SpaceX拟投740亿建AI超算，Google Flow与Gemini 4更新

0 阅读

SpaceX 的算力豪赌：740 亿美元与数 GW 电力

科技圈最近流传着一则消息：SpaceX 正计划在得克萨斯州和亚利桑那州建设两座超大规模 AI 超级计算园区。据路透社等媒体报道，这项计划的投资规模可能高达 740 亿美元。

这个数字是什么概念？它比许多传统科技巨头的年度资本支出还要高。更引人注目的是其电力需求规划——最高可达数吉瓦（GW）。作为参考，一座大型核电站的输出功率通常在 1 GW 左右。这意味着 SpaceX 打算为 AI 训练集群配备相当于几座核电站的电力供应。

目前，这一计划尚未得到 SpaceX 官方的正式确认，仍属于“据报道”阶段。但在 AI 算力成为核心竞争力的当下，这种基础设施层面的军备竞赛并不令人意外。从特斯拉的 Dojo 芯片到 xAI 的 Grok 集群，马斯克旗下的公司一直在垂直整合算力资源。如果消息属实，这标志着 AI 竞争已从算法和模型层，彻底下沉到能源与土地资源的争夺战。

对于行业而言，这是一个信号：未来的 AI 巨头不仅要是软件公司，还得是能源公司和基建公司。如何获取稳定、廉价的电力，将成为制约模型规模扩张的关键瓶颈。

Google Flow：让艺术家参与定义视频生成工具

在内容创作端，Google Labs 为 Google Flow 推出了五项新工具。这次更新的特别之处在于，这些功能是由视觉艺术家和电影人直接参与设计的。

长期以来，生成式视频工具常被批评“懂技术但不懂艺术”。开发者往往专注于提升分辨率或帧率，却忽略了叙事节奏、镜头语言等专业需求。Google Flow 的这次更新试图弥补这一裂痕。新工具覆盖了从故事构思到视频生成的完整工作流，旨在让生成式媒体更符合专业创作习惯。

虽然具体功能细节未在简报中展开，但“艺术家参与设计”这一方法论值得注意。它暗示了生成式 AI 工具正在从“玩具”向“专业生产力软件”过渡。未来的竞争点可能不再仅仅是生成画面的逼真度，而是工具能否无缝嵌入现有的影视制作管线，能否理解导演意图而非仅仅执行文字提示。

Gemini 4 Hydrogen：代码即视觉，WebGL 实时渲染

Google 同时发布了 Gemini 4 Hydrogen 模型。除了常规的指令遵循能力提升外，一个展示案例引起了前端开发者的兴趣：该模型仅通过自然语言描述，就生成了基于 WebGL2 的实时 3D 可视化代码。

这段代码模拟了水与玻璃的物理效果，包括折射、反射和色散。这在技术上并非全新突破，WebGL 早已能实现这些效果。但 Gemini 4 Hydrogen 的价值在于，它将复杂的图形学数学公式和着色器代码编写过程自动化了。

对于前端创作者而言，这意味着门槛的降低。过去需要精通线性代数和图形 API 才能实现的视觉效果，现在可能只需准确描述物理现象即可生成原型。当然，生成代码的可维护性和性能优化仍需人工介入，但这为创意原型设计提供了新的可能性。Gemini 4 Hydrogen 被定位为面向日常智能体工作流的模型，强调在多轮对话中减少沟通成本，这一案例正是其“理解复杂请求”能力的体现。

AWS Bedrock：推理成本的四个控制旋钮

随着企业将大模型接入生产环境，推理成本成为 CFO 们关注的焦点。AWS 近期发布了一篇技术博客，详细拆解了影响 Amazon Bedrock 推理成本的四类请求级选项。

很多开发者只关注模型本身的单价，却忽略了调用参数对最终账单的影响。AWS 指出，以下四个因素至关重要：

  1. 缓存时长：合理设置缓存可以大幅减少重复计算的开销。
  2. 服务等级：不同 SLA 对应不同的资源预留策略，直接影响价格。
  3. 推理力度：即思考深度或步数，更高的推理精度意味着更多的计算消耗。
  4. 最大 Token 数：限制输出长度是控制成本最直接的手段。

这篇指南的价值在于它将抽象的“成本优化”转化为具体的工程配置。对于正在规模化部署 LLM 应用的企业来说，调整这些参数可能比更换模型更能立竿见影地降低开支。这也反映出 AI 工程化正在进入精细化运营阶段，粗放式的调用已不可持续。

LMArena：智能体评测的新方向

传统的 LLM 评测多基于静态数据集，如问答准确率或代码通过率。但智能体（Agent）的核心能力在于与环境交互。LMArena 提出了一种新的评测范式：让智能体直接操作游戏和应用程序。

在这种框架下，评测指标不再是“回答是否正确”，而是“任务是否完成”。例如，智能体能否在游戏中通关，或能否在软件中完成一系列点击和操作以重建应用状态。这种方法更贴近真实世界的使用场景，能够评估智能体的规划能力、错误恢复能力以及长程交互稳定性。

随着智能体从聊天机器人向自主操作助手演进，这种基于交互的评测标准可能会成为行业基准。它迫使模型不仅要“说得对”，更要“做得成”。

其他简讯

  • DeepMind AlphaGenome 2：Google DeepMind 发布了新一代基因组模型 AlphaGenome 2。与前代相比，它能将 DNA 变异的影响预测细化到单个细胞类型和状态。据称，其识别的基因开关突变数量接近前代的两倍。这对于精准医疗和遗传病研究具有重要意义，展示了 AI 在基础科学领域的渗透。

  • Runway 开源 Praxis-1：视频生成公司 Runway 以 Apache 2.0 许可开源了其机器人控制模型 Praxis-1。该模型将视频预训练知识迁移至真实机器人操作，体现了多模态模型在具身智能领域的潜力。

  • Nvidia 高层变动传闻：社交媒体上有传言称黄仁勋辞去 Nvidia CEO 职务，由 CFO Colette Kress 临时接任。截至目前，该消息未被官方证实，且与 Nvidia 近期的公开动态不符，建议谨慎对待此类未经核实的信源。

总体来看，本周的 AI 动态呈现出两极分化的趋势：一端是 SpaceX 这样重资产的基础设施投入，另一端是 Google Flow 和 Gemini 这样注重用户体验和创作流程的工具迭代。中间则是 AWS 和 LMArena 带来的工程化与标准化思考。AI 行业正在从单纯的模型参数竞赛，转向涵盖能源、工具链、评测标准的全方位生态构建。