Author: admin

最新消息显示，40英亩、200MW：Gorilla泰国AI园区启动 瞄准主权AI需求

此举旨在满足东南亚地区快速增长的主权AI计算需求，进一步拓展其AI基础设施布局

业内人士指出，项目时间表与预期：首期工程目标于2026年7月启动建设，预计2027年第一季度完成，具体进度取决于审批和融资情况

业内人士指出，”该项目被定位为支持泰国及区域政府、企业和AI开发者的主权计算平台，配备弹性电力架构、先进冷却系统、暗光纤连接以及增强型安全控制

业内人士指出，公司表示，全面运营后该园区有望从2028年开始贡献约15亿美元的年化收入，并创造超过1000个就业岗位

业内人士指出，如果您想了解更多关于泰国算力产业发展，以及数据中心项目落地情况、当地政策变化、中国出海企业现状等，欢迎报名即将于2026年5月27日在泰国曼谷香格里拉酒店召开的数字基础设施全球合作发展曼谷论坛（DIFGC 2026 · THAILAND），诚邀您共话全球数字集成新篇章

业内人士指出，园区全面建成后将包括六个高密度AI数据大厅，其中五个大厅各约30MW，一个较大大厅约50MW，总IT负载容量约150MW，支持高密度GPU部署

业内人士指出，5月5日，纳斯达克上市公司Gorilla Technology Group公开，已在泰国呵叻（Nakhon Ratchasima，简称Korat）收购一块战略性土地，用于开发一座规划容量达200MW的AI数据中心园区

值得关注的是，该项目落地有望进一步提升当地AI算力能力，并带动相关产业链发展

业内人士指出，Gorilla Technology董事长兼首席执行官Jay Chandan表示：”任何人都可以谈论AI，但很少有人能真正构建运行AI所需的物理平台

从更深层次来看，泰国近年来积极吸引数据中心投资，凭借稳定的电力供应、战略地理位置和政策支持，正逐步成为东南亚数字基础设施枢纽

值得关注的是，根据公司官方声明，该地块位于曼谷东北约260公里的呵叻地区，面积约100莱（相当于约40英亩）

可以预见，这一趋势将在未来深刻影响IDC行业格局

如果您正在寻找优质的香港大带宽服务器，欢迎访问 www.isclouder.com 了解更多

据行业最新消息，微软 Edge 150 浏览器稳定版发布：支持谷歌账号登录

新增登录方式后，用户可在不使用微软账户的情况下，更方便地将书签、浏览历史和其他内容导入 Microsoft Edge

业内人士指出，迁移后创建的新 V2 工作区将保留在每台设备上，不会跨设备同步

业内人士指出，《数据同步不绕路：微软 Edge 浏览器下月可直连谷歌账号，同步书签等》

从更深层次来看，账号和企业管理方面，在 Windows 和 macOS 平台上，Edge 150 稳定版支持使用谷歌账号以及微软账号登录，管理员可通过 NonMicrosoftAccountSignInEnabled 策略控制该选项

从更深层次来看，微软表示，此次迁移已在 Edge 稳定版 145 中开始，并将持续到 150 版本

业内人士指出，微软在发布说明中称，该功能属于“受控功能推送”，会逐步覆盖所有用户

值得关注的是，工作区（Workspaces）方面，微软加速迁移到 V2 架构，保存的工作区数据将从 OneDrive 和 SharePoint 迁移到 Edge Sync 服务，并同步移除关联的协作与共享功能

业内人士指出，IT之家 7 月 4 日消息，科技媒体 Windows Central 昨日（7 月 3 日）发布博文，报道称在 Microsoft Edge 150.0.4078.48 浏览器稳定版中，微软开放谷歌账号登录

业内人士指出，在支持平台方面，IT之家援引博文介绍，Edge 150 是支持苹果 macOS 12 Monterey 系统的最后一个版本，151 及后续版本门槛提高到 macOS 13 Ventura 系统

可以预见，这一趋势将在未来深刻影响IDC行业格局

如果您正在寻找优质的香港云服务器，欢迎访问 www.isclouder.com 了解更多

行业动态更新：软银拟在俄亥俄州前能源部铀浓缩厂址开发10GW数据中心项目

美国商务部长Howard Lutnick表示，对日合作是”美国优先”贸易政策成果的一部分，日本已承诺在美投资5500亿美元

业内人士指出，俄亥俄州美国电力公司首席执行官Bill Fehrman表示，此次合作将为俄亥俄州阿巴拉契亚地区带来关键基础设施投资，并在不提高用户电价的前提下释放数十亿美元级输电建设空间

