6 月 1 日，台北电脑展前夕，GPU 史上最佳带货主播、英伟达创始人黄仁勋举办了一场 GTC Taipei 2026 主题演讲，展示了围绕英伟达的 AI 工厂生态，还发布了 Vera CPU、Vera Rubin、Vera BlueField-4 STX、DSX、RTX Spark 等。
一串名字砸下来，普通人很容易只记住两个字：很强。
如果只看参数，黄仁勋这次台北演讲很像一场典型的 NVIDIA 发布会。但真正值得注意的变化是英伟达正在把 CPU、GPU、网络、存储、散热、Windows PC，甚至安全权限，全部拧进同一个故事里。
这个故事的名字叫「智能体 AI」，最重要的两个新角色是面向数据中心的 Vera CPU，以及面向个人电脑的 RTX Spark（此前网传的 N1X）。
而从 GPU 到 CPU，再到「重新发明个人电脑」，英伟达不只想继续卖 GPU，它还想继续定义 AI 时代里，数据中心和个人电脑到底该长什么样。
英伟达 Vera 炸场：AI 时代的原生 CPU
先看最硬的一块：Vera CPU。
过去几年的 AI 浪潮之中，英伟达的核心一直是 GPU。从 A100、H100 到 Blackwell，AI 产业的焦虑也基本围绕 GPU 展开，谁买得到，谁供得上，谁能把机柜堆起来。但当大模型从聊天机器人走向智能体，问题开始变复杂。
一个 AI 智能体不只是生成一段文字，它要拆任务、查资料、跑代码、调用工具、验证结果，甚至同时维持成千上万个执行环境。
这时候，CPU 又被推回了台前。于是我们也看到了英伟达为 AI 时代设计的 Vera CPU。
英伟达对 Vera 的定义很直接，这是第一颗为 AI 智能体超大规模运行打造的 CPU。它有 88 个自研 Olympus 核心，支持 Spatial Multithreading，LPDDR5X 内存带宽最高 1.2TB/s。放到 Vera Rubin 系统里，它还能通过第二代 NVLink-C2C 和 GPU 以最高 1.8TB/s 的一致性带宽相连。
参数背后，CPU 不再只是给 GPU 打杂的「房管」。在智能体工作流里，代码执行、数据处理、沙盒环境、任务编排，都会变成算力工厂的关键路径。英伟达说 Vera 相比 x86 CPU 能带来 1.8 倍更快的任务完成速度，之前也强调过 2 倍能效和 50% 性能提升。
AI 工厂的竞争，已经从「每张卡多少钱」变成「每瓦电能产出多少 token」。Vera Rubin 就是这个逻辑的放大版。
老黄还宣布，Vera Rubin 正在进入全面量产，系统由 Vera CPU、Rubin GPU、Groq 3 LPX、BlueField-4 STX 存储和 Spectrum-6 网络等机架组成。官方给出的说法是，相比上一代 Grace Blackwell，Vera Rubin 在规模化 智能体 吞吐上可达 10 倍。
也正因为智能体会持续读写企业数据，英伟达还把存储和安全塞进了同一套叙事里。Vera BlueField-4 STX 的重点不是又一张 DPU，而是把智能体的上下文记忆、文件访问、网络隔离直接放到芯片层面进行处理。
按照英伟给出的数据，Vera BlueField-4 STX 引入 DOCA（英伟达的软件框架）后，能让运行时的威胁检测比现有无智能体方案快最高 1000 倍，并在最高 800Gb/s 的速率下执行网络和文件访问策略。
RTX Spark 将彻底引爆个人 PC 智能体
如果说 Vera 是 AI 工厂里的新地基，RTX Spark 则是这场发布会里离普通人最近的产品。
英伟达和微软把 RTX Spark 定义为面向个人 AI 智能体的 Windows PC 超级芯片。它有 1 petaflop AI 性能，最高 128GB 统一内存，采用 Blackwell RTX GPU、6144 个 CUDA 核心、第五代 Tensor Core 和 FP4 精度，并通过 NVLink-C2C 连接一颗 20 核 Grace CPU。
对了，这颗 SoC 的 Grace CPU 部分由英伟达与联发科合作定制设计。而首款搭载 RTX Spark 的笔记本电脑则是微软的 Surface Laptop Ultra，将于今年晚些时候正式推出，搭载 RTX Spark 的联想、戴尔、惠普、华硕、宏碁笔记本也都在上市的路上。
RTX Spark 的配置听起来不像传统笔记本电脑，更像 DGX Spark 的消费级改造，包括英伟达给出的使用场景也是诸如：
- 本地运行 1200 亿参数大模型和最高 100 万 token 上下文；
- 渲染 90GB 以上 3D 场景；
- 剪辑 12K 4:2:2 视频；
- 生成 4K AI 视频；
- 在 1440p 下以超过 100 帧运行 3A 游戏。
搭载 RTX Spark 的 Surface Laptop Ultra，图片来源：英伟达
