
“榨”出硅的极限:怎么让GPU不“闲着”? (opens in a new tab)
这篇文章,我们邀请到了由SGLang孵化的RadixArk的联合创始人和核心成员,以及数据中心专家,一起聊聊AI Infra的四层架构、行业如何把“硅”的潜力榨到极限,以及背后的关键技术。
Total 26 articles

这篇文章,我们邀请到了由SGLang孵化的RadixArk的联合创始人和核心成员,以及数据中心专家,一起聊聊AI Infra的四层架构、行业如何把“硅”的潜力榨到极限,以及背后的关键技术。

Andrej Karpathy 大神力荐的 Vibe Coding,正在成为开发者的新宠。这种「只需聊一聊,AI 可以把功能写出来」的体验,极大提升了简单任务的开放效率。

AI竞争的焦点,变了。 一个词开始在前沿讨论里高频出现:Recursive Self-Improvement。 它指的是AI自主优化,让AI来研发更强大的AI—— AI开始自己提出问题、设计实验、评估结果,再根据反馈不断改进自己。 这被认为是继AI推理、Agent之后的下一个重大前沿,也是通往AGI(通用人工智能)的关键路径。 就拿OpenAI来说,GPT-5.6的RSI相关能力,已经帮其把端到端服务成本降低了20%,Token生成效率提升了15%以上。 还有Anthropic,披露其代码库中超过80%的代码由Claude自主生成。 Jeff Dean从谷歌离职创办Discovery Loop

“AI Infra 就是云计算本身。” 100 多年前,电力首次进入工厂,许多工厂主做了一个看似合理的决定:保留复杂的蒸汽机传动轴和皮带系统,只用电动机替换蒸汽机。结果令他们大失所望:动力更强了,生产效率几乎没有同步提升。 接下来的 20 年,他们才逐步意识到,电力带来的真正变革不只是简单替代动力源,而是把它嵌入到不同的业务单元中,用不同类型的电机驱动钻头、传送带等,生产力才迎来爆发。 这是阿里云希望给企业深入应用 AI 提供的能力。他们认为,AI 时代客户要的不只是单一的模型或云的能力,而是更低成本使用更强模型时,有更灵活的综合体验。AI 云应该像当年的电力真正提高工业生产力时那样,提供多层

拿下中国AI云市场第一后,阿里云又敞开说了。 援引第三方机构Omdia数据,中国AI云市场规模达到223亿元,阿里云占比35.8%位列第一。围绕这一领先地位的技术根基,阿里云的弹性计算、集群、容器、人工智能平台等技术产品负责人来了场AI Infra分享会。

四年前,法国举办的一场 CNCF 大会上,主持人向台下的大模型创业者抛出一个常规问题:“Kubernetes 能为 AI 带来什么?”

随着全球智能体加速落地,算力需求呈指数级爆发,以 GPU 为核心的 AI 基础设施正变得愈发关键。据摩根士丹利报告预测,2028 年全球 AI 基础设施累计总投资将达 2.9 万亿美元。

昨天,奇绩创坛举办了 2026 年春季创业营路演日,共有 56 个项目上台。从赛道分布来看,覆盖: 智能体(39 家)、具身与物理智能(19 家)、数据(10 家)、AI 基础设施(14 家)、FDE & AI 咨询(10 家)。

安全正在成为AI Infra的“基础能力”。

成立两年半,再添近5亿元A+轮融资—— 截至目前,无问芯穹已累计吸金近15亿,成为AI基础设施领域最受资本追捧的“黑马”企业之一。