

> **导语**
> 在全球算力竞赛白热化的背景下，中国本土AI芯片领域再添猛将。成立仅一年的曦望（Sunrise）凭借精准的战略定位，成功斩获30亿元巨额融资，其“避实击虚”锁定推理市场的策略，为国产GPU突围提供了一条新思路。

## 资本豪华天团的重注

在AI算力自主可控的国家战略驱动下，国产GPU初创企业曦望（Sunrise）宣布完成近30亿元人民币融资，一举创下国内AI芯片早期融资规模的新纪录。这份投资名单堪称豪华，集齐了产业资本、头部VC与国家级基金三大势力。

投资方阵容显示出市场对其的高度共识：产业端有三一集团旗下华胥基金、港股上市公司范式智能以及杭州数据集团，确保了落地场景与数据支持；市场化资本则引入了IDG资本、高榕创投等顶级机构；更关键的是，诚通混改基金等国家级资本的入局，直接为曦望的技术路径与战略地位背书。

![Google_AI_Studio_2026-01-23T02_51_47.683Z.png](https://static.downly.cn/images/8c6b26e6b2a27b02370e3955e0b7d990.png) <center>图源备注：图片由AI生成</center>

## 避开锋芒 锁定推理芯片黄金赛道

曦望之所以能迅速崛起，关键在于其务实的战略选择：不与巨头在“训练芯片”红海中硬碰硬，而是聚焦于**AI推理专用GPU**。

随着大模型从“训练热”转向“应用热”，企业对高性价比、低功耗的推理算力需求激增。曦望的GPU架构专为Transformer类模型优化，瞄准了数据中心、边缘服务器及行业AI终端市场。这种“推理优先”的策略，在训练芯片仍被国际巨头垄断的当下，反而切中了国产替代意愿最强、应用场景最丰富的“黄金赛道”。

## 三十亿弹药的主攻方向

据悉，本轮融得的30亿元资金将主要用于三大战略方向。首先是下一代推理GPU芯片的研发，重点提升FP8/INT4等低精度计算效率；其次是构建规模化量产能力，打通从设计到封测的完整供应链；最后是软件生态的共建，包括驱动、编译器及与PyTorch等主流框架的深度适配。

曦望的快速融资标志着中国AI基础设施正从“可用”迈向“好用”的新阶段。在这场关乎算力主权的竞赛中，曦望已手握充足弹药，准备在推理市场发起全力冲刺。

![Google_AI_Studio_2026-01-23T02_52_00.728Z.png](https://static.downly.cn/images/ce6e87206328d0c706d8180a558c7b3f.png) <center>图源备注：图片由AI生成</center>

国产芯片独角兽崛起：曦望获30亿元融资押注AI推理赛道



> 中国AI芯片领域迎来里程碑时刻，摩尔线程MTT S5000显卡成功适配千亿参数大模型DeepSeek V3。这一突破证明了国产硬件在FP8低精度推理技术上的成熟，标志着本土算力生态正从单纯的“可用”迈向商业化“高效”的新阶段。

## 性能实测 数据背后的硬实力

在摩尔线程与硅基流动的联合攻关下，国产GPU MTT S5000在面对DeepSeek V3 671B这一“巨无霸”模型时，交出了一份令人惊喜的答卷。实测数据显示，单卡预填充（Prefill）吞吐量突破4000 tokens/秒，解码（Decode）吞吐量超过1000 tokens/秒。

这一成绩的含金量在于，DeepSeek V3 671B是目前国内开源模型中参数规模最大、推理负载极高的代表。此前，这类任务几乎是英伟达A100或H100等高端显卡的专属领地。此次国产方案的成功跑通，且性能逼近国际主流水平，直接验证了国产硬件在处理超大参数模型时的真实战力。

![Google_AI_Studio_2026-01-22T03_07_45.201Z.png](https://static.downly.cn/images/b44441e21db2e46c2515e3ebb4e6f73d.png) <center>图源备注：图片由AI生成</center>