过去两年，AI PC 最大的尴尬是，很多产品只是在传统 PC 上加了一个 NPU，然后告诉用户「这就是 AI PC」。但普通人真正想问的是能不能不用排队、不用付 token 账单、不把私人文件丢进云端，也让 AI 帮我做点实际工作？
RTX Spark 给出的答案明显更激进，要让智能体直接进入 Windows 工作流。英伟达和微软会提供新的 Windows 安全基础架构和英伟达 OpenShell，让智能体在本机运行时有身份、隔离、策略和权限控制。Adobe 也会为 RTX Spark 重构 Photoshop 和 Premiere，号称 AI 与图形性能最高提升 2 倍。
这当然不是说 PC 马上就会从工具变成同事。真正的门槛仍然在软件，智能体能不能稳定调用应用、能不能理解本地文件、出了错谁负责、用户是否愿意把权限交给它，这些都不是 1 petaflop 能单独解决的。
写在最后
在演讲中，老黄展示了一张围绕英伟达构建的 AI 工厂生态图，几乎囊括了 AI 时代全球最有实力的一批公司，其中联想作为唯一一家港股公司，在最近更是交出了一份史上最好财报。
当然，这场台北演讲也不只是 Vera 和 RTX Spark。英伟达还把「AI 工厂」的施工图往前推了一步，发布了 DSX 平台，同时对应到桌面端，又推出了面向企业用户的 DGX Station for Windows。
另一条线则是物理 AI，英伟不仅发布了 Cosmos 3 开放世界基础模型、物理 AI 开源工具和技能、Isaac GR00T 人形机器人参考设计，还扩大了 DRIVE Hyperion robotaxi 生态。
就像老黄说的，（英伟达）口袋里的东西太多了。从晶圆厂、AI 工厂、企业桌面，到医院、机器人和自动驾驶，英伟达都在试图把「智能体」变成下一代计算平台的默认用户，更重要的「节点」则是数据中心和个人 PC。
传统药物研发一直受困于周期漫长、成本高昂和成功率低下的问题。美国药品研究与制造商协会（PhRMA）的数据显示，每款新药平均研发成本达10.1亿美元，周期需10-15年，临床前阶段成功率不足10%。2026年5月20日，谷歌在加州山景城的I/O开发者大会上推出了Gemini for Science，试图用人工智能技术打破这一僵局。该模型面向全球科研人员，核心功能包括实时追踪最新学术论文、将研究目标自动转化为可执行代码、生成基于数据的科学假设，同时探索“模拟人工智能”技术以实现高保真虚拟细胞模拟。
Gemini for Science的核心优势主要体现在三个方面：首先是文献整合能力，它接入了arXiv、PubMed、蛋白质数据库（PDB）等12个主流科研数据库，能实时更新近10年的学术文献；科研人员输入关键词后，模型可在30秒内生成结构化综述，包含核心结论、实验方法和数据支撑。其次是代码生成功能，支持Python、TensorFlow、PyMOL等15种科研工具，据谷歌内部测试，针对分子动力学模拟的代码生成准确率达85%，可减少手动编码时间约70%。第三是假设生成模块，基于基因组、蛋白质组、代谢组等多组学数据，模型能提出3-5个潜在研究方向，例如在类风湿关节炎的自身抗体靶点研究中，已识别出2个未被报道的蛋白相互作用位点。
技术上，Gemini for Science基于万亿级参数的多模态模型搭建，训练数据覆盖全球3000多家科研机构的公开数据集，包括1.2亿条蛋白质结构数据、5000万条单细胞测序数据和200万条药物分子数据。它的“模拟人工智能”技术核心在于提升时空分辨率，目前已能实现纳米级空间分辨率和微秒级时间分辨率的细胞内分子动态模拟，效率比传统工具高出100倍以上。谷歌透露，该技术正应用于非小细胞肺癌转移机制研究，通过模拟肿瘤细胞与免疫细胞的相互作用，识别潜在治疗靶点。
从价值角度而言，Gemini for Science有望重塑药物发现的流程。谷歌目前推进的临床前项目涉及类风湿关节炎和非小细胞肺癌领域，其中针对PD-1抑制剂耐药性的研究已筛选出2个联合治疗靶点，进入了细胞实验阶段。此外，虚拟细胞模拟技术可减少动物实验数量约40%，缩短临床前周期30%以上，降低研发成本15%-20%。不过，这个模型也面临一些挑战：一是数据隐私问题，科研机构对敏感数据的共享意愿不高；二是模型解释性不足，科研人员需要更透明的决策逻辑来验证结果的可靠性。
行业动态上，2026年4月微软联合MIT推出了Azure Drug Discovery平台，整合了GPT-5科研模块，支持药物分子设计和虚拟筛选；OpenAI在同年3月发布了GPT-5 for Research，专注于材料科学与生物医学，但虚拟细胞模拟的进展尚未公开。国内方面，百度在2026年5月发布了文心一言科研版，重点支持中药成分分析和靶点预测，但参数规模（5000亿）和数据覆盖度与Gemini for Science（万亿级）相比还有差距。目前，AI+科研已成为科技巨头竞争的新赛道，后续技术突破将进一步提升科研效率。
