HyperFrame Research
PulseAugur coverage of HyperFrame Research — every cluster mentioning HyperFrame Research across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
IBM 为 AI 驱动的数据中心提供大型机灵活性
IBM 推出了其 z17 大型机和 LinuxONE 系统的全新机架式版本，旨在为面临数据中心空间和散热挑战的企业提供更大的灵活性，特别是那些由 AI 工作负载驱动的企业。这些新配置，包括成本较低的 LinuxONE Express，允许集成到标准的 19 英寸机架中，并提供即插即用的单机架设备。此举旨在帮助客户优化现有基础设施，管理不断上涨的成本，并通过增强的安全性和可用性来满足 AI 推理和生成式 AI 工作负载的需求。
-
AWS推出支持Graviton5的EC2实例，用于AI编排
Amazon Web Services (AWS) 发布了新的Graviton5驱动的EC2实例C9g和C9gd，专为AI推理、高性能计算和分析而设计。与前几代相比，这些实例提供了改进的性能、内存和I/O能力。AWS强调，虽然GPU对于训练和大规模推理至关重要，但CPU在AI编排、规划和多步工作流中变得越来越重要，并将这些新实例定位为不断发展的AI基础设施的关键组成部分。
-
Digital Realty 以 35 亿美元收购 Blackstone 数据中心，以满足 AI 需求
Digital Realty Trust 将以 35 亿美元现金加股票交易的方式，从 Blackstone 收购三处北弗吉尼亚数据中心的全部所有权。此举显著扩大了 Digital Realty 的业务范围，以满足日益增长的 AI 驱动数据中心基础设施的需求。此次收购预计将增加 Digital Realty 的收益，并凸显了规模和电力接入在当前 AI 建设中的关键作用。
-
Nvidia 凭借集成式 AI 平台引领数据中心以太网交换市场
Nvidia 已迅速崛起，成为数据中心以太网交换市场的领先供应商，在 2026 年第一季度占据了 21.5% 的市场份额。这一增长归因于 Nvidia 将网络作为其以 GPU 为中心的人工智能平台的集成组件进行销售的策略，而不是作为独立产品。这种将交换机与 DPU、互连和软件捆绑在一起的方法，正在重塑人工智能基础设施的购买方式，并迫使竞争对手采取超越单纯网络硬件的更广泛战略。
-
Vultr与HPE和英伟达合作建设AI推理数据中心
云基础设施提供商Vultr正通过与Hewlett Packard Enterprise (HPE)和Nvidia合作，大幅扩展其AI能力。此次合作专注于部署专为生产推理工作负载设计的新型AI基础设施，反映了市场从模型训练转向大规模部署的趋势。该协议包括在新的AI数据中心中使用Nvidia GB300 NVL72系统、Nvidia Spectrum-X以太网网络以及HPE液冷技术。
-
HPE 扩大量子合作以实现混合超级计算
慧与（HPE）正通过与八家量子技术公司建立新的合作伙伴关系，来扩展其量子计算计划。该公司旨在将量子处理器与其现有的超级计算机和 AI 系统集成，以创建混合计算环境。该战略涉及探索各种量子架构，并开发必要的基础设施，包括低延迟互连和先进的编排软件，以弥合经典计算与量子计算之间的差距，从而应用于未来的科学和工业领域。
-
AWS 采用随机图网络用于数据中心基础设施
Amazon Web Services 正在采用一种名为弹性图网络 (Resilient Network Graphs, RNG) 的新数据中心网络架构，为其非 GPU 基础设施放弃传统的 Clos 架构。这种新的设计采用了更扁平、准随机互连的交换机拓扑，有望在吞吐量、能效和设备数量方面实现显著改进。AWS 开发了 ShuffleBox 等专有布线系统和 Spraypoint 等路由系统，以克服此前将随机图网络限制在理论研究中的运营挑战。
-
英伟达报告创纪录收入，预示AI支出重心超越GPU
英伟达公布了2027财年第一季度创纪录的816亿美元收入，其中数据中心收入增长92%至752亿美元。该公司正在重组其报告方式，以突出GPU以外的增长，将其数据中心部门的收入分为“超大规模”和“ACIE”（AI云、工业和企业）。网络收入同比增长199%至148亿美元，表明随着AI基础设施扩展，全系统工程和光网络正成为关键组成部分。