## 技术解码 FP8低精度的深度优化

此次性能飞跃的核心引擎，在于对FP8（8位浮点）低精度推理技术的深度挖掘。在AI推理场景中，FP8技术能够在极微小地牺牲精度的前提下，大幅提升计算吞吐量，同时显著降低显存占用与功耗。

摩尔线程团队完成了从底层驱动、算子库到推理引擎的全栈调优。这种软硬结合的优化策略，使得MTT S5000能够充分释放硬件加速潜力，有效应对大模型应用中常见的高并发、低延迟挑战。这不仅是一次硬件的胜利，更是国产基础软件栈成熟度的体现。

## 破局意义 供应链安全的备用解

对于金融、政务、能源等对数据安全和供应链稳定性有极高要求的关键行业而言，这一成果提供了一个切实可行的替代方案。它意味着高性能大模型的部署不再被强制绑定在海外高端芯片之上。

尽管在绝对峰值性能和软件生态的丰富度上，国产GPU与国际顶尖产品仍存在客观差距，但在特定高价值场景下，国产方案已具备了“好用”的竞争力。随着这种软硬件协同优化的持续深入，中国AI基础设施的自主可控能力正在加速成型。

![Google_AI_Studio_2026-01-22T03_08_02.709Z.png](https://static.downly.cn/images/4493c48a905cd24f67e66618c5a30bda.png) <center>图源备注：图片由AI生成</center>

国产算力突围 摩尔线程与DeepSeek跑通全栈推理



> 在巨头林立的 AI 云基础设施市场，初创公司 Runpod 凭借独特的“自举”模式杀出重围。从地下室挖矿起步到年度经常性收入（ARR）突破 1.2 亿美元，Runpod 证明了敏锐的嗅觉与开发者体验才是硬道理。

## 矿机转型云算力

Runpod 的起点充满了草根色彩。2021 年末，创始人 Zhen Lu 和 Pardeep Singh 在新泽西州的家中地下室挖掘以太坊。当加密货币挖矿红利消退，两人守着价值 5 万美元的显卡设备，做出了一个改变命运的决定：转型做 AI 算力托管。

作为资深开发者，他们敏锐地捕捉到了当时市场上 GPU 软件栈难用的痛点。于是，Runpod 被定位为一个强调速度、易用性和极致开发者体验的平台。这一差异化定位，让它在随后到来的生成式 AI 浪潮中抢占了先机。

![Google_AI_Studio_2026-01-19T03_07_00.240Z.png](https://static.downly.cn/images/864f5a98e2f10eccfdfe969239420298.png)
<center>图源备注：图片由AI生成</center>

## 社区营销与资本入局

在创业初期，Runpod 几乎没有任何营销预算。他们采取了最原始却最有效的策略：混迹 Reddit 社区，用免费服务器换取用户反馈。这种真诚的互动迅速积累了口碑，付费用户随之蜂拥而至。

令人称奇的是，Runpod 在早期完全依靠自有资金和营收滚动发展，在没有任何外部融资的情况下，仅用九个月就实现了 100 万美元收入。这种务实的基因，直到后来戴尔科技资本和英特尔资本注资 2000 万美元后依然得以保留。

如今，Runpod 已拥有 50 万开发者用户，客户名单中不乏 OpenAI、Perplexity 等行业顶流。它的成功故事提醒着创业者：在风口之上，除了资本的助力，对用户痛点的精准打击和极客精神，依然是通往成功的金钥匙。

拒绝VC到营收破亿 Runpod演绎地下室创业的算力突围



> 埃隆·马斯克旗下 xAI 公司正式启用超级计算机 Colossus2，其训练集群规模不仅创下全球纪录，更标志着人工智能基础设施正式迈入吉瓦（GW）级能耗时代，一场关于算力与能源的极限博弈正在展开。