来源 钛媒体
2026年5月，黄仁勋在最后一刻被曝登上“空军一号”，与特朗普一同飞往北京，这确实成为了此次特朗普访华团中最具戏剧性的转折点。在此之前，美媒一度广泛报道黄仁勋“并未受邀”或“将缺席”，但特朗普在Truth Social上的亲自证实打破了传闻。
除了黄仁勋，随行的其他核心商业巨头（共约16位）组成了一支“万亿美元级别”的豪华代表团。他们背后的产业与商业利益可以划分为以下四大核心阵营：
这是本次访华的重头戏。黄仁勋的临时加入，意味着中美在高端芯片禁令与AI算力合作上可能存在某种潜在的“交易”或“破冰”空间。
黄仁勋（英伟达 Jensen Huang）： 代表生成式AI算力和显卡市场。他的目标很明确：在中国这个价值500亿美元的市场中寻找出口禁令的缓和点，并防止中国完全倒向国产AI芯片。
克里斯蒂亚诺·阿蒙（高通 Cristiano Amon）： 代表智能手机与5G通信。高通绝大部分收入来自中国厂商，他需要维护移动端芯片的稳定供应。
桑杰·梅赫罗特拉（美光 Sanjay Mehrotra）： 代表存储芯片。美光曾因安全审查在华受限，他此行意在修复关系并重夺份额。
2 硬核制造与新能源（Tech & Manufacturing）
这些企业深耕中国供应链，是中国“世界工厂”属性的直接受益者和依赖者。
埃隆·马斯克（特斯拉/SpaceX Elon Musk）： 代表电动汽车与低轨卫星。马斯克此行不仅是为了特斯拉上海工厂的利益，更有可能涉及FSD（全自动驾驶）在华落地的最后许可，以及在伊朗冲突背景下对能源供应链的关注。
蒂姆·库克（苹果 Tim Cook）： 代表消费电子与供应链稳定性。尽管库克即将卸任，但他代表了苹果对中国制造基地以及iPhone在华销售市场的依赖。
凯利·奥特伯格（波音 Kelly Ortberg）： 代表民航客机制造。波音渴望重启在中国的大额客机订单（如737 MAX），以应对来自C919的竞争。
3 金融与资本（Finance & Investment）
金融大鳄们通常扮演“中间人”或“利益撮合者”的角色。
苏世民（黑石 Stephen Schwarzman）： 代表私募股权与房地产。他与特朗普和中方高层均有深厚私人友谊，常作为中美商业外交的桥梁。
拉里·芬克（贝莱德 Larry Fink）： 代表资产管理。他关心中国资本市场的开放，以及在动荡国际局势下美资在中国金融业的准入。
大卫·所罗门（高盛 David Solomon）及 简·弗雷泽（花旗 Jane Fraser）： 代表全球银行业。关注跨境融资、人民币国际化以及美国企业在华的金融服务便利化。
4 工业、能源与农业（Energy & Agri）
由于伊朗战局推高了油价，能源安全是此行的隐性核心。
拉里·库尔普（通用电气航太 GE Aerospace）： 代表航空动力与高端制造。
布莱恩·赛克斯（嘉吉 Brian Sikes）： 代表农产品贸易。农业作为中美贸易的传统“压舱石”，嘉吉代表了美国农民对中国这一全球最大大豆和玉米进口国的诉求。
总结
这16位巨头的组合传递了一个强烈的信号：特朗普政府试图在技术遏制（AI芯片）与经贸套现（波音订单、中国投资美国）之间寻找一个平衡点。
正如特朗普在社交平台上所言，他希望中方能“进一步开放”，让这些“天才”施展魔力。而黄仁勋的“末班车”入座，更像是为这出大戏补上了最关键的一块拼图——AI时代的利益再分配。
中国市政运作的钱从哪里来、靠什么维持运转？
简单说一句结论：
西方城市主要靠“持有型税收（房地产税）”，而中国城市主要靠“开发型收入 + 转移支付 + 间接税”来运行。
你说得没错，很多西方国家（美国、加拿大、英国等）：
房地产税（Property Tax）是地方政府的核心收入
按房产价值，每年持续缴纳
用来支付：
市政服务（道路、消防、警察）
公立学校
公共交通、维护费用
👉 特点是：
稳定、长期、和城市规模正相关
房子越多、越贵，城市财政越稳。
中国城市运行，主要靠 四大来源（重要性大致从高到低）：
1️⃣ 土地出让金（最关键）
这是中国最特殊、也最重要的一项。
什么是土地出让金？
土地归国家 / 集体所有
地方政府把 土地使用权（通常70年住宅）卖给开发商
开发商一次性付钱
为什么它重要？
很多城市 30%–60%的财政相关收入来自土地
用途包括：
修路、地铁
城市扩张
还地方债
补贴公共服务
👉 可以理解为：
中国是“卖地一次性收钱”，而西方是“每年收房产税”。
2️⃣ 税收分成（增值税、企业税等）
虽然房地产税没有，但中国有大量 生产和交易税：
增值税（最大头）
企业所得税
个人所得税（地方分成）
消费税（部分）
特点是：
税由中央和地方 分税制分成
地方政府 非常依赖经济活动本身
👉 所以你会看到：
地方政府热衷招商引资
拼工业园、拼企业、拼GDP
