Crusoe
PulseAugur coverage of Crusoe — every cluster mentioning Crusoe across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
CoreWeave以高价领跑GPU云排名；Nebius提供最低H100价格 · 跟踪2个来源
对顶级GPU云服务提供商的最新比较显示，CoreWeave是一个高端选择，是唯一获得铂金评级的提供商，价格溢价10-15%。Nebius Group提供最低的NVIDIA H100 GPU价格，并且是唯一发布B300 GPU价格的提供商。Lambda提供最实惠的B200 GPU价格，而Crusoe独特地提供AMD GPU，Groq最近与NVIDIA合作。
-
2026年顶级GPU Neoclouds：CoreWeave、Nebius、Lambda、Crusoe、Groq排名
2026年GPU Neocloud提供商排名显示，CoreWeave是唯一获得铂金评级的选项，其高端NVIDIA GPU定价较高。Nebius在公布最新B300芯片的按需定价方面处于领先地位，而Lambda提供最实惠的B200费率。Crusoe的独特之处在于其定价列表中包含AMD的MI300X/MI355X，而Groq正逐步在其LPU推理云中加入NVIDIA GPU容量。
-
储能初创公司Form Energy和Antora为长时储能电池筹集13亿美元
Form Energy和Antora这两家开发长时储能解决方案的公司最近获得了大量资金以扩大生产。Form Energy使用铁基电池，筹集了7.5亿美元；而其竞争对手Antora则专注于碳基热电池，筹集了5.5亿美元。两家公司都旨在利用丰富的材料提供经济高效的储能方案，以解决太阳能和风能等可再生能源的间歇性问题，并满足数据中心日益增长的需求。
-
由于电工短缺，数据中心越来越多地采用模块化组件建造 · 跟踪了 3 个来源
SemiAnalysis 发表了一篇文章，详细介绍了数据中心建设日益模块化，并将其与乐高积木搭建进行比较。这一趋势是由严重的电工短缺驱动的，预计到 2027 年将成为结构性问题。文章探讨了哪些可以模块化，哪些不能，列出了 80 多家供应商，并跟踪了 1,000 多个站点的 60 GW 以上的模块化建设，主要参与者如 AWS 和 Meta 都采用了这种方法。
-
离网人工智能数据中心面临反对和可靠性问题 · 跟踪到1个来源
为快速扩展人工智能基础设施而建设离网数据中心面临严峻挑战。旨在通过现场发电绕过传统电网的项目遇到了当地反对、可靠性问题和监管障碍，可能导致数万亿美元的人工智能投资延迟或受损。例如，甲骨文公司在新墨西哥州的Jupiter项目因管道被拒而受阻，弗吉尼亚州的一个数据中心经历了24小时的停电，被迫依赖备用柴油发电机。
-
AI 推理初创公司 General Compute 以芯片为抵押品获得 4 亿美元贷款
AI 推理云初创公司 General Compute 已从科技投资公司 Upper90 获得 4 亿美元贷款。这笔交易值得注意，因为它据称是首笔使用推理专用芯片作为抵押品的交易，这些芯片旨在高效运行已训练的 AI 模型。此次融资凸显了市场正转向更具成本效益的 AI 基础设施，特别是针对开源模型，而不是用于模型训练的昂贵芯片。
-
Crusoe 推出无服务器微调，简化开源模型定制
Crusoe 正在通过引入无服务器微调和自助推理功能来增强其 AI 平台 Intelligence Foundry。此举旨在支持企业在不承担管理 GPU 基础设施负担的情况下定制开源模型。该公司的战略反映了市场的一种转变，即竞争正超越原始 GPU 访问，扩展到包括微调、评估、部署和推理优化在内的整个 AI 模型生命周期。
-
CPP Investments 和 EQT 承诺向 EdgeConneX 投资 24 亿美元用于 AI 数据中心
CPP Investments 和 EQT 已承诺向 EdgeConneX 投资 24 亿美元，用于开发 AI 数据中心容量。这项重大投资紧随 CPP Investments 今年早些时候的另一项重大数据中心承诺之后，并与近期养老基金和私募股权公司支持 AI 基础设施项目的趋势相符。
-
Crusoe 为 AI 基础设施融资 30 亿美元，估值 300 亿美元
据报道，Crusoe 已获得 30 亿美元融资，估值 300 亿美元，较不到一年前的上一轮 E 轮融资（估值 100 亿美元）大幅增长。合同制 AI 容量的估值大幅跃升，表明市场对专业 AI 基础设施的需求强劲。
-
德州权衡与发电厂同地部署的AI数据中心新规