## 孟菲斯的硅基巨兽

在美国孟菲斯，一座占地面积相当于 13 个足球场的设施正在昼夜不息地运转。这就是 xAI 的最新技术结晶——Colossus2。这台超级计算机专门用于驱动 Grok 聊天机器人的迭代与进化。

其硬件规格令人咋舌。项目从 2024 年夏季的 10 万块英伟达 H100 GPU 起步，在短短半年内，这一数字于 2025 年 2 月翻倍至 20 万块。这种指数级的硬件堆叠，赋予了 xAI 前所未有的模型训练速度，也让其在与 OpenAI、谷歌的竞争中拥有了重型武器。

![Google_AI_Studio_2026-01-19T03_06_00.938Z.png](https://static.downly.cn/images/d31d1c8be15922ea157f0c706e5a5cfe.png)<center>图源备注：图片由AI生成</center>

## 能源饥渴与环境博弈

极致的算力对应着极致的能耗。按照规划，Colossus2 的电力装机容量将在今年 4 月达到 1.5GW，并最终冲击 2GW 的目标。这一能耗水平已经相当于美国一座主要城市的总用电量，是名副其实的“吞电巨兽”。

为了维持这台机器的运转，xAI 部署了 150 兆瓦的特斯拉 Megapack 电池作为备用电源。然而，激进的扩张也触碰了监管红线。美国环境保护署（EPA）近期裁定，该数据中心在供电不足时违规运行了数十台天然气涡轮机，违反了当地环保法规。

这一事件折射出 AI 行业面临的普遍困境：当算力需求呈指数级增长时，现有的能源基础设施与环保法规正变得捉襟见肘。马斯克在追求技术奇点的同时，也不得不面对物理世界中最基础的能源与合规挑战。

马斯克打造算力怪兽 Colossus2开启吉瓦级AI基建时代



> 在 CES 2026 上，英伟达向韩国政府承诺，将优先供应下一代 Vera Rubin GPU 及 Blackwell 芯片。这一总计达 26 万个 GPU 的庞大供应计划，将直接支撑韩国大规模 AI 工厂的建设，以确保其在自动驾驶与机器人领域的全球竞争力。

## 抢占下一代算力高地

算力即国力。韩国科技信息通信部第二次官 Ryu Je-myung 在访问英伟达美国总部后透露，英伟达已明确承诺将提前供应 Blackwell GB300 GPU，并给予计划于 2027 年量产的 Vera Rubin 系列 GPU 优先供货权。

对于韩国而言，这是一份至关重要的战略承诺。Vera Rubin 作为继 Blackwell 之后的下一代图形处理器架构，被视为未来几年 AI 模型训练的核心引擎。能够率先获得这一战略资源，意味着韩国企业在构建大规模 AI 模型时将拥有显著的时间窗口优势。据悉，英伟达将与韩国政府及主要企业深度合作，计划供应多达 26 万个 GPU，旨在打造世界级的 AI 工厂基础设施。

![Google_AI_Studio_2026-01-14T03_38_19.724Z.png](https://static.downly.cn/images/b77368e6ae1d7568f02afad7404bd7b7.png)
 <center>图源备注：图片由AI生成</center>

## 算力匮乏将危及产业生存

Ryu Je-myung 在 CES 现场体验自动驾驶技术后发出警告，全球技术竞争已进入白热化阶段。如果没有具备竞争力的 AI 基础算力，韩国引以为傲的自动驾驶、机器人、数字医疗和智能家居等支柱产业将面临生存危机。

此次与英伟达的合作，正是韩国政府为了避免在“AI 时代”掉队而采取的激进举措。通过锁定顶级算力资源，韩国试图稳固其在全球科技产业链中的上游地位，确保在未来的数字经济博弈中保持领先。

英伟达承诺优先向韩国供应 Vera Rubin GPU 助力构建国家级 AI 算力底座



> **导语**
> 密西西比州迎来科技巨头重磅投资，xAI 宣布投入超 200 亿美元建设全新数据中心，计划于 2026 年初投运。此举不仅是马斯克在算力军备竞赛中的关键落子，更显示出生成式 AI 行业对基础设施的渴求已达白热化阶段。