3️⃣ 中央财政转移支付
很多城市（尤其是中西部）自己不赚钱，怎么办？
中央把钱转给地方
用于：
基本公共服务
教育、医疗
维持财政平衡
👉 这是一种 “全国统一兜底”机制，西方国家反而没这么强。
4️⃣ 城投、地方融资（隐性）
严格说这不是“税”，但现实中很重要：
地方成立城投公司
抵押土地或未来收入融资
用于基础设施建设
⚠️ 问题是：
这是 提前花未来的钱
土地卖不动时，风险就暴露出来
中国城市是“靠建设和增长来养自己”，西方城市是“靠既有财富来维持运行”。
因为在高速城镇化阶段：
人口进城
房地产需求巨大
土地能不断卖
基建拉动经济
👉 这套模式 在“扩张期”非常有效。
但当：
人口增速放缓
房地产降温
土地收入下降
👉 城市财政压力就会显现，这也是现在大家讨论“财政转型”“房地产税”的背景。
趋势不是“马上照抄西方”，而是：
降低对卖地的依赖
增强稳定税源（服务业、消费、财产性收入）
更强调存量城市、而不是无限扩张
西方国家几乎不可能像中国那样“摆脱房地产税”，如果强行免除，城市财政和社会结构会出现系统性问题。
原因不是“不愿意”，而是做不到、承受不起、也不一定更公平。
先澄清一个容易误解的点：
中国并不是不从房地产中拿钱，而是“换一种方式拿”。
中国的替代机制
一次性土地出让金
房地产相关税费（契税、增值税、土地增值税）
房企融资 → 地方财政 → 基建回流
👉 对居民来说：
不交“每年房产税”
但在买房时一次性交了很多“隐性税”
本质是：
把“长期税”前置成“高房价”
中国之所以能这样做，依赖三个前提：
土地国有
城市长期扩张
人口和需求持续增长（至少在过去）
关键结论一句话：
西方国家缺乏中国那套“可替代房地产税的财政工具”。
1️⃣ 土地制度不同：这是“根本限制”
中国
土地归国家
政府是“唯一卖家”
可以把未来70年的收益一次性收走
西方
土地私有
政府不能卖土地给自己公民
只能对既有财产征税
👉 所以：
没有房地产税，西方地方政府几乎“无合法财源”。
2️⃣ 财政结构不同：地方政府高度依赖房产税
在很多西方国家（尤其美国）：
房产税 = 地方财政的命根子
用于：
公立学校
警察、消防
城市维护
如果取消房产税，会发生什么？
只有三种选择：
大幅削减公共服务（学校、治安下降）
提高其他税（所得税、消费税）
中央接管地方财政（这在政治上极难）
👉 换句话说：
不交房产税 ≠ 不交税，而是“换地方交，甚至交更多”。3️⃣ 政治结构不同：西方很难“集中替代”
中国能做到：
中央协调
地方执行
跨地区财政调剂
而西方（尤其联邦制国家）：
地方自治极强
纳税人对税种极度敏感
改税制 ≈ 改宪法级难度
👉 房产税虽然讨厌，但它透明、稳定、可预测，反而是政治妥协的结果。
这里有个反直觉的结论：
房地产税并不一定比中国模式“更重”，只是“更显眼”。对比一下负担方式
在西方：
不买房的人 几乎不承担房产税
房子越大、地段越好，税越高
在中国：
房价本身已经把“税”内化
年轻人和首次购房者承担更重
👉 从分配公平角度看：
房产税反而更“按能力付费”。
现实中，他们做的是“改良”，而不是“取消”：
常见做法
自住房减免
老年人冻结税额
设置税率上限
低收入补贴
目标是：
保留财政稳定性，同时缓解个体压力
而不是彻底废除。
中国模式是“发展期财政”，西方模式是“成熟期财政”。中国：
用增长、土地和未来收入，换取现在的城市建设
西方：
用存量财富，维持稳定运转
如果西方学中国：
没有土地可卖
没有高速增长
没有集中财政权力
👉 结果只会是：
财政崩溃 or 税负转嫁，而不是“轻松免负担”。
一句话：
房地产税在西方不是“能不能取消”的问题，而是“取消就没地方政府”的问题。在西方国家生存，每年讨厌的房地产税，看来逃不过去了。或许，还是在中国拥有房地产生存更加轻松？
“有人说，记忆可能根本不存储在大脑里。”
这是一个听起来有些荒谬的观点，但在记忆竞技和脑科学的边缘地带，这却是一个引人深思的话题。全美记忆冠军 Nelson Dellis 在一次访谈中，结合自己突破人体极限的亲身经历，对此进行了深入的探讨。我们的大脑究竟是一个存储数据的硬盘，还是一个接收信号的天线？
以下是这次深度对话的核心记录。
故事要从2009年说起，当时 Nelson Dellis 刚开始接触记忆训练。多年来，他一直试图将记忆一副扑克牌的时间缩短到极致。
对于当时的记忆选手来说，“30秒”就像是一道不可逾越的墙。Nelson 每天都在练习，但成绩总是卡在30.84秒、30.12秒，始终无法突破。
直到2012年的圣诞节，突破发生了。他在那次练习中跑出了29.74秒的成绩。但让他印象最深刻的不是数字，而是那个过程中的感觉。
“那是一种非常奇怪的体验，”Nelson 回忆道，“在快速翻牌记忆的过程中，我感觉大脑有一部分在说：‘我现在并没有主动在做任何事’。感觉完全不是我在记忆，而是一种直接从记忆中流淌出来的‘心流状态’（Flow State）。”
