{"source":{"id":"2094809478357033349","title":"AI 算力狂飙的真正天花板，从来不是芯片。 是电力。 马斯克在二十国集团（G20）对谈中挑明了这个危机。 行业分析师达成…","url":"https://mubeitech.com/p/2094809478357033349"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2093820206074261626","account":"mubei","brand":"@mubei","title":"芯片造出来了，却通不上电。 马斯克披露了一个行业共识数据。 2027年造出来的AI算力，大约有15吉瓦当年根本无法开机。…","summary":"芯片造出来了，却通不上电。 马斯克披露了一个行业共识数据。 2027年造出来的AI算力，大约有15吉瓦当年根本无法开机。 15吉瓦是什么概念？ 相当于十几座大型核电反应堆的发电总和。 芯片日夜赶工造出来了。 结果电网根本接不进去。 AI竞争的真正瓶颈彻底变了。 以前大家在抢芯片、…","body":"芯片造出来了，却通不上电。\n马斯克披露了一个行业共识数据。\n2027年造出来的AI算力，大约有15吉瓦当年根本无法开机。\n\n15吉瓦是什么概念？\n相当于十几座大型核电反应堆的发电总和。\n芯片日夜赶工造出来了。\n结果电网根本接不进去。\n\nAI竞争的真正瓶颈彻底变了。\n以前大家在抢芯片、抢先进制程。\n现在的硬约束，直接撞上了最传统的基建：电力。\n\n找地方搭机房不难。\n难的是去哪里凭空接入这么庞大的稳定电力。\n高压变压器要排队，电网审批要排期，发电厂扩建得以年为单位算。\n\n算力进化是以月计算的。\n电网基建是以十年计算的。\n造得出芯片却通不上电，算力就只是一堆昂贵的硅片。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2093836265107951828","translated_status_id":"2093836265107951828","published_at":"2026-08-29 22:01:04","created_at":"2026-08-29T23:56:53+02:00","url":"https://mubeitech.com/p/2093820206074261626","markdown_url":"https://mubeitech.com/p/2093820206074261626/markdown"},{"rank":2,"id":"raw_4d3d95dcad8e466a","account":"mubei","brand":"@mubei","title":"所有人都在盯着 3 纳米、2 纳米的光刻机和芯片禁运。 媒体每天都在争论谁造出了算力最强的新一代芯片。 但决定下一阶段…","summary":"所有人都在盯着 3 纳米、2 纳米的光刻机和芯片禁运。 媒体每天都在争论谁造出了算力最强的新一代芯片。 但决定下一阶段 AI 竞赛胜负的，可能根本不在晶圆厂里。 而在变电站的开关上。 纳米很重要。 但吉瓦正在变得更致命。 买下一万张顶配芯片，插上电就能立刻运转吗？ 如果电网连不上…","body":"所有人都在盯着 3 纳米、2 纳米的光刻机和芯片禁运。\n媒体每天都在争论谁造出了算力最强的新一代芯片。\n但决定下一阶段 AI 竞赛胜负的，可能根本不在晶圆厂里。\n而在变电站的开关上。\n纳米很重要。\n但吉瓦正在变得更致命。\n买下一万张顶配芯片，插上电就能立刻运转吗？\n如果电网连不上，再先进的芯片，也只是一堆通不上电的冷硅片。\n这台卡住整个产业的物理机器，叫基础设施耦合时滞。\n经济史学家保罗·大卫（Paul David）在 1990 年写过一篇经典论文。\n题目叫《发电机与计算机》。\n1880 年代，高效电动机就已经发明出来了。\n可在此后整整四十年里，全美工厂的生产率几乎没有任何跃升。\n为什么？\n因为光有更快的电动机没用。\n工厂必须把沿用百年的蒸汽动力主轴彻底拆掉。\n重新围绕分布式电网改造车间、流程和制度。\n从一项突破性技术诞生，到它真正嵌入整个文明的生产体系。\n中间隔着一整个基础设施的重构周期。\n今天的 AI 正在撞上同一堵高墙。\n芯片制程每十八个月就迭代一代。\n而变电站、高压输电线路和发电厂的建设，是以五年甚至十年为周期计算的。