## 巨额注资扩充算力版图

在生成式人工智能浪潮的推动下，基础设施建设已成为科技巨头角逐的核心战场。近日，密西西比州州长泰特・里夫斯正式确认，埃隆・马斯克旗下的人工智能初创公司 xAI 将在该州索斯黑文市进行一项规模空前的投资。该项目涉及资金超过 200 亿美元，旨在建立一座超大规模的数据中心。

这一战略举措直接对标 OpenAI 的 ChatGPT 及 Anthropic 的 Claude 等行业领军者。随着 AI 模型参数量的指数级增长，算力储备已成为决定企业生死的关键要素。xAI 的此次扩张，意在通过物理基础设施的绝对优势，缩短与竞争对手的技术差距，确保其在下一代模型训练中拥有充足的“燃料”。

![Google_AI_Studio_2026-01-10T03_49_12.524Z.png](https://static.downly.cn/images/6723e7b067dd82bdd7e9d641ed38ac33.png)
 <center>图源备注：图片由AI生成</center>

## 选址策略与能源协同

根据官方披露的时间表，这座新数据中心预计将于 2026 年 2 月正式投入运营。在选址逻辑上，马斯克展现了极强的能源战略眼光。新设施将紧邻 xAI 近期收购的一座发电厂，这种“源网荷储”一体化的布局，能够最大程度降低能源传输损耗并确保电力供应的稳定性。

此外，该中心与 xAI 位于田纳西州孟菲斯的现有数据中心在地理上形成联动。孟菲斯基地目前部署了著名的“Colossus”超级计算机集群，被誉为全球规模最大的超算集群之一。马斯克此前曾透露，随着对 MACROHARDRR 数据中心的收购完成，xAI 的总算力峰值有望达到惊人的 2 吉瓦。两大中心的地理临近，将有利于实现算力资源的低延迟调度与协同计算。

## 烧钱竞赛下的基础设施建设

彭博社数据显示，仅在 2025 年的前九个月，xAI 的现金支出就已高达 78 亿美元。这一数字直观地反映了 AI 行业当前的资本密集型特征——初创企业必须在昂贵的高端硬件（如 NVIDIA H100/Blackwell GPU）上投入巨资。

尽管具体的选址细节和投资构成尚未完全公开，但 xAI 的激进扩张策略已然清晰。面对日益增长的市场需求，单纯依靠算法优化已不足以建立护城河，拥有自主可控、规模庞大的物理基础设施，正在成为顶级 AI 玩家的入场券。

马斯克加码算力基建 xAI斥资200亿美元新建数据中心


> 最新基准测试显示，英伟达 GB200 NVL72 系统在处理混合专家（MoE）模型时，性能高达 AMD MI355X 集群的28倍，且每 token 成本仅为后者的十五分之一。这一数据不仅确立了英伟达在超大规模推理领域的绝对统治力，也揭示了“极致协同设计”在解决通信瓶颈上的关键作用。

## 极致架构 破解 MoE 模型通信瓶颈

Signal65 发布的最新 SemiAnalysis InferenceMAX 报告，针对 Deepseek-R1 0528 混合专家（MoE）模型进行了深度评测。MoE 模型的优势在于能根据任务动态激活最匹配的“专家”模块，但在大规模扩展时，节点间的通信延迟往往成为致命瓶颈。

英伟达通过 GB200 NVL72 给出了教科书般的解决方案。该系统并未单纯堆砌算力，而是采用了“极致协同设计”策略，将72颗芯片紧密互联，并配备高达 30TB 的共享内存。这种设计彻底打通了数据传输的高速公路，显著降低了延迟。测试数据显示，在相似配置下，GB200 NVL72 的每个 GPU 吞吐量高达 75 tokens/秒，性能达到 AMD MI355X 的28倍。