当计时结束，他发现自己记住了所有内容。那是他第一次感觉自己并没有参与记忆的过程，仿佛记忆是从“别的地方”来的。这种体验让他联想到“体外体验”——你的心智在高速运转，但你却仿佛置身事外。
这种神秘的体验，结合他后来接触的远程观测（Remote Viewing）训练，让 Nelson 产生了一个大胆的猜想：
“我相当确信，并非所有的记忆都来自大脑内部。我认为大脑只是一个接收器。”
他认为，也许在大脑之外存在某种“基质”（substrate），那里储存着信息，而我们的大脑就像一个天线，负责从那个巨大的云端接入或断开信号。
对话中，主持人提到了英国生物学家鲁伯特·谢德瑞克（Rupert Sheldrake）的类似观点：大脑不像计算机的硬盘，而更像电视机。当你在看电视时，节目画面并不存储在电视屏幕里，而是通过信号流式传输过来的。
当然，这里有一个明显的逻辑反驳：如果记忆是流式传输的，为什么普通人不能直接“接入”贝多芬的频道，瞬间学会弹钢琴？
对此Nelson提供了一种可能的视角：哪怕信号就在那里，你也需要通过练习来“调频”。那位练习了一辈子的钢琴家，通过无数小时的努力，在大脑中建立了正确的通道，从而能够流畅地接收和表达这些信息。
如果把这个理论放大，还能解释一些奇怪的历史现象。
主持人提到了著名的“4分钟一英里”效应。历史上，人类曾认为跑进4分钟一英里是不可能的。但当第一个人打破这个纪录后，没过几个月，世界各地的人就陆续打破了它。
谢德瑞克将此称为“形态共振”（Morphic Resonance）。似乎当某个问题在世界的一端被解决，意识的共振让这个问题在其他地方也变得容易解决。这甚至可以与“模拟理论”联系起来：就像电子游戏，一个物体被渲染过一次后，系统在其他地方再次渲染它就会节省算力。
Nelson 证实，这在记忆竞技界真实存在。当30秒记牌的障碍被打破后，就像多米诺骨牌一样，所有人开始突破30秒。现在的世界纪录甚至已经推进到了15秒、10秒的大关。
抛开理论猜想，主流科学界究竟有没有找到记忆的存储位置？
对话中提到了Joshua Foer的书（《与爱因斯坦月球漫步》）以及相关的科学实验：
切除实验：科学家曾尝试切除老鼠大脑的不同部分，试图抹去记忆。结果发现，无论切除哪里，长期记忆似乎从未完全消失。记忆似乎像全息图一样，分布在整个大脑中。
H.M.的案例：1953年，著名的癫痫患者H.M.接受了双侧内侧颞叶切除术（包括海马体）。手术后，他的癫痫治愈了，但他永远失去了形成新记忆的能力（短期记忆无法转化为长期记忆），但他手术前的老记忆却完好无损。
天才的副作用：对话中还提到了丹尼尔·泰米特（Daniel Tammet）。他因童年的一次癫痫发作，大脑结构似乎发生了某种改变，从此拥有了将数字可视化（联觉）的能力，能背诵圆周率后几千位。
在对话的最后，他们通过AI搜索确认了目前的科学共识：并没有一个单一的结论指出记忆具体存储在大脑的哪一个点。
现代神经科学认为，记忆不是固定在某个神经元里的文件，而是一个涉及多个脑区的动态过程，是无数神经元连接之间复杂的物理变化。
看着fMRI扫描图中记忆高手那被完全点亮的大脑，Nelson 承认，虽然我们知道大脑高度参与了记忆过程，但这可能并不是故事的全部。无论是作为复杂的生化机器，还是连接宇宙的接收器，我们对大脑真正潜能的探索，或许才刚刚瞥见冰山一角。
在“人工智能”一词首字母缩写的互联网域名“AI.com”以7000万美元的天价转手后，在2月8日美国超级碗比赛期间，收购人投放了该域名的广告，正式推出“AI代理”业务。
▲1993年以100美元买下“AI.com”域名的阿尔斯扬·伊斯梅尔
此前AI.com的域名就因会选择性地跳转至ChatGPT、谷歌Gemini等AI网站引发关注。去年DeepSeek热潮席卷全球后，该域名也曾设置跳转至DeepSeek官网。马尔扎莱克回应称：“去年我得到收购这个域名的机会，我想如果长期来看，比如10到20年，人工智能将会成为我们这一代人最伟大的技术浪潮之一，所以这会是一次很好的投资。”
在今年超级碗广告播放后，AI.com的访问量激增导致网站一度崩溃。电视广告测量公司EDO表示，AI.com的广告是整个超级碗期间互动性最高的广告，其互动率是今年平均水平的9.1倍。
未来该网站的主要业务是为用户生成私密的个人AI代理，它不仅可以回答问题，还可以代表用户实际操作，包括组织工作、发送消息、在应用程序中执行操作、构建项目等。用户还可以创建专属的域名“AI.com/username”，这一过程中需要输入信用卡信息，主要是为了验证用户是真人才能获得用户名。
一、 突如其来的“转向”
一直以来，马斯克的SpaceX就像是一台为火星量身定制的永动机。他的口头禅是“多行星物种”，目标是那颗红色的行星。