\n看看劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）公布的最新排队数据。\n全美正在排队申请接入电网的发电与储能项目，总容量已经超过 2061 吉瓦（GW）。\n一个项目从递交并网申请到真正通电投产。\n平均等待时间已经从 2008 年的 22 个月，一路飙升到 2025 年的 61 个月。\n整整五年零一个月。\n在 2000 年到 2020 年间递交申请的所有项目中，到 2025 年底真正通电落地的，只有区区 13%。\n麦肯锡预测，到 2030 年，仅美国数据中心的电力需求就要从 30 吉瓦暴涨到 90 吉瓦以上。\n国际能源署测算，全球数据中心的用电量将从 2024 年的 415 太瓦时翻倍到 945 太瓦时。\n一边是算力需求的垂直起飞。\n一边是审批流程与电网扩容的漫长泥潭。\n北京正是看准了这道物理缝隙。\n宣布投入约 2 万亿人民币建设全国算力一张网。\n试图靠自上而下的行政指令调配电网，在芯片受限的情况下抢先完成基建铺设。\n但行政指令能凭空造出生产力吗？\n算力不是水泥和沥青。\n如果没有前沿的模型突破、没有自由竞争的市场生态、没有真实的商业应用落地。\n强行堆出来的兆瓦数，只会变成空置机房和昂贵的电力黑洞。\n光刻机划定了单点技术的上限。\n电网容量与制度摩擦，决定了技术落地的广度。\n当所有人还在为几张芯片的出口管制争论不休时。\n真正决定未来走向的较量，早就在审批窗口与电网变电站前打响了。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2095985226887381500","translated_status_id":"2095985226887381500","published_at":"2026-09-04 22:54:42","created_at":"2026-09-04T22:54:42.022435","url":"https://mubeitech.com/p/raw_4d3d95dcad8e466a","markdown_url":"https://mubeitech.com/p/raw_4d3d95dcad8e466a/markdown"},{"rank":3,"id":"17148736","account":"mubei","brand":"@mubei","title":"全硅谷都在疯抢英伟达的算力芯片。 但巴菲特的接班人格雷格·阿贝尔，盯上的是另一张底牌。 AI 繁荣的终极物理瓶颈，根本不…","summary":"全硅谷都在疯抢英伟达的算力芯片。 但巴菲特的接班人格雷格·阿贝尔，盯上的是另一张底牌。 AI 繁荣的终极物理瓶颈，根本不是算法，也不是算力。 是电。 建一座顶级的 AI 数据中心，最缺的是什么？ 不是买芯片的钱。 而是向电网接入几百兆瓦稳定负荷的能力。 算力跑得再快，电网供不上，…","body":"全硅谷都在疯抢英伟达的算力芯片。\n但巴菲特的接班人格雷格·阿贝尔，盯上的是另一张底牌。\nAI 繁荣的终极物理瓶颈，根本不是算法，也不是算力。\n是电。\n\n建一座顶级的 AI 数据中心，最缺的是什么？\n不是买芯片的钱。\n而是向电网接入几百兆瓦稳定负荷的能力。\n算力跑得再快，电网供不上，上万张芯片就是一堆通不了电的废铁。\n\n阿贝尔执掌伯克希尔旗下能源业务多年，手里压着庞大的电网和发电资产。\n硅谷巨头要让下一代模型跑起来，最后都得排队去找能源公用事业公司敲门。\n这是重资产的物理基础设施卡位。\n\n华尔街还在盯着芯片的交付周期。\n老派资本巨头已经把战壕挖到了变电站和高压输电线上。\n谁掌握了稳定的电力供应，谁就掐住了整个算力扩张的命门。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2097113432516391175","translated_status_id":"2097113432516391175","published_at":"2026-09-07 21:19:33","created_at":"2026-09-07T22:50:23+02:00","url":"https://mubeitech.com/p/17148736","markdown_url":"https://mubeitech.com/p/17148736/markdown"},{"rank":4,"id":"raw_b364f5abdb4c66e1","account":"mubei","brand":"@mubei","title":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？ 