返回列表
NVIDIA与SB Energy达成合作:俄亥俄州PORTS-Pike园区将专属托管NVIDIA AI计算资源
行业新闻NVIDIAAI基础设施能源合作

NVIDIA与SB Energy达成合作:俄亥俄州PORTS-Pike园区将专属托管NVIDIA AI计算资源

NVIDIA宣布与SB Energy建立合作伙伴关系,已在俄亥俄州派克县的PORTS-Pike技术园区锁定土地、电力及建筑外壳(LPS)容量。该园区将专门用于托管NVIDIA的AI计算资源。此次合作标志着NVIDIA在基础设施保障方面的重大进展,通过确保关键的土地和能源供应,为其全球AI算力布局提供坚实支撑。

NVIDIA Newsroom

核心要点

  • 战略合作确认:NVIDIA与SB Energy达成协议,确保在俄亥俄州的算力基础设施供应。
  • 资源锁定:合作涉及PORTS-Pike技术园区的土地、电力及建筑外壳(LPS)容量。
  • 专属托管:该园区将专门用于托管NVIDIA的AI计算基础设施,不与其他厂商共享。
  • 地理位置:项目位于俄亥俄州派克县(Pike County)的PORTS-Pike技术园区。

详细分析

基础设施保障:土地、电力与建筑外壳的锁定

根据NVIDIA发布的官方消息,公司已通过与SB Energy的合作,在俄亥俄州派克县的PORTS-Pike技术园区确保了关键的“土地、电力及建筑外壳”(LPS)容量。在当前全球AI算力需求激增的背景下,电力供应和物理空间的获取已成为制约数据中心扩张的核心瓶颈。NVIDIA通过这种预先锁定的方式,确保了其AI计算硬件能够拥有稳定的运行环境和充足的能源保障,从而降低了未来扩展的不确定性。

专属托管:打造NVIDIA专用AI计算中心

此次合作的一个显著特点是“专属托管”。PORTS-Pike技术园区将专门用于承载NVIDIA的AI计算任务。这意味着该设施的架构设计、电力分配以及冷却系统能够针对NVIDIA的特定硬件需求进行深度优化。这种深度定制化的基础设施合作模式,不仅有助于提升算力运行效率,也体现了NVIDIA在供应链上游的强大议价能力和对算力主权的掌控。

行业影响

此次NVIDIA与SB Energy的合作反映了AI行业的一个重要趋势:算力竞争正在向基础设施上游延伸。随着大模型训练对电力和空间的需求达到前所未有的高度,领先的AI技术公司不再仅仅关注芯片研发,而是开始深度介入能源和土地资源的获取。通过在俄亥俄州建立专属计算基地,NVIDIA不仅加强了其在美国本土的算力布局,也为未来更大规模的AI算力扩展奠定了物理基础。这种“能源+土地+算力”的捆绑模式可能成为未来AI巨头布局的标配。

常见问题

问题 1:NVIDIA在俄亥俄州的合作方是谁?

NVIDIA的合作方是SB Energy,双方共同在PORTS-Pike技术园区进行资源布局。

问题 2:这次合作锁定的具体资源有哪些?

合作主要锁定了土地(Land)、电力(Power)以及建筑外壳(Shell)容量,即行业内常称的LPS容量。

问题 3:该园区的用途是什么?

该园区将专门用于托管NVIDIA的AI计算资源,为其AI业务提供底层的物理和能源支持。

相关新闻

Anthropic年化营收飙升至650亿美元:两个月内实现180亿美元惊人增长
行业新闻

Anthropic年化营收飙升至650亿美元:两个月内实现180亿美元惊人增长

根据TechCrunch最新报道,知名AI模型制造商Anthropic的财务数据录得爆发式增长。目前,该公司的年化营收已正式攀升至650亿美元。尤为引人注目的是,在过去的短短两个月时间内,Anthropic的年化营收就增加了180亿美元。这一数据不仅刷新了AI初创企业的增长记录,也充分证明了市场对高质量AI模型及服务的强劲需求和极高的商业化变现效率。

同样集群利用率提升33%:Hugging Face揭秘任务排序对GPU效率的影响
行业新闻

同样集群利用率提升33%:Hugging Face揭秘任务排序对GPU效率的影响

本文深入分析了Hugging Face发布的关于GPU管理策略的最新进展。研究指出,在硬件集群配置保持不变的情况下,仅通过优化任务的执行顺序(Order),即可将GPU利用率显著提升33个百分点。这一由Dharma AI团队实现的突破,为解决当前AI算力紧缺与资源浪费并存的难题提供了极具价值的调度优化思路。

Rust实现高性能GPU卸载:兼具移植性、安全性与极致速度
行业新闻

Rust实现高性能GPU卸载:兼具移植性、安全性与极致速度

本文介绍了一项关于Rust语言在GPU编程领域的重大突破。研究人员开发了一种内置于Rust编译器(rustc)和LLVM后端的零开销、多厂商GPU编译框架。该框架利用Rust的所有权系统和严格的别名保证,解决了传统GPU编程中内存安全与执行效率之间的权衡难题。实验表明,该方案在RAJAPerf基准测试中达到了与原生CUDA和HIP C++相当的性能水平。