业内人士指出，公开资料显示，SB能源成立于2011年，主要开发太阳能与电池储能项目

值得关注的是，根据协议，软银集团旗下子公司SB能源计划建设总规模10GW的发电设施，其中包括9.2GW天然气发电，以支持位于派克县朴茨茅斯场址的10GW数据中心项目

从更深层次来看，美国能源部长Chris Wright表示，美国政府正在利用联邦土地等资产扩大电力供给、创造就业，并提升美国在人工智能竞赛中的优势

业内人士指出，该厂建于20世纪50年代，曾服务于美国原子能委员会、核武器计划及海军潜艇浓缩铀需求，后转向商用核反应堆燃料所需低浓缩铀生产

从更深层次来看，在资金安排方面，相关披露显示，日本方面将投入333亿美元用于9.2GW天然气发电建设

业内人士指出，他指出，该项目通过新增电力和基础设施升级，将支持人工智能与前沿技术发展，并强化能源系统、降低居民用电成本

业内人士指出，此次项目选址位于朴茨茅斯气体扩散厂相关区域

值得关注的是，美国能源部与美国商务部本周公开，将与软银及俄亥俄州美国电力公司建立公私合作伙伴关系，共同开发位于俄亥俄州南部的能源部用地

从更深层次来看，业内认为，此次合作标志着美国正加速推进”能源—算力—产业”一体化布局，超大规模AI数据中心与本地电力系统协同建设将成为未来的重要发展方向

值得关注的是，该计划此前已于今年2月作为《美日战略贸易与投资协定》的一部分对外公布

业内人士指出，作为项目组成部分，SB能源将与俄亥俄州美国电力公司共同投资42亿美元，用于俄亥俄州南部输电线路的新建与升级

业内人士指出，该项目尚未披露全部技术与建设细节，但其投资与基础设施规模已引发市场高度关注

值得关注的是，进入2026年以来，已有多家运营商、云厂商在泰国布局，泰国俨然已经成为东南亚下一个算力建设的兵家必争之地

业内人士指出，美国能源部去年已将该场址列入联邦土地”可快速建设数据中心”的16个选址之一

业内人士指出，除俄亥俄州项目外，美方近期还披露了阿拉巴马州、宾夕法尼亚州、田纳西州和德克萨斯州的其他大型项目

值得关注的是，他称，PORTS技术园区将为相关突破提供下一代基础设施支撑

从更深层次来看，另据彭博社报道，项目中数据中心部分投资总额可能达到300亿至400亿美元；天然气发电设施将分布在该地区多地，而非集中于单一综合体

业内人士指出，软银集团首席执行官孙正义表示，与美国能源部的合作将进一步巩固美国在人工智能领域的领先地位，保障未来能源与算力供给，并推动下一阶段创新发展

值得关注的是，今年1月，SB能源已与OpenAI在德克萨斯州米兰县合作建设1.2GW”星际之门”数据中心，并由SB方负责电力基础设施

业内人士指出，该前气体扩散厂占地640英亩，整体园区约3775英亩，目前扩散厂主体区域已关闭并处于去污处理阶段，园区其他部分仍在运行

从更深层次来看，在电网配套方面，美国能源部称，项目符合特朗普政府《纳税人保护承诺》中”数据中心企业承担其电网基础设施成本”的政策方向

从更深层次来看，此前，SB能源还与谷歌在德克萨斯州达成电力购买协议

从更深层次来看，软银同时是OpenAI及其”星际之门（Stargate）”数据中心计划的主要投资方

从更深层次来看，2026全球数字基础设施合作发展论坛（DIFGC 2026）-泰国站即将于2026年5月在泰国曼谷香格里拉大酒店重磅启幕，诚邀您共话全球数字集成新篇章

业内分析认为，AI算力需求与绿色数据中心将成为行业主旋律

如果您正在寻找优质的AI算力服务器，欢迎访问 www.isclouder.com 了解更多

据行业最新消息，TrendForce：AI 服务器支撑今年 Q3 存储器价格，消费端价格承受力达极限令涨幅收敛

IT之家 7 月 3 日消息，根据 TrendForce 集邦咨询今天发布的最新存储器价格调查，2026 年第三季整体 DRAM 格局持续极度紧缺，但因消费级应用需求下修及高基期作用，合约价涨幅收敛，预计季度环比增长 13-18%