但最近，风向变了。马斯克在多次内部演讲和社交媒体互动中，频率极高地提到了“月球基地 Alpha”（Moon Base Alpha）。根据最新的战略调整信号，SpaceX的工作重心正在向月球倾斜，并提出了一个激进的时间表：10年内建立月球城市。
这不禁让人疑惑：火星不去了吗？
二、 为什么是月球？
马斯克并非放弃了火星，而是意识到：直接跳到火星，步子迈得太大了。
阿耳忒弥斯计划（Artemis）的推力 NASA的重返月球计划是目前全球最庞大的航天订单。SpaceX作为“月球版星舰”的唯一承包商，必须先完成金主的KPI。拿住月球，就是拿住了持续的现金流。
星舰的“练兵场” 火星往返动辄数年，一旦出事根本救不回来。而月球距离地球仅3天路程，是测试星舰生命支持系统、轨道加油和资源开采的完美“新手村”。
太空资源的前哨站 月球南极的冰水物质，可以分解成氢和氧。这意味着月球将成为星舰前往深空的“太空加油站”。如果不能在月球站稳脚跟，火星殖民地只能是无米之炊。
三、 10年建城，是吹牛吗？
如果是别人说这话，大家会一笑了之。但说这话的是那个把“猎鹰”火箭像电梯一样回收、把全球最大卫星网布满轨道的马斯克。
马斯克的“建城”逻辑主要依靠两件大杀器：
恐怖的运力成本： 随着“星舰”迭代，单次发射成本有望降至千万美元级别。马斯克计划通过大规模机群，像“星链”一样往月球搬运物资。
3D打印与资源原位利用（ISRU）： 未来的月球城不会从地球搬砖，而是利用月壤进行3D打印，建造防辐射的地下掩体和圆顶屋。
“在月球上建立一个永久性的人类存在，是通往火星最坚实的阶梯。” —— 马斯克
四、 结语：这不仅是马斯克的转向
马斯克的“改道”，实际上反映了人类航天思维的转型：从“插旗打卡”式探索，转向“可持续开发”式定居。
火星依然是终点，但月球已成为必经之路。10年后的月球地平线上，或许真的会亮起人类的第一盏长明灯。
Gemini 已经判断准确了：
Kimi 回复： 
奇瑞希望成为第一家进入加拿大乘用车市场的中国本土品牌
《环球邮报》报道称，多位加拿大汽车行业人士近期在 LinkedIn 上收到猎头联系，表示正在为奇瑞在加拿大搭建销售与运营团队招聘关键岗位，涉及销售、市场、运营等核心职能，并提及奇瑞旗下子品牌 Omoda 和 Jaecoo。
目前奇瑞正推进在多伦多等地设立业务机构，为正式进军加拿大市场做准备。
目前的 AR 眼镜应用主要分为大众消费级（To C）和行业企业级（To B）两大类：
1 大众消费级应用 (Consumer)
主要侧重于娱乐、生活辅助和信息提示，强调轻便和时尚。
随身巨幕影院 (Entertainment):
这是目前最普及的场景（如 XREAL, Rokid 等品牌）。
功能： 在眼前投射出一个等效 100-300 英寸的虚拟屏幕，用于看电影、玩游戏（连接 Steam Deck, Switch, PS5）。
优势： 私密性好，躺着也能看巨幕，适合高铁、飞机旅途。
AI 实时翻译与字幕 (Translation & Subtitles):
功能： 眼镜能听懂对方说话，并将翻译后的字幕实时显示在镜片上。
应用： 跨国旅游、商务会议、听不懂的外语讲座。
无障碍辅助： 对于听障人士，这就像给现实世界加了“字幕”，能看见别人的语音内容。
第一视角拍摄与 AI 识别 (POV Capture & AI):
代表产品： Ray-Ban Meta 智能眼镜。
功能： 随时拍摄“我在看什么”的照片/视频，无需掏出手机。结合多模态 AI，你可以问眼镜“我手里拿的是什么植物？”，它会通过摄像头识别并语音回答。
AR 导航与提词 (Navigation & Teleprompter):
导航： 骑行或步行时，箭头和路线直接叠加在路面上，不用低头看手机。
提词器： 演讲或直播时，台词直接悬浮在视野中，观众看不出来你在读稿。
2 行业与企业级应用 (Enterprise & Industrial)
主要侧重于提效、降错和培训，通常使用性能更强、甚至带防护功能的设备（如 Microsoft HoloLens 2, Magic Leap）。
远程专家协作 (Remote Assistance):
痛点解决： 现场技术员遇到修不好的机器，不用等专家飞过来。
功能： 现场人员戴上眼镜，远程专家在电脑端看到“第一视角”画面，并能在画面上画圈标记（比如：“剪断这根红线”），标记会精准“吸附”在现实物体上。
工业巡检与维修 (Maintenance & Inspection):
功能： 维修工人看向设备时，眼镜自动叠加显示设备的内部结构图、当前温度、压力数值或操作步骤指引（数字孪生技术）。
效果： 彻底解放双手，不再需要拿着厚厚的手册翻阅。
物流仓储 (Logistics):
应用： 在大型仓库中，眼镜会通过箭头指引分拣员走到正确的货架，并高亮显示需要取走的货物。
数据： 据统计，这能让分拣错误率降低 40% 以上。
3 医疗与特殊领域 (Healthcare)
