Artificial Analysis重做智能榜：40%权重改用私有测试
相关推荐
AI基建投资年均占美国GDP的3.6%，表外融资暗藏1.4万亿美元债务风险
动察 Beating AI 快讯，据布鲁金斯学会最新研究，2025 年至 2032 年，美国 AI 数据中心建设投资总额预计将达到 10.3 万亿美元，年均投资约占美国 GDP 的 3.63%，约为 19 世纪铁路建设高峰期的 1.6 倍、互联网及光纤建设热潮的 3 倍以上。 哥伦比亚大学商学院教授 Stijn Van Nieuwerburgh 指出，AI 基础设施投资规模空前，Meta、Microsoft 等科技巨头的资本开支已超过经营活动现金流，越来越多项目转向租赁、合资企业、特殊目的载体及私人信贷融资，部分债务因此未直接体现在科技公司的资产负债表中。 以 Meta 的 Hyperion 数据中心项目为例，约 300 亿美元的项目资产对应 270 亿美元债务，项目层面债务与资产比率达到 90%。Van Nieuwerburgh 估计，相关融资结构已发行约 1.4 万亿美元债务，其中约 7000 亿至 8000 亿美元由银行持有。 他警告，若 AI 需求、收入或项目进度不及预期，高杠杆项目可能面临股权价值归零甚至债权受损的风险，并通过银行、保险公司及私人信贷机构向金融体系传导。不过，他强调，目前尚不能据此认定 AI 已形成泡沫，现阶段也缺乏衡量相关风险在金融体系中分布情况的完整框架。 Van Nieuwerburgh 建议加强表外债务及或有负债披露，追踪项目资产所有权、债务承担方、租约与担保责任，以提高融资透明度。他认为，监管重点不应是阻止 AI 投资，而是识别潜在风险集中，避免 AI 投资热潮在下行周期中演变为系统性金融风险。
SemiAnalysis：字节占中国近1/5数据中心容量，几乎全靠租
动察 Beating AI 快讯，半导体研究机构 SemiAnalysis 发布中国数据中心调查，逐一追踪了 60 多家运营商的 1000 多座设施。报告估算，到 2026 年底，中国数据中心容量将超过 24GW，全球仅次于美国的 56GW。字节跳动一家就占约五分之一，是国内最大的数据中心租户。 字节跳动已租用超过 4GW 的数据中心容量，供应商包括秦淮数据、中联数据和世纪互联等。报告称，截至 2026 年初，字节跳动仍贡献秦淮数据约 90% 的营收。字节也开始加快自建，在山西、安徽和内蒙古建设大型数据中心，减少对外部供应商的依赖。 中国数据中心虽然长期被认为空置率偏高，但 AI 机房仍然供不应求。原因是大量旧机房的供电和散热能力不足，难以直接部署高功耗 AI 服务器。新建的大型 AI 数据中心则在快速被租满。 以 100MW 数据中心为例，不含服务器等 IT 设备，中国的建设成本约 3 亿美元，美国约 15 亿美元。中国同规模设施通常约 12 个月就能交付。相比美国面临的供电和审批难题，中国扩建 AI 数据中心更突出的瓶颈是先进芯片供应。
特朗普谈AI名字：“超级智能”（Super Intelligence）更贴切
PANews 9月26日消息，美国总统特朗普表示，“超级智能”（Super Intelligence），这个名字更贴切。这个名字之所以更准确，是因为“Artificial”一词往往暗示着“虚假”或“非真实”；但它（AI）并非虚假之物，而是一种极其强大的智能。
SemiAnalysis拆解AI推理：内存带宽比容量更重要，调度层成关键