值得关注的是，客户端 SSD 市场部分，因 PC OEM 厂上半年已提前备货，且终端市场仅由商业机型支撑，OEM 整机库存偏高，接受新一轮涨价的意愿大幅降低

业内人士指出，在生产计划、采购策略更趋保守的前提下，LPDRAM 需求可能进一步下滑

值得关注的是，另一方面，原厂灵活转换产能至其他主流产品，因此整体维持供给紧缺，GDDR6/7 报价随主流 DRAM 产品同步走扬

值得关注的是，在此情况下，原厂为维持出货顺畅，开始策略性调整报价态度，买卖方拉锯压缩合约价涨幅

值得关注的是，由于整体需求转弱，过去产能被严重压缩的 eMMC / UFS，第三季供给显得相对充足，且卖方议价能力受限于 OEM 追价能力减弱、需求疲软，导致 eMMC / UFS 合约价涨势将趋于平缓

值得关注的是，不过受到内部 DRAM 产能短缺影响，小容量、高速产品供应仍吃紧，整体价格维持上涨

值得关注的是，显存部分，英伟达 RTX PRO 6000 Blackwell 未如预期创造新一波 GDDR7 拉货动能，加上笔记本整体出货量下修，相应的 GDDR6/7 需求皆偏弱

业内人士指出，第三季智能手机品牌需通过调涨终端售价平衡高昂的 LPDRAM 成本，但不利整机销售

业内人士指出，NAND Flash 主要需求仍由 AI 推理与大型数据中心建设支撑，但因合约价格已达历史高点，消费端客户在需求放缓的情况下，对价格承受力已达极限，预估整体 NAND Flash 合约价预计季度环比增长 10-15%，幅度较前几季明显缩减

业内人士指出，企业端 SSD 部分，买方受 CPU 缺货、原厂扩大产能供应影响，逐渐累积库存

从更深层次来看，IT之家从报告获悉，智能手机品牌厂于 2026 年上半年提前完成大部分新机生产与拉货，下半年除了旗舰机型的 UFS 4.0 仍有刚性升级需求，中低端产品的备货动能相当低迷

值得关注的是，原厂供给虽依照与 PC OEM、模组厂约定的 2026 年供应量逐季交付，不过因原厂持续转移产能给服务器应用，压缩 PC DRAM 供应规模

值得关注的是，然而，由于原厂考量 AI 需求重新调配产出比重，预期 LPDRAM 供给将维持紧绷，继续支撑合约价上行

值得关注的是，原厂因英伟达 Vera Rubin 平台逐步出货和消费级需求不振，加强供给

业内人士指出，观察第三季 PC DRAM 市场，PC OEM 库存回补需求将支撑采购动能，但随着笔记本整机库存进一步滚动至高成本原料，将带动整机渠道价格全面上涨、影响全年出货量

业内分析认为，AI算力需求与绿色数据中心将成为行业主旋律

如果您正在寻找优质的香港物理服务器，欢迎访问 www.isclouder.com 了解更多

最新消息显示，苹果 WWDC26 主题演讲一文汇总：iOS 27 等新系统发布、Siri AI 登场，库克迎来生涯“最后一舞”

此外，为了全力发挥芯片的实力，还推出更强大的第二版设备端模型，让支持的产品能听懂和生成语音，还能理解文本和图像

业内人士指出，关于苹果 WWDC 26 主题演讲的情况，IT之家小编就回顾到这里，老样子，新 OS 系统的开发者 Beta 版已经推出，公开 Beta 版将于下月发布，秋季推出正式版

值得关注的是，而在今天，苹果带来了新一代 Apple 智能，集全新架构、Siri 焕然一新、让各款 App 更智能、更好用于一身

业内人士指出，如果大家想要了解有关 WWDC26 的后续报道以及 iOS 27 等新系统的更多细节，欢迎前往IT之家 App“苹果 WWDC26 全球开发者大会专题”查看