手术导航： 医生在手术中佩戴 AR 眼镜，可以看到患者的 CT/MRI 影像直接重叠在患者身体部位上，仿佛拥有了“透视眼”，避开重要血管和神经。
静脉显影： 护士扎针时，AR 可以高亮显示皮下血管位置。
视障辅助： 对于视力受损人群，AI 眼镜可以描述周围环境（例如：“前方 2 米有一张空椅子”）。
4 文旅与教育 (Tourism & Education)
博物馆导览： 观看文物时，眼镜里“复活”出文物的原貌或历史场景（例如看兵马俑时，能看到上色后的复原动画）。
实操培训： 医学生或汽修学徒可以在虚拟叠加的教程指导下进行模拟操作，成本比用真材实料练习低得多。
总结：目前的硬件形态区别
为了更好地理解，您可以将市面上的产品分为两类：
"加拿大数据中心市场正经历指数级扩张，总IT容量超10GW，阿尔伯塔省的5.6GW Wonder Valley项目领跑。政府24亿美元投资和清洁水电优势，正吸引全球AI资本涌入多伦多、蒙特利尔等枢纽，但电力与土地短缺成关键挑战。"
加拿大已成为全球发展最快的数字基础设施中心之一，其数据中心市场正以前所未有的速度扩张。根据DCByte最新报告，该国在运营、建设中、已承诺和早期阶段项目的总IT容量现已超过10GW，实现了从稳定增长到指数级扩张的戏剧性转变。
这一增长特别引人注目的是，加拿大超过四分之三的容量仍处于早期阶段和已承诺的项目管道中，这表明持续的发展势头将使该国在未来几年成为强大的全球领导者。
区域中心推动投资势头
DCByte报告确定多伦多、蒙特利尔和阿尔伯塔省为加拿大主要的数据中心枢纽，共同占据全国总IT负载的93%。在这一扩张中的领军项目是阿尔伯塔省的Wonder Valley项目，这是一个由O'Leary Ventures支持的里程碑式5.6GW项目，预计将催化进一步的区域增长和扩张。
DCByte加拿大和美国西北部研究分析师Emma Reese表示，Wonder Valley可能对电力供应产生重大影响。该项目总电力容量为7GW，关键IT负载为5.6GW。"将项目选址在阿尔伯塔省突显了投资者对大规模加拿大项目日益增长的兴趣，"Reese指出。阿尔伯塔省的政府激励措施、丰富的土地和电力资源以及Wonder Valley的GPU就绪基础设施的结合，使该省成为高密度项目的首选目的地，吸引着急切的投资者。
这种私营部门的势头正在大量政府投资的推动下得到放大。2024年联邦预算为新的计算基础设施和安全研究分配了24亿美元。此外，在2024年底，政府承诺2.4亿加元（1.69亿美元）支持总部位于多伦多的生成式AI初创公司Cohere开发AI数据中心。Cohere的Bell AI Fabric项目计划在完工后提供500MW的容量。
投资激增跨越多个地区和各种融资模式。例如，总部位于纽约的地产开发商Related Companies（以曼哈顿的炫目高层建筑而闻名）正在计划其在安大略省的首个北美数据中心项目。与此同时，创新的融资方式也在出现，加拿大托管提供商eStruxture获得了7.5亿加元的资产支持证券资金，作为更大的13.5亿加元一揽子计划的一部分。
然而，机遇的规模也带来了执行挑战。据Reese称，虽然数十亿美元正在流入加拿大的AI项目，"许多这些投资都流向了仍处于早期开发阶段的项目，多伦多和蒙特利尔等成熟市场面临电力和土地短缺，而新市场则在应对分销挑战。"
速度和监管确定性已成为关键差异化因素。Black & Veatch副总裁兼校园基础设施集成负责人Jennifer Cahil强调了AI数据中心竞赛的紧迫性，现在以月而非年来衡量。"开发商正在通过可靠、有韧性且如果可能的话碳排放更低的电力、可预测的法规和快速开发来寻求速度和确定性，"她解释道。
这种紧迫性发挥了加拿大的根本优势。Cahil强调了加拿大在提供稳定投资环境方面的竞争优势。优先考虑基础设施发展协调、许可效率和公用事业合作的省份正在吸引关注。"关键是开发跑道的可靠性，"她说。"如果加拿大能够保持这种稳定性，它将继续吸引全球AI投资。"
电力和可持续性推动增长
仲量联行加拿大数据中心市场专家Stuart Cox表示，虽然加拿大数十亿美元的AI承诺显示了强劲需求，但实际的增长驱动力是电力。"数据中心遵循一个简单的规则：如果你能供电，他们就会来，"他说。超大规模运营商和AI平台优先选择能够快速提供大型连续兆瓦的站点，并配有冗余光纤和明确的许可流程。
Cox将魁北克省作为成功典范，因为其相对清洁且价格合理的水力发电、高效的选址流程以及能够交付100-200+MW阶段的运营商。"这是进步——但与美国的千兆瓦级站点相比仍然很小，"他指出。扩大清洁电力来源（如核电扩张和天然气发电厂），加快电网路径、简化输电和互连流程，以及预先获得权利的大型站点，配备冷却水、排水和双向多样化的长途光纤连接到多伦多、蒙特利尔和卡尔加里等枢纽，可能会改变加拿大的数据中心格局。
