发布时间:2026-03-12 阅读量:1689 来源: 发布人: suii
人工智能创业公司Thinking Machines Lab宣布,已与英伟达达成一项多年合作协议。根据协议,该公司将获得英伟达的巨额投资,并计划采购至少1吉瓦的英伟达下一代处理器。该协议的财务条款尚未披露。
根据协议,由前OpenAI首席技术官Mira Murati于2025年创立的Thinking Machines将从2027年初开始部署英伟达即将推出的Vera Rubin系统。这些计算能力将主要用于训练该公司的AI模型。
业内高管表示,1吉瓦的计算能力(足以满足约75万美国家庭的用电需求)价值约500亿美元。
这项协议将帮助Thinking Machines在构建强大的AI系统方面与规模更大的对手展开竞争,并凸显了整个行业对扩展计算能力的迫切需求。
Thinking Machines在Andreessen Horowitz领投的种子轮融资中筹集约20亿美元,公司估值达到120亿美元,迅速成为硅谷最受关注的AI初创公司之一。英伟达也是该轮融资的投资者之一。
据报道,这家初创公司最近正在寻求新一轮融资,估值可能达到数百亿美元。
Thinking Machines近期有多位高管离职,包括联合创始人兼前首席技术官Barret Zoph和联合创始人Luke Metz,两人在AI人才竞争激烈的环境下重返老东家OpenAI。
此次合作进一步凸显了英伟达作为为依赖其AI芯片的初创企业提供资金支持的机构这一日益重要的角色。
近期,英伟达向OpenAI投资300亿美元,向Anthropic投资100亿美元,并向其提供用于模型训练与运行的图形处理器(GPU)。部分行业分析师指出,这种模式创造了资本与计算资源的循环流动,从而引发外界将其与上世纪90年代末的科技泡沫进行比较。
在英伟达GPU与CUDA生态长期主导AI训练与科学仿真的背景下,国产LineShine(灵晟)纯CPU超算以2.198 EFlops持续双精度性能登顶TOP500,印证了“矩阵增强型CPU”正在重构HPC底层硬件标准。 近日,Jack Dongarra、Satoshi Matsuoka、Torsten Hoefler三位HPC权威联合发表《Do We Still Need GPUs? Rethinking AI and Scientific Computing on Matrix-Enhanced CPUs》,系统拆解了无GPU同构超算的四层技术体系:处理器指令集硬件加速、统一HBM高带宽内存架构、全精度混合运算单元、原生高速互联网络。
回顾AI今年的发展轨迹,我们能察觉到一种质的变化:AI不再只是被展示、被调用的“展品”,而是拥有了更明确的“行动感”。从代码编写到机器人奔跑,从算力基建到未来接口,行业正集体从“回答问题”走向“完成任务”。 我们试图透过五个数字,捕捉这一轮产业变革中的关键切片。
展会大数据公布!2027.7.7-9,上海见。
全球知名半导体制造商ROHM近日宣布,面向车载安全功能和保护电路开发出100V耐压MOSFET新品“RS4P063BPHZG”
2026 WAIC落下帷幕,国内AI算力产业的共识正发生清晰转向:单点参数竞赛逐渐退潮,超节点集群、全产业链自主可控与底层架构原始创新成为核心主线。在此背景下,首次参展的东方算芯凭借“高能效软件定义近存计算芯片DF1000”斩获大会最高荣誉SAIL奖。这座奖杯背后,指向了一条不依赖先进制程与既有生态的突围之路。