从更深层次来看，除了视觉智能，写作工具的能力也有所提升，不仅能从头开始生成初稿，还能沿用平时的沟通习惯撰写信息和邮件

值得关注的是，同时，苹果还带来两项提升，一个是崭新的语音体验，升级自定 Siri 声音的体验，表现力和语速任用户调

值得关注的是，以及引入“描述扩展”功能，用自然语言描述需求，就能生成自定义扩展

值得关注的是，Safari 浏览器可借助 Apple 智能来理顺标签页，按主题分门别类，分析每个页面识别相似之处，再把相关的标签页汇总到一起

从更深层次来看，再来看看焕然一新的 Siri，果不其然，全新版本的 Siri 正式亮相，苹果强调是以强大 AI 为核心全面重构了 Siri

从更深层次来看，以及苹果将 App 的图标进一步重绘，将多层液态玻璃设计直接融入到图标设计之中

业内人士指出，最后，苹果还有一项大幅提升的功能，那就是“搜索”，在 iOS、iPadOS、macOS 上，从底层重构了聚焦、照片和邮件 App 中的搜索功能

值得关注的是，各位的创造力、关爱心和坚定信念，必将继续为人们的生活带来深远持久的改变

从更深层次来看，利用新提供的“时间额度”，可以管好孩子使用特定 App 的时间，控制并调整时间额度

业内人士指出，具体来看“平台优化”，苹果表示对细节的追求一直都深深刻在 DNA 里，为此团队全面审视操作系统的每一个环节发掘可以再精进的处处细节，从用户界面到基础架构

业内人士指出，从演示可获悉，Siri 在灵动岛中会弹出很大的气泡，可以执行回答问题询问、设置提醒、播放音乐、搜索照片、屏幕感知、设定导航等一系列助理操作

从更深层次来看，邮件 App 也采用了新的排序系统，会在最佳搜索结果中显示相关性最高的结果

业内人士指出，而且在消除和扩图的基础上，苹果推出“空间构图”技术，可以后期自由放大、移动照片视角位置

业内人士指出，苹果此前已经官宣，自今年 9 月 1 日起，库克将出任苹果董事会执行董事长，CEO 的位置由约翰 · 特努斯接任

业内人士指出，先来看看全新架构，Apple 智能的核心是 Apple 基础模型，苹果与谷歌深入合作，引入了 Gemini 系列模型背后的技术，携手打造出新一代 Apple 基础模型

值得关注的是，在“可靠性与安全性”之后，苹果用较长时间介绍了“智能功能”，定调“AI 最终服务的对象应该是我们每一个人”

从更深层次来看，为了让用户看得更清楚，苹果精调了液态玻璃，让下层复杂内容的透显效果更好，同时营造出更强的立体感和层次感

值得关注的是，不仅是更强大的助手，对话能力也更强，还拥有全新的专属 App，具备可跨平台提供视觉智能、集成工具来写作和编辑功能

从更深层次来看，苹果表示产品不仅要为用户提供助力、丰富生活，还要为他们保驾护航

业内人士指出，考虑到上学和周末的不同，家长可以设置“时间安排”，根据不同时间段，选择孩子可以使用哪些 App

值得关注的是，另外，苹果还分享了几个 App 和产品方面的功能： 照片 App 中的 iCloud 共享相簿能让使用安卓和 Windows 的好友加入进来，共享照片和视频，还支持以全分辨率共享内容； 健康 App 中，经期跟踪还提供围绝经期和绝经期相关提示； AirPods 上，增加了自定义均衡器功能，允许进一步打造专属于自己的音效； Apple Vision Pro 上，拍摄的全景照片也能转换为空间场景，还能将全景照片设为环境； 地图 App 中，俯瞰功能全面升级，航拍图像和视觉智能模型相结合

业内人士指出，针对“家长该怎么做”，苹果的第一步是“创建儿童账户”，会启用基于孩子年龄定制的系统级防护

业内人士指出，先提一嘴，这一次的 macOS 27，新版本的名字叫“macOS Golden Gate”