"AI创新资金是互补的，将有助于在确保土地、电力和光纤后填充容量，"Cox补充道。"当加拿大能够在可预测的时间表内反复提供千兆瓦级的低碳电力时，它就成为顶级的AI基础设施主机——其他一切都会随之而来。"
加拿大的可持续性优势
可持续性仍然是加拿大数据中心市场的决定性竞争优势。由于该国约60%的电力来自水力发电，运营商受益于更清洁、更具成本效益的能源供应。这种可再生能源优势使加拿大成为全球超大规模运营商和AI基础设施投资者的吸引目的地，他们寻求在性能和环境目标之间取得平衡。
Reese指出，加拿大独特的电网帮助超大规模运营商满足ESG和碳报告要求，同时在冷却和密度设计方面实现创新。"然而，最重要的可持续性益处来自加拿大的气候本身，"她补充道。"凉爽的环境使运营商能够降低冷却成本并提高效率。"
既有领导者与新兴挑战者
在竞争方面，Vantage Data Centers、Cologix和Compass等既有参与者目前引领着加拿大的实时容量足迹。然而，DCByte报告指出，O'Leary Ventures和Beacon等新兴进入者正在通过为AI和GPU工作负载优化的大规模建设重塑市场。这些新部署预计将在2027年改变竞争格局，届时下一代高密度设施将上线。
Reese表示，尽管面临电力和土地可用性挑战，多伦多和蒙特利尔这两个加拿大最古老的数据中心枢纽将继续主导市场。"需要注意的是，阿尔伯塔省在AI竞赛中占据先机，很可能通过众多仍在获取电力、许可或土地的早期项目保持这一优势，"她补充道。温哥华作为次级市场也显示出增长潜力，作为连接亚洲、澳大利亚和波利尼西亚国家的重要连接点。
北方机遇：加拿大北部的机遇与挑战
据Cahil称，开发商正在积极探索加拿大北部地区作为超大规模和AI专用数据中心的可行站点。"安大略省、魁北克省和大西洋省份等北部省份的凉爽气候提供了天然的冷却效果，显著减少了高密度数据中心热管理所需的能源，"她说。加拿大丰富的淡水资源还支持先进的冷却技术，如液体浸没和闭环系统，提高了超大规模和AI工作负载的可持续性和成本效率。
尽管有这些优势，Reese指出加拿大北部面临重大挑战，包括物流、连接和土地使用问题，这些都阻碍了大规模开发。"目前，重点似乎仍然在温哥华、蒙特利尔和阿尔伯塔省，"她说。通往北部地区的交通往往有限，特别是努纳武特地区，严重依赖航空旅行，与育空地区和西北地区相比，互联网基础设施不够强大。
Reese强调了与原住民社区合作的重要性。"那些有兴趣扩展到这些地区的人面临的主要障碍是部落土地的普遍存在，需要与第一民族、因纽特人和梅蒂斯社区密切合作，并遵守他们对任何开发项目的政策，"她解释道。
Cox指出，虽然运营商正在探索加拿大北部，但数据中心位置的决定主要由电力和光纤可用性而非气候驱动。AI数据中心越来越多地采用液体冷却技术，如后门热交换器和直接到芯片系统，这减少了对环境温度的依赖。"工厂效率、水和散热系统以及电力密度比外部温度重要得多，"Cox说。
连接性对北部地区仍然是一个重大制约。超大规模运营商需要双向多样化的长途光纤链路到主要对等枢纽，但许多北部走廊是单线程的或容量有限。"这些长路径可能会增加到南部枢纽的10到20毫秒延迟，"Cox解释道。"这对AI训练或冷数据存储来说没问题，但对面向用户的推理工作负载来说很痛苦。"
电力可用性是最大障碍。许多北部站点需要新的输电线路或现场发电，如燃气轮机、小型模块化反应堆或水力发电升级，这增加了成本、复杂性和建设时间。物流进一步复杂化了开发，面临永久冻土、季节性道路、短建设窗口和有限本地劳动力等挑战，所有这些都会推高成本并减慢进度。此外，在这些偏远地区修理零件和光纤需要更长时间，增加了服务级别风险。
Cox总结说，北部数据中心开发将保持有限，直到某个走廊能够提供稳定的清洁电力、多样化的光纤路线、保护的土地和水资源，以及愿意接受延迟权衡的主要锚定租户。
"在这些条件存在之前，北部建设将保持小众，"Cox说。"大规模容量浪潮继续在电力和光纤已经可靠的地方出现。"
Q&A
Q1：Wonder Valley项目是什么？规模有多大？
A：Wonder Valley是位于阿尔伯塔省的一个里程碑式数据中心项目，由O'Leary Ventures支持。该项目总电力容量为7GW，关键IT负载为5.6GW，配备GPU就绪基础设施，预计将催化阿尔伯塔省乃至加拿大的数据中心发展。
Q2：加拿大数据中心发展的主要优势是什么？
A：加拿大的主要优势包括约60%的电力来自清洁的水力发电、凉爽的气候有助于降低冷却成本、稳定的投资环境和政府支持。这些因素使加拿大成为全球超大规模运营商和AI基础设施投资者的理想选择。
Q3：加拿大北部地区发展数据中心面临什么挑战？
A：北部地区面临的主要挑战包括物流限制、连接性问题、土地使用限制以及需要与原住民社区合作。此外，许多北部站点缺乏双向多样化的光纤连接，电力基础设施不足，建设成本高昂且时间窗口有限。
问 列治文市选，你支持这位候选人吗？ -張可仁 Dickens CHEUNG