-
Blackstone、Google 推出 50 亿美元 TPU 风险投资，提供人工智能算力即服务
Blackstone 和 Google 正在推出一项新风险投资，以提供人工智能基础设施，承诺投入 50 亿美元建设由 Google 定制张量处理单元 (TPU) 提供支持的数据中心。该计划旨在提供算力即服务，为企业提供传统云服务提供商和 NVIDIA 主导的基础设施之外的替代方案。该风险投资到 2027 年达到 500 兆瓦的巨大容量目标，标志着人工智能算力正成为一种独立的资产类别，需要大规模的工业基础设施规划。
-
Equinix 将数据主权控制嵌入网络 fabric
Equinix 正在全球范围内扩展其 Fabric Geo Zones，将数据主权控制直接嵌入其网络互连 fabric。此功能旨在防止在常规路由事件、故障转移或拥塞期间，受监管的数据跨越司法管辖区边界。此举的驱动因素是 AI 基础设施和混合多云环境日益增长的复杂性，在这些环境中，自动化路由可能会无意中违反 GDPR 和 LGPD 等数据驻留规则。
-
HPE 推出自主网络操作，从 AI 辅助转向代理驱动的操作
慧与（Hewlett Packard Enterprise）为其 Mist AI 和 Aruba 网络平台推出了“自动驾驶操作”，实现了网络问题的自动检测和解决。此举将操作模式从 AI 辅助转向完全自主、代理驱动的网络，旨在解决无线拥堵和配置错误等问题。虽然 HPE 强调自动化级别的可配置性和客户控制权，但行业分析师认为，由于信任和风险承受能力方面的担忧，企业最初将专注于风险较低的应用场景。
-
AMD 的人工智能基础设施推动数据中心收入增长 57%
AMD 第一季度数据中心收入猛增 57%，达到 58 亿美元，这主要得益于对其 EPYC CPU 和 Instinct GPU 的需求。这种增长是由人工智能基础设施支出的增加推动的，特别是用于推理和代理工作负载。该公司强调了重要的部署，包括 Meta 计划部署 6 GW 的 AMD Instinct GPU 基础设施，以及企业和主权人工智能解决方案的合作伙伴关系。
-
IBM 发布企业控制和编排人工智能操作系统
IBM 正在推出一款新的“人工智能操作系统”，旨在管理企业人工智能系统，专注于混合基础设施中的数据、代理和自动化。该战略旨在推动企业超越孤立的人工智能项目，转向将人工智能融入核心运营的集成系统。该公司强调在更靠近本地数据的地方运行人工智能，并指出了管理不同人工智能代理的挑战以及对中立编排层的需求。
-
北卡罗来纳州法案将人工智能数据中心基础设施成本转嫁给运营商
北卡罗来纳州立法者正在提议一项立法，要求大型数据中心承担其使用的电力、水和电网基础设施的全部成本。此举旨在防止负担转移到家庭和小企业，反映出监管机构正在应对人工智能驱动的需求给公用事业带来的压力。拟议的法案还规定，数据中心必须安装现场清洁发电能力，从而摆脱传统的激励模式，转向超大规模运营商的全成本回收方法。
-
AI 热潮加剧数据中心压力，突破电力和连接极限
Microsoft 的 AI 驱动云需求显著超出其交付能力，Azure 收入同比增长 123%，已签约但未交付的服务积压达到 6270 亿美元。这种需求正在给数据中心容量带来压力，尤其是在电力和冷却方面，导致部署时间延长。瓶颈已从半导体供应转移到电网到芯片的接口，电力供应现在决定着 AI 基础设施扩展的速度。
-
亚马逊承诺投资2000亿美元用于AI基础设施，转向供应驱动的数据中心建设
亚马逊计划投资约2000亿美元用于AI基础设施，包括数据中心和定制芯片，这反映了其在预期企业需求出现之前就建立产能的战略性转变。此举旨在使亚马逊云科技（AWS）在即将到来的AI工作负载浪潮中占据有利地位，这与他们早期的云扩张战略有相似之处。虽然存在一些需求信号，例如来自Anthropic等合作伙伴的承诺，但更广泛的企业AI采用仍处于早期阶段，这引发了对未来利用率的疑问。
-
AI需求激增，数十亿美元算力仍未释放
主要科技公司计划在2026年集体投入约7000亿美元用于AI基础设施建设，与往年相比大幅增长。尽管有巨额投资，但最新报告显示，企业Kubernetes集群中的GPU、CPU和内存利用率仍然出奇地低，GPU平均利用率约为5%，CPU约为8%。这种差距凸显了大规模部署AI可能面临的效率低下和准备不足的挑战，许多组织仍处于早期实验和试点阶段。