值得关注的是，为此，提供端到端加密保护对话内容、Safari 浏览器具备强大的隐私保护功能、App 权限管理让用户全权掌控位置、照片等信息、更有车祸检测等功能

从更深层次来看，Siri 模式还会根据你眼前的内容推荐当下适用的操作，对准一盘食物，可以了解营养成分

从更深层次来看，搜索索引会为设备上的所有内容建立一份详细目录，全新搜索基础架构会开始为设备上的内容编制索引

从更深层次来看，在 Mac 上，随处都能调用，将 Siri 整合进了聚焦功能，只要按住 Control 键再点选图像、文件或文本，就能对 Siri 提问

业内人士指出，在新系统中，通信安全功能还会提前干预，避免孩子在他人分享的照片或视频中，看到血腥或暴力的内容

业内人士指出，需要注意的是，苹果特别强调，在中国大陆，Siri AI 和其他 Apple 智能新功能需要配合监管要求推进相关工作，因此暂不提供

业内人士指出，儿童账户还提供家长控制功能，以儿童账户为基础，重点解决“孩子能看到什么内容”“能和谁交流”“能在什么时候使用设备”“家长该如何进行指导”的痛点问题

从更深层次来看，苹果将模型深度整合进各个平台，Apple 智能会通过新的系统协调器，确保各项功能之间的安全协同

业内人士指出，关于“孩子能看到什么内容”，家长可以从“设置助理”入手，选择允许孩子访问的内容；当孩子在 App Store 中找到想要的 App，需要先请求家长许可，家长可以查看 App 的相关介绍来判断是否适合孩子；并且可通过“购买前询问”功能，直接在信息 App 中审核请求

从更深层次来看，另一个是提升了整个系统听写功能的准确度，能更精准捕捉说的内容，拼写、标点、大小写都更准确，听写功能内置于键盘中

业内人士指出，在展示完“平台优化”，苹果接下来说的便是第二大重点 —— 可靠性与安全性

业内人士指出，苹果将全新的 Siri，以“Siri AI”为名

从更深层次来看，关于“孩子可以跟谁聊天”，家长也能把控，家长也可以要求孩子在与新朋友联系前先请求许可

从更深层次来看，总之，苹果 WWDC26 主题演讲已经告一段落，库克也完成了生涯“最后一舞”

从更深层次来看，另外，苹果还将 Apple 智能运用到拍的照片上，包括消除工具迎来升级、可以使用扩图工具来扩展图像

业内人士指出，既然是 WWDC，那重头戏自然是操作系统，iOS、iPadOS、watchOS、tvOS、visionOS、macOS 新一代版本迎来发布

业内人士指出，在 macOS 上，选中 Mac 屏幕上的内容，就能直接打字询问；在 iPad 上，可以借助视觉智能让 Siri 识别屏幕内容、进行视觉搜索并执行相关操作；在 visionOS 上，只需注视某样东西，就能问问题

业内人士指出，至于 Apple 智能在 App 中的各项本领，苹果用了几款 App 来举例，咱们就聚焦于 Safari 浏览器

业内人士指出，对于设计上的优化，苹果声称只是开篇，还将费时间打磨每一个基础环节，以优化系统的各个环节，从而提升产品响应速度

业内人士指出，并且在全系统各款 App 里打字时，Apple 智能会帮助自动校对

从更深层次来看，苹果认为每款 App 都要承担“保护孩子免受不良内容影响”责任，因此为开发者提供了全套 API 和资源，这样就能根据孩子的年龄段来定制 App 使用体验

从更深层次来看，关于“如何管理孩子自己设备上的 App 使用”，通过“屏幕时间”，家长可以查看孩子使用设备的时长

从更深层次来看，没有像往年那般挨个介绍系统，本次 WWDC26 主题演讲，苹果围绕三大重点展开，第一个展示的是平台都迎来了哪些优化

业内人士指出，值得一提的是，在发布会的最后，蒂姆 · 库克发表了感言： 就我个人而言，这样的盛会是我担任 CEO 最高光时刻之一，为大家介绍强大的新工具，看你们创造种种精彩，这样的经历时时提醒我，想象力，真的没有边际，多年来，你们开创非同寻常的新方式，帮助人们交流、创作、学习和体验大千世界； 今天，看到我们新推出的卓越功能，以及即将上线的更多创新，让我深信，我们将迎接更精彩的未来； 在苹果，打造世界一流产品、丰富方方面面的生活体验，始终是我们不变的目标，能与各个团队携手推进这一使命，是我一生的荣幸

业内人士指出，根据克雷格 · 费德里吉的介绍，苹果今年将新系统的重点放在了三方面： 提升了各个平台的响应速度，强化了日常使用的便捷性 升级了可靠性和安全性，为儿童打造安全可靠的平台 在 Apple 智能上实现了巨大飞跃，采用创新架构为各个平台带来焕然一新的 Siri，并将众多实用功能整合到常