![Google_AI_Studio_2026-01-04T06_28_05.509Z.png](https://static.downly.cn/images/4e9b342e55d6f7185785fbd89c97eec6.png)
 <center>图源备注：图片由AI生成</center>

## 成本效益 TCO 成为云厂商的核心考量

对于超大规模云计算厂商而言，单纯的性能指标不足以决定采购意向，整体拥有成本（TCO）才是关键。Signal65 结合 Oracle 云定价模型分析指出，GB200 NVL72 在提供极高交互速率的同时，展现了惊人的成本效益。

其每 token 的相对成本仅为 AMD 方案的十五分之一。这意味着在同等预算下，企业能够获得数十倍的算力产出，或者在满足同等业务需求时大幅削减硬件开支。这种“降本增效”的双重优势，使得 GB200 NVL72 在高端推理市场几乎没有对手。

## 错位竞争 AMD 坚守稠密模型阵地

尽管在 MoE 领域遭遇重挫，AMD 并非全无机会。报告强调，AMD 的 MI355X 凭借大容量 HBM3e 内存，在稠密模型（Dense Models）环境中依然具备极强的竞争力。

目前，AMD 尚未推出能与 GB200 NVL72 正面对抗的机架级解决方案。但随着 AMD Helios 平台与英伟达 Vera Rubin 平台的对决临近，双方在机架级扩展方案上的博弈将更加激烈。对于 AMD 而言，如何突破互联带宽限制，构建类似 NVL72 的高内聚系统，将是其能否在下一代计算竞赛中翻盘的关键。

性能碾压 AMD 28倍 英伟达 GB200 NVL72 确立机架级霸权



> 埃隆·马斯克旗下 xAI 正式收购孟菲斯第三栋建筑，并将其命名为充满戏谑意味的“MACROHARDRR”。这一扩张计划旨在构建 20 亿瓦算力中心并部署百万级 GPU，意在通过基础设施的绝对优势，在与 OpenAI 和 Anthropic 的模型竞赛中实现降维打击。

## 基础设施的疯狂跃进

马斯克在 AI 领域的野心正在通过物理世界的基建扩张变为现实。近日，xAI 确认收购位于孟菲斯地区的第三栋大型建筑，旨在为下一代大模型的训练提供物理载体。马斯克将该建筑命名为“MACROHARDRR”，这种典型的马斯克式幽默被外界普遍解读为对老对手微软（Microsoft）的公开调侃。

根据工程规划，xAI 将于 2026 年启动对该仓库的现代化改造，将其转型为一座顶级数据中心。该项目将与现有的“巨像二号”超算中心形成集群效应，充分利用孟菲斯当地成熟的电力网络与能源配套设施，打造全球罕见的算力高地。

![Google_AI_Studio_2025-12-31T03_18_18.802Z.png](https://static.downly.cn/images/1090b9a2103dd96e2d133e35738b6e2b.png) <center>图源备注：图片由AI生成</center>

## 算力军备竞赛的终极目标

此次扩建并非简单的场地增加，而是 xAI 冲击技术天花板的关键一步。马斯克已设定了极具侵略性的技术指标 致力于将模型训练的算力规模拉升至 20 亿瓦级别，并计划在其超算集群中容纳至少 100 万个 GPU。

这一量级的算力储备，意味着 xAI 正试图建立起一道难以逾越的硬件护城河。在当前大模型参数量指数级增长的背景下，谁拥有更强的算力，谁就掌握了通往 AGI（通用人工智能）的入场券。虽然如此庞大的能耗引发了环保层面的担忧，但 xAI 显然已决意全速推进，誓要在与 ChatGPT 和 Claude 的三国杀中占据上风。

马斯克打造算力怪兽 xAI 收购第三栋建筑剑指 100 万颗 GPU 集群

StabilityAI推出的文本到图像生成AI

搜索结果: GPU