评之前我并没有接触过JMeter这个压测软件&#xff0c;然后在黑马点评视频中老师也是直接拿起JMeter就开始使用&#xff0c;所以我一直在不断搜索…

关于新学C++编程Visual Studio 2022开始,使用Cmake工具构建Opencv和SDK在VS里编译项目开发简介笔记

1. C 项目build文件夹 2. VS解决方案管理器Solution——.sln文件 3. CMake 自动化构建工具 4. SDK软件开发工具包作为初学者&#xff0c;从工程项目开始接触完整一套流程工具和编译&#xff0c;有助于快速上手。 一、C 项目build文件夹在 VS2022 中打开 C 项目后&#xff0c;在…

测试ppyoloe的小样本few-shot能力,10张图片精度达到69.8%

近期公司有个项目&#xff0c;需要解决长尾样本的问题&#xff0c;所以测试了一下paddlepaddle小样本的能力。 环境&#xff1a;&#xff1a;T4 、ubuntu 、cuda-11.6 、py3.9、 paddlepaddle-gpu2.6.0、pip install opencv-python4.5.5.64 -i https://pypi.tuna.tsinghua.…