初创公司Nscale Global Holdings Ltd.将为微软公司建设四个人工智能数据中心,这是今天宣布的一项新合同的一部分。
这些设施预计将部署约20万个图形处理单元。据CNBC和金融时报报道,该合同价值高达240亿美元。
Nscale是一家总部位于伦敦的数据中心建设商,去年从澳大利亚加密货币挖矿公司Arkon Energy分拆而来。该公司在挪威运营着一个人工智能设施,由30兆瓦的水力发电提供动力。在过去两个月中,Nscale从英伟达公司和其他投资者那里筹集了超过17亿美元资金,以扩大其数据中心业务版图。
该公司与微软的新合作将在四个国家建设数据中心。Nscale计划明年初开始在葡萄牙锡尼什镇建设第一个设施。在满负荷运行时,该数据中心将部署约12600个GPU。
Nscale将在2026年第三季度开始在德克萨斯州建设第二个规模更大的设施。该园区将部署约104000个GPU,几乎是锡尼什站点的十倍。
德克萨斯数据中心将以240兆瓦的初始容量开始运营。该公司计划随着时间推移将这一数字增加到1.2吉瓦。此外,微软将获得从2027年第一季度开始增加另外700兆瓦人工智能容量的选择权。
Nscale计划为微软运营的剩余75000个GPU将作为两个此前宣布的数据中心项目的一部分进行部署。据该公司表示,第一个设施将位于英国。Nscale计划在距离其在挪威现有数据中心几小时车程的地方建设第二个站点。
所有四个设施都将使用英伟达顶级的Blackwell Ultra显卡。该芯片可以提供15 petaflops的推理性能,比其前身提升了50%。英伟达承诺为注意力层提供更大的速度提升,这是大语言模型用来识别用户提示中最重要细节的软件组件。
Blackwell Ultra包含160个称为SM的计算模块。每个SM又包含132个核心。其中四个核心经过优化,可以运行FP6和FP8数字等小数据单元,而其他核心支持更广泛的数据类型。每个SM包含256千字节的集成内存,优化用于存储人工智能输出。
Nscale计划将Blackwell Ultra作为GB300 NVL72设备的一部分进行部署。这些英伟达开发的系统每个包含72个Blackwell Ultra芯片、36个中央处理器和网络设备。它们使用液体冷却来散热。
GB300 NVL72也被纳斯达克交易的Nscale竞争对手CoreWeave Inc.采用。该公司运营着一个优化用于运行人工智能工作负载的公有云平台。上个月,CoreWeave与Meta Platforms Inc.和OpenAI签署了两项价值数十亿美元的数据中心协议。
Nscale首席执行官Josh Payne今天告诉金融时报,该公司计划上市。据该报纸报道,这家数据中心建设商可能在2026年下半年公开发行股票。
Q&A
Q1:Nscale与微软签署的数据中心合同价值多少?
A:根据CNBC和金融时报的报道,Nscale与微软签署的数据中心建设合同价值高达240亿美元,该合同涉及建设四个人工智能数据中心,预计将部署约20万个图形处理单元。
Q2:Nscale计划在哪些地方为微软建设数据中心?
A:Nscale将在四个国家建设数据中心。首先在葡萄牙锡尼什镇建设部署约12600个GPU的设施,然后在德克萨斯州建设规模更大的园区部署约104000个GPU,剩余两个设施分别位于英国和挪威附近。
Q3:这些数据中心将使用什么类型的芯片?
A:所有四个设施都将使用英伟达顶级的Blackwell Ultra显卡。该芯片可以提供15 petaflops的推理性能,比前身提升50%,包含160个计算模块,每个模块有132个核心,并配备256千字节集成内存优化存储人工智能输出。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。