是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？ 换作任…","summary":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？ 是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？ 换作任何一个芯片工程师，答案大概都在这几样里。 但在高盛的技术大会上，黄仁勋讲了一句让在场投资人全部愣住的话。 他说：英伟达现在正在全球范围内，监控每一座变电站、每一…","body":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？\n是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？\n换作任何一个芯片工程师，答案大概都在这几样里。\n但在高盛的技术大会上，黄仁勋讲了一句让在场投资人全部愣住的话。\n他说：英伟达现在正在全球范围内，监控每一座变电站、每一片土地，以及每一座空壳机房。\n原话甚至更夸张：\n我们监控着地球上的每一个吉瓦，我们清楚每一处资源在哪里。\n\n一个卖显卡的半导体公司，怎么突然干起全球电网抄表员的活了？\n很多人的第一反应是：这老头是不是又在给资本市场吹泡泡？\n还真不是。\n因为眼下的 AI 算力军备竞赛，撞上了一堵极其冰冷、不可逾越的物理硬墙。\n\n过去两年，科技圈所有人都在盯着台积电的产能。\n大家天天查先进封装的配额够不够，高带宽内存的良率高不高。\n科技巨头们觉得，只要英伟达把芯片造出来，大模型就能无限扩张下去。\n但真正冲在最前线、替微软、谷歌、甲骨文建数据中心的开发者，现在最恐惧的早就不是芯片缺货了。\nThe Information 的记者菲比·刘在独家报道里，点出了一个让整个行业直冒冷汗的词：\n无电可用的芯片过剩。\n\n什么叫无电可用的芯片过剩？\n算力订单还在疯狂暴涨，各大公司的支票还在一张接一张地开。\n但买回来的显卡，很可能连电闸都拉不开。\n\n这背后是一场极其荒诞的时间尺度撕裂。\n台积电造一批顶尖 GPU 芯片，需要多久？\n几个月。\n工程队去平整土地、搭好一座现代数据中心的水泥外壳，需要多久？\n一年到一年半。\n但是，你要去找当地的公共电力公司，申请接入高压输电网，需要多久？\n在美国几大主要电网区域，并网排队的平均等待时间，是整整五到七年。\n\n更要命的是变电站的核心硬件：大型高压变压器。\n这玩意儿不是消费电子，不是多雇几个工人就能三班倒赶工出来的。\n造一台大型变电站变压器，需要高等级的取向硅钢，需要极其重型的卷铁芯设备，全球产能极度紧张。\n行业数据显示，现在一台大变压器的标准交付周期，已经排到了 128 周以上。\n也就是整整两年半，稍大一点的规格甚至要等三四年。\n\n两套完全不同维度的时钟，在这个节点上迎面撞毁了。\n一边是十八个月翻倍的摩尔定律，一边是五年起步的重工业电网改造。\n假设你是一家算力开发商，手里拿着上百亿资金，咬牙订了五万张顶级显卡。\n半年后，大卡车把密密麻麻的服务器机架送到了你的机房门口。\n结果当地电力局发来一封公函：\n扩容申请原则上批准，但新变电站正式通电预计要等到 2029 年。\n\n这时候会发生什么？\n芯片不是黄金，它是有技术半衰期的。\n显卡在技术上的黄金寿命，通常只有两到三年。\n三年之后，下一代新架构一出来，老芯片的计算效率直接腰斩。\n这意味着，那批总价上百亿的精密硅片，一次机都没开过，甚至还没通电发过热，就只能躺在库房的木头托盘上，每天以几十万美元的速度折旧贬值。\n在产业经济学里，这叫资产搁浅。\n\n如果买回来的卡只能在仓库里落灰，下一个季度谁还敢给英伟达下订单？\n那些向华尔街承诺无限增长的云巨头，现金流会当场被这批死资产卡死。\n\n黄仁勋看明白了这层致命危机。\n他知道，如果英伟达还像传统硬件厂商那样，只管把芯片卖出去、收钱走人，自己的增长曲线迟早要撞死在电网审批上。\n于是，英伟达在过去一年里，把自己的角色做了一次极其激进的重构：\n它直接跨过戴尔、超微这些服务器代工厂，把商业模式从单纯卖芯片，硬生生变成了一座全球电力与机房的超级清算所。\n\n它是怎么调度的？\n简单来说，就是把分配芯片的逻辑，从看谁钱多，改成了看谁先通电。\n黄仁勋要求生态圈里的所有伙伴：\n不管你是微软、甲骨文这样的超级巨头，还是 CoreWeave 这样的新兴算力云，或者是给他们组装服务器的代工厂。