datacenter

微软强调其在昆西市的数据中心如何推动了经济增长，降低了贫困率，创造了就业机会，并资助了当地基础设施。

本文报道了全球数据中心电力使用的统计数据，突出显示美国占全球总量的43%，且各国用于数据中心的电力消耗百分比存在差异。

Arm宣布推出新的C2-Ultra CPU和G2-Ultra NX GPU IP核心，用于移动设备，以及用于数据中心的CSS N4，并包括技术改进和与之前架构的比较。

一篇新的arXiv论文探索使用强化学习，通过动态控制大语言模型训练工作负载的功率，在从单个GPU到整个集群的规模上降低AI数据中心的能耗。

评论文章，认为本地 AI 模型永远不会赢，因为它们比数据中心推理更弱、更昂贵且效率更低，原因在于批处理和 GPU 优势。

AMD 2026年第二季度财报显示，受AI需求推动，数据中心营收同比增长107%至67亿美元，而游戏营收因组件短缺和价格上涨下降了31%。总营收创纪录达到115亿美元，同比增长50%。

OpenAI宣布Project Camellia，一个位于乔治亚州埃芬汉县的大型数据中心，承诺不提高居民电价、最小化用水、提供8000万美元社区福利，并进行独立审计以确保问责。

NVIDIA宣布Vera Rubin平台，每兆瓦吞吐量比Blackwell提升10倍，并通过跨越七颗芯片和五个机架托盘的极致协同设计，为AI工厂提供最低的代币成本。

文章深度拆解了CXL技术如何打破AI内存墙，分析了从训练到推理阶段的内存瓶颈以及CXL在数据中心的应用前景。

微软2026年可持续发展报告显示，碳排放量增加了25%，主要由于数据中心扩张和AI需求，并指出可持续发展解决方案未能跟上步伐。

随着GPU短缺缓解，英伟达股价从峰值下跌15%；而内存需求激增，使得美光等公司成为新的AI瓶颈。

Miles Brundage观察到，虽然开放与封闭AI模型之间的能力差距为数月，但可在数据中心硬件上运行的模型与可在个人硬件上运行的模型之间的差距为数年，这对紧急情况和隐私用例很重要。

Benjamin De Kraker 批评人工智能公司转向提供数据中心，认为如果AI推理不盈利，那么运行这些模型的数据中心的需求也同样值得怀疑，并用了一个火车比喻。

Shawn Wang 宣布接管旧金山的一个新媒体实验室，作为工程师创作者的基地、一个制作场所和科技故事讲述者的进修学校；这个空间还附带了一个意外的数据中心机架。

SemiAnalysis 驳斥了广泛流传的关于2026年美国数据中心容量一半被延迟或取消的说法，指出这是基于不准确的模型，并用自己的数据表明预测仅略有变化。

Anthropic CEO Dario Amodei 在访谈中表示接近指数曲线末端，内部模型已能完成100%的编程任务，并预测10年内90%概率出现数据中心里的天才国家。

本文质疑大规模人工智能数据中心的可持续性，探讨其水资源和能源需求，并评估轨道数据中心及效率改进等潜在解决方案。

Nvidia推出了与Lambda合作的光子共封装光学交换机，旨在减少大型GPU集群在AI工作负载中的功耗和故障点。

xAI 越来越像一个数据中心REIT，它将算力租赁给Anthropic和Google，可能在18个月内收回数十亿美元的资本支出。这些交易凸显了持续的AI算力紧缺，并且可能具有超越纯粹商业的战略目的。

一份详细的指南，介绍如何在无物理访问或远程KVM的情况下，在数据中心机器上安装SmartOS，并使用VirtualBox创建模板ZPOOL镜像。