德州监管机构正在评估与现有发电厂同地部署的AI数据中心的新规，特别关注Crusoe和Ensign Infrastructure的一项提议。争论的核心在于这些AI设施应承担多少紧急削减负荷的义务，以确保在需要时能够将电力重新导向电网。Crusoe和Ensign认为，它们为一个AI负载已承担的现有削减义务应足够，而监管机构和ERCOT则认为，新的扩建项目也应能够削减负荷，以维持电网的可靠性。
-
Meta 探索 AI 云租赁业务，确保算力供应
据报道，Meta 正在探索一项云服务业务，该业务将涉及出租其 AI 基础设施。这项业务将包括提供对其 AI 模型的访问权限，并可能租赁原始计算能力。该公司还据称通过与 Crusoe 的交易获得了大量的 AI 计算能力，同时增加了其资本支出指导，这表明在尖端模型训练和利用旧硬件进行推理及外部托管之间存在战略性资源重新分配。
-
Meta 计划出租 AI 计算能力，重新利用旧硬件
据报道，Meta 计划提供云计算服务，包括访问其 AI 基础设施和原始计算能力。然而，此举似乎更多是为了将其现有旧硬件变现，而不是转移对获取尖端 AI 计算的关注。该公司还签署了一项协议，从 Crusoe 处收购大量 AI 容量，并提高了全年资本支出预测，表明将继续投资于高端硬件以训练先进模型，同时将旧硬件用于推理和外部模型托管等任务。
-
人工智能支柱详解：能源需求与基础设施挑战
文章探讨了“人工智能支柱”的概念，指的是从数据中提取特征的核心神经网络架构，尤其是在计算机视觉领域中的卷积神经网络（CNN）。这个支柱对于人工智能系统处理环境数据和增强其能力至关重要。讨论还涉及人工智能的巨大能源需求，预计到本十年末，数据中心可能消耗美国20%的电力，这将给电网带来压力，并可能增加价格和排放。目前正在努力解决这些能源需求，包括开发由可再生能源供电的“下一代”数据中心。
-
Meta 从 Crusoe 获得 1.6 GW AI 算力；Anthropic 回应安全担忧
据报道，Meta 已与数据中心公司 Crusoe 达成协议，将获得约 1.6 吉瓦的 AI 算力。另据报道，Anthropic 高管会见了商务部长 Howard Lutnick，讨论了安全担忧和潜在的合作，旨在解决导致其 AI 模型 Mythos 和 Fable 受到监管审查的问题。该公司承诺就未来的安全风险加强与特朗普政府的沟通。
-
亚马逊员工因批评数据中心扩张而接受调查；西雅图实施暂停令
公开批评公司数据中心扩张并呼吁加强监管的亚马逊员工目前正面临内部调查。此前，西雅图市议会已批准一项为期一年的新大型数据中心建设暂停令，以制定更好的监管框架。与此同时，Meta 已与数据中心公司 Crusoe 达成协议，获得约 1.6 吉瓦的人工智能计算能力。
-
数据中心为满足人工智能电力需求而采用电池存储，面临成本和复杂性障碍
数据中心运营商正越来越多地将电池储能系统（BESS）整合到传统备用角色之外，旨在管理高峰需求、增强电网灵活性并支持日益增长的人工智能基础设施需求。DataBank 等公司正在部署公用事业规模的 BESS，其中一些连接到虚拟电厂，以协助公用事业公司并改善电网运营。虽然 Google 正在探索大型铁-空气电池系统，但成本、性能和系统复杂性（包括对冷却的需求）等挑战继续影响着更广泛的应用。
-
人工智能电力需求给公用事业公司带来压力，迫使采用新的规划模式
公用事业公司正努力跟上人工智能基础设施增长所驱动的投机性电力需求。American Electric Power 等公司正在实施更严格的财务要求，以筛选掉不确定的请求，从而缩小已宣布和可交付的电力需求之间的差距。这种需求激增，以及其他工业和国防项目，正迫使公用事业公司从根本上重新思考其电网的长期规划、融资和保护策略。
-
AI初创公司估值超100亿美元，营收超1亿美元
一份估值超过100亿美元且年营收运行率超过1亿美元的AI初创公司名单已被分享。该汇编包括 Mistral, ElevenLabs, Harvey 和 Perplexity 等知名公司。这些数据为了解AI行业的快速估值和增长提供了见解。
-
德州电网运营商质疑 AI 数据中心算力需求预测
德州电网运营商 ERCOT 已发出警告，其预测的巨大算力需求可能被夸大，而这种需求本应由 AI 数据中心驱动。尽管开发商因德州有利的市场条件而积极推进项目，ERCOT 仍担心这些预测需求的项目时间表和实际实现率。该电网运营商正考虑根据历史数据和其他可靠信息调整其预测，因为其他面临数据中心快速增长的美国电网运营商也出现了类似压力。
-
AI投资到2027年将达1万亿美元，推动计算需求和劳动力市场变革
到2027年，全球人工智能投资预计将达到1万亿美元，这得益于主要科技公司和新兴云服务提供商的大量资本支出。支出的激增与计算能力的不断增长的需求直接相关，特别是对于推理任务和生成式AI技术的广泛采用。尽管金融投资巨大，但从生产力提升和社会回报的角度来看，其对社会的实际投资回报仍然不确定且具有推测性，一些证据表明AI可能在某些领域（如客户服务）反而会增加劳动力需求。