动察 Beating AI 快讯，研究机构 SemiAnalysis 发布报告，系统拆解大模型推理服务的底层架构。报告认为，随着 MoE 模型成为主流，AI 推理已从单一计算任务演变为由预填充（Prefill）、中间填充（Midfill）、解码注意力（Decode Attention）和解码专家（Decode Experts）组成的复杂流水线，不同阶段对算力、内存带宽和网络的需求存在明显差异。 在多数推理场景下，内存带宽比容量更具经济价值。高带宽内存可提升 Token 生成效率，而闲置的 HBM 只会增加成本。SemiAnalysis 预计，2027 年单个流水线阶段可能需要约 400 至 500GB 本地快速内存，但已完成处理的 KV 缓存应及时迁移至 CPU DRAM 及更低成本的网络存储，避免占用稀缺的 HBM 资源。 调度层将成为 AI 推理基础设施的关键环节。预填充和中间填充的处理时间相对可预测，而解码时长存在较大波动，容易造成任务积压和「延迟反馈震荡」。因此，稳定的缓冲机制、跨时间尺度的调度和 KV 缓存分级管理，将直接影响推理集群的吞吐效率。 在架构选择上，报告比较了聚合式和分离式两种方案：前者将 Prefill 和 Decode 集中在同一设备上，可减少 KV 缓存跨节点传输，但要求硬件同时具备高计算密度和高内存带宽；后者则针对不同阶段配置专用节点，能够实现硬件优化，但会增加数据搬运和网络开销。SemiAnalysis 认为，两种架构的取舍最终取决于未来能否出现兼具高算力和高内存带宽的「全能型」加速器。 报告还通过模拟器预测 Kimi K3 在英伟达 B200、B300 和 GB200 系统上的表现。结果显示，GB200 在部分低延迟场景具备优势，而多数前沿配置的单 GPU HBM 峰值驻留量低于 80GB，进一步凸显内存带宽和存储编排的重要性。
Citrini Research被SemiAnalysis收购，创始人拟成立新基金
动察 Beating AI 快讯，「AI 末日报告」发布机构 Citrini Research 创始人 James van Geelen 已将公司出售给芯片及 AI 研究机构 SemiAnalysis，交易金额尚未披露。Van Geelen 暂时将继续担任 Citrini CEO，并计划筹建一只新基金。 Citrini 目前在 Substack 拥有约 26 万名订阅者，今年 2 月因发布《2028 全球智能危机》报告走红。该报告设想 AI 快速取代白领岗位，引发市场对 AI 冲击就业和经济的讨论，并一度对软件股造成明显影响。 SemiAnalysis 由 Dylan Patel 于 2020 年创立，长期专注半导体和 AI 基础设施研究。Patel 表示，此次收购旨在扩大研究规模，并探索投资研究在 AI 时代的新形态。 Van Geelen 本人未透露新基金具体信息。此次交易也意味着 Citrini 在快速扩大影响力后，将与 SemiAnalysis 的半导体、AI 研究能力进一步结合。
25位菲尔兹奖得主集体炮轰AI公司：别把数学难题当Benchmark
动察 Beating AI 快讯，陶哲轩、邓煜、Peter Scholze 等 25 位菲尔兹奖得主联名发布声明，称 AI 公司正把解决重大数学难题当成 benchmark，已经开始伤害数学研究。声明承认，大模型最近几个月进步很快，已经能解决多个领域的重要未解问题，但数学更看重由此产生的新概念、新方法和理解。 他们最不满的是 AI 公司抢着公布结果。声明称，一些解法还没来得及整理完整证明、提炼新方法、补齐前人引用，就已经对外宣布，由此带来严重的署名和抄袭问题。没有数学家继续消化和整理这些结果，AI 找到的想法也很难真正进入数学体系。 声明没有点名 OpenAI，但《经济学人》的配套报道直接把标题写成「顶尖数学家对 OpenAI 的做法感到愤怒」。几天前，OpenAI 刚因 Navier-Stokes 证明陷入署名和未公开研究争议。陶哲轩称，这份声明是 25 位菲尔兹奖得主过去一周讨论后快速形成的，因为他们认为情况已经足够紧急。