\n谁想拿到最新架构的算力配额，谁就必须把底层基建的家底彻底交代清楚。\n你的机房地皮在哪个州？\n你的水泥外壳封顶了没有？\n当地供电局批了多少兆瓦的负荷？\n变压器哪个月进场？哪一天正式合闸通电？\n\n英伟达拿到了这套全球独一无二的产业情报网。\n他们把全球每一个吉瓦的土地、机房和电力批文，实时标注在一张超级地图上。\n给谁供货、不给谁供货，全看你的通电时间表。\n你的机房下个月并网，芯片下个月直接从工厂送到你门口，开箱即点亮。\n你的电力审批还在排队？对不起，你的订单往后顺延，配额先让给通电更快的客户。\n通过这种对互补品资源的绝对摸底，英伟达硬生生把可能砸在库房里的天量存货，在物理世界上给熨平了。\n\n除了在外面找电，英伟达还在机房内部动起了手术。\n因为单台机柜的吃电速度，也已经把物理学逼到了极限。\n比如最新的 GB200 NVL72 机架，单机柜运行功耗直接冲上了 120 到 132 千瓦。\n这是个什么概念？\n一个普通三口之家的生活用电，峰值功率也就几千瓦。\n一台机柜的耗电量，相当于把上百个家庭的全部电器，压缩在一个两米高的大铁柜里。\n过去传统的风冷散热彻底失效了。\n如果还用风扇去吹，吹出来的热风足以把机房变成烤箱，单是空调电费就能把运营方吃破产。\n所以英伟达强制推行全液冷，用液体导管直接贴死芯片吸热。\n\n更绝的是电源架构的重造。\n机房外部送来的是几千伏的高压交流电，过去机柜内部普遍采用 48 伏甚至 12 伏直流电供电。\n物理学常识告诉我们：在功率固定的情况下，电压越低，电流就越大；而导线发热损耗，与电流的平方成正比。\n在 130 千瓦的恐怖功率下，如果继续跑低压直流，机柜背面的铜电缆得做得像人的大腿一样粗，大量的电能直接变成无用的废热。\n英伟达联合生态直接推行 800 伏高压直流架构。\n电压拉高十几倍，电流瞬间缩小，不仅甩掉了几百公斤昂贵的铜线，还省掉了多次交直流转换的能量损耗。\n\n他们甚至还在跟加州的公用事业电力公司合作，让数据中心变成电网的柔性负荷。\n居民白天开空调、电网负荷吃紧的时候，算法自动降低大模型训练的运行功率；\n等到深夜大家入睡、电网有多余负荷的时候，机房再全力拉满功率狂飙。\n\n当一项颠覆性技术跑得太快的时候，最先被扯住后腿的，从来不是最前沿的科学。\n卡住整个数字世界的，恰恰是那些人类用了一百年的重工基建。\n大家都在谈论超级智能的诞生，谈论数字世界的无限可能。\n但走到最后，决定这场革命推进速度的，依然是荒野上那一根根高压输电线、变电站里那个傻大黑粗的变压器，以及现实物理世界对能量守恒的冷酷裁决。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2101801886315622587","translated_status_id":"2101801886315622587","published_at":"2026-09-20 23:47:41","created_at":"2026-09-20T23:47:41.141328","url":"https://mubeitech.com/p/raw_b364f5abdb4c66e1","markdown_url":"https://mubeitech.com/p/raw_b364f5abdb4c66e1/markdown"},{"rank":5,"id":"2076433176906682449","account":"mubei","brand":"@mubei","title":"AI 竞赛真正的计分牌，不是模型跑分，是电力、机房和钱。 摩根士丹利的估算里，谷歌、亚马逊、微软、Meta 四家公司，2…","summary":"AI 竞赛真正的计分牌，不是模型跑分，是电力、机房和钱。 摩根士丹利的估算里，谷歌、亚马逊、微软、Meta 四家公司，2027 年合计资本开支可能冲到 1.018 万亿美元。 注意，是一年。 2024 年，这个数字还是 2500 亿美元。 2025 年预计 4130 亿美元。 2…","body":"AI 竞赛真正的计分牌，不是模型跑分，是电力、机房和钱。\n\n摩根士丹利的估算里，谷歌、亚马逊、微软、Meta 四家公司，2027 年合计资本开支可能冲到 1.018 万亿美元。\n\n注意，是一年。\n\n2024 年，这个数字还是 2500 亿美元。\n2025 年预计 4130 亿美元。\n2026 年预计 7370 亿美元。\n到 2027 年，直接越过 1 万亿美元。\n\n三年多时间，翻了 4 倍。\n这已经不像互联网公司扩张。\n更像一次重工业动员。\n\n拆开看更吓人。\n2027 年，亚马逊预计 2680 亿美元。\n微软 2760 亿美元。\n谷歌 2990 亿美元。\nMeta 1740 亿美元。\n\n四家公司一年烧掉的钱，接近一个中等大国的全年经济体量。\n而且这还不是为了多做几个 App。\n这是在买芯片、建数据中心、抢电力、铺 AI 时代的基础设施。\n\n另一个数字更直观。\n摩根士丹利估算，超大云厂商新增算力容量，2025 年约 6.7 吉瓦。\n2026 年升到 13.7 吉瓦。\n2027 年可能到 19.5 吉瓦。\n\n吉瓦是什么概念？\n这已经不是办公室插几排服务器。\n这是把 AI 当成电力工业来打。\n\n其中谷歌在 2027 年新增容量预计最高，约 6.8 吉瓦。\n亚马逊约 4.7 吉瓦。\n微软约 4.7 吉瓦。\nMeta 约 3.4 吉瓦。\n\n这也解释了为什么今天的 AI 竞争越来越不像软件竞争。\n模型当然重要。\n算法当然重要。\n但真正把差距拉开的，是谁能持续拿到电、土地、服务器、芯片、工程队和资本市场的信任。\n\n过去互联网的门槛，是流量。\n移动互联网的门槛，是入口。\nAI 时代的门槛，正在变成一座座数据中心和一张张电网接入许可。\n\n所以别只盯着谁发布了新模型。\n真正的战争在地下管线、变电站、机房钢架和资本开支表里。\n\nAI 最终拼的不是谁口号更大。\n是现代工业体系，能不能把钱、电和算力，连续几年压到同一个方向上。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2076553447848005810","translated_status_id":"2076553447848005810","published_at":"2026-07-13 06:06:05","created_at":"2026-07-13T08:01:24+02:00","url":"https://mubeitech.com/p/2076433176906682449","markdown_url":"https://mubeitech.com/p/2076433176906682449/markdown"},{"rank":6,"id":"raw_2c1f8fabbc51352c","account":"mubei","brand":"@mubei","title":"来看一组刚在 All-In 峰会上公开的数据。 光 Google 一家公司，一个月就要处理大约 3.2 万亿亿个 tok…","summary":"来看一组刚在 All-In 峰会上公开的数据。 光 Google 一家公司，一个月就要处理大约 3.2 万亿亿个 token。 如果按每个 token 消耗 10 焦耳能量计算，这已经算是极省电的模型了。 把这个数字乘出来，Google 光是跑 AI，就需要 12 吉瓦的持续供电…","body":"来看一组刚在 All-In 峰会上公开的数据。\n光 Google 一家公司，一个月就要处理大约 3.2 万亿亿个 token。\n如果按每个 token 消耗 10 焦耳能量计算，这已经算是极省电的模型了。\n把这个数字乘出来，Google 光是跑 AI，就需要 12 吉瓦的持续供电。\n\n12 吉瓦是什么概念？\n全美国所有数据中心的总用电容量，加起来也就 40 吉瓦出头。\n一家公司的 AI 业务，直接吞掉全美近三分之一的数据中心电力。\n现在去建数据中心，最值钱的早就不再是地皮或者机架。\n哪怕用户只是在对话框里敲下一句话，成本里整整 50% 纯粹是在交电费。\n照这个速度跑下去，业内估计最多三年，现有的电网就会被活活吸干。\n\n这时候悲观派跑出来喊了：\nAI 的扩张必然撞上物理电网的硬墙，我们很快就要无电可用了。\n\n真的吗？\n大自然可不这么认为。\n人类的大脑能写诗、能推理、能做复杂的科学研究。\n它满负荷运转需要多少功率？\n20 瓦。\n一盏普通床头灯的电量。\n\n动物就更离谱了。\n一只猴子的大脑功率大约 1 瓦，跟你兜里的智能手机差不多。\n一只松鼠在树枝之间闪转腾挪，跳一千次能准准落上一千次。\n控制这种精密身体动作的松鼠大脑，功率只有 8 毫瓦。\n把你手机里的电量分一分，足够同时驱动一百多只松鼠的大脑。\n\n一边是 20 瓦就能运转的人类智慧；\n一边是跑几个模型就恨不得吃掉几座核电站的数据中心。\n为什么差距能大到十个数量级？\n\n曾经创办过全球第一家 AI 芯片公司、后来又去读了神经科学博士的纳芬·拉奥（Naveen Rao），在峰会上把账算了一遍。\n从 1945 年第一台电子计算机 ENIAC 诞生开始，我们造计算机的方法就彻底搞错了。\n\n当年美军造 ENIAC，唯一的目的是为了快速计算火炮的弹道轨迹。\n设计者唯一关心的，就是它能不能比人工计算更快。\n至于耗多少电，当年根本没人考虑。\n于是约翰·冯·诺依曼定下了那套经典图纸：\n一边是负责计算的处理器，一边是负责存数据的内存，两边通过总线相连。\n这套存算分离的冯·诺依曼架构，统治了人类科技整整八十年。\n\n可这套架构跑别的东西还行，拿来跑现代 AI，简直就是一场灾难。\n在芯片内部，做一次微小的数学乘加，消耗的能量极其微弱。\n真正吃电的大老虎，是在处理器和内存之间来回搬运数据。\n现代 GPU 跑大模型，80% 以上的电量根本没有花在思考上。\n全是在导线上疯狂倒腾比特，白白把能量散成了废热。\n\n看一组对比就知道有多夸张：\n人类大脑皮层有 140 亿个神经元，每秒钟在神经元之间传递的信息，只有大约 160 亿个比特。\n而一块顶级的现代 GPU，每秒钟光是在芯片和内存之间搬运的数据，就高达近 30 万亿比特。\n导线里的电子在疯狂奔跑，能不把变电站给烧穿吗？\n\n那大自然的大脑又是怎么算的？\n脑子里可没有浮点数，也没有矩阵乘法。\n神经元本身既在存信息，又在做计算，完全没有内存总线这种中间商。\n大自然是用物理规律本身在做计算。\n\n拉奥的团队决定彻底掀桌子，造一台真正的物理动力学计算机。\n他们把这套逻辑做成了一个非常精巧的硅基系统。\n怎么理解这种机器？\n想象一下，把几个机械节拍器放在一块可以自由滑动的木板上。\n刚开始把它们拨动起来，每个摆锤晃动的节奏完全不一样，各摆各的。\n但因为它们都立在同一块木板上，每一次摆动都会给木板施加微弱的推力。\n不需要任何外力干涉，只要几十秒，所有节拍器就会全部步调一致，锁定在同一个相位里。\n\n这就是物理系统天然具备的耦合约振特性。\n它们不靠任何算法代码，光靠物理相互作用，自己就能找到系统的稳态。\n拉奥团队造出的芯片，就是由密集排列的硅基微型振荡器构成的网络。\n输入进去的数据不再是二进制的 0 和 1。\n数据变成了连续的波形。\n让电信号在振荡器网络里自发振荡、耦合、干涉。\n物理系统最终沉淀下来的相位状态，就是计算出来的答案。\n\n每一个振荡元件自身就是存储单元，彻底砍掉了外部内存接口。\n再加上三维晶圆堆叠技术与时间维度的连续演化，他们把这套架构称为四维计算。\n连矩阵乘法这个基础概念，在硬件底层都不存在了。\n\n听起来像科幻小说？\n今年 6 月 1 日，第一批芯片设计被送进晶圆厂。\n现在实物芯片已经回到了实验室，并且成功生成了第一批图像。\n实测功耗数据让整个行业为之一震：\n用这块芯片生成一张图片，只需要大约 500 纳焦耳的能量。\n传统顶级 GPU 跑同样的生成任务，耗能是在毫焦耳级别。\n纳焦耳是十亿分之一焦耳，毫焦耳是千分之一焦耳。\n能耗直接被砍掉了几千倍。\n\n如果算力的能耗门槛真能暴跌上千倍，未来的数据中心是不是就能少建了？\n历史给出的答案恰恰相反。\n早在 1865 年，英国经济学家杰文斯就记录过一个反直觉的现象：\n当瓦特改良了蒸汽机、让煤炭利用效率大幅飙升之后，英国的煤炭消耗量不仅没有减少，反而迎来了暴增。\n因为当核心资源的成本暴跌，全社会的需求会被指数级释放。\n这就是著名的杰文斯悖论。\n\n一旦能耗这堵高墙被物理动力学计算推倒，算力就会从昂贵的集中式变电站里解放出来。\n未来的 AI 不会把地球电网吸干。\n它们会像松鼠的大脑一样轻巧，钻进几十亿台机器人、传感器和便携设备里。\n这场看似窒息的能源危机，更像是大自然给出的一个提醒：\n八十年前那张给算盘提速的旧图纸，早就该翻篇了。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2102314307631333801","translated_status_id":"2102314307631333801","published_at":"2026-09-22 10:19:34","created_at":"2026-09-22T10:19:34.238314","url":"https://mubeitech.com/p/raw_2c1f8fabbc51352c","markdown_url":"https://mubeitech.com/p/raw_2c1f8fabbc51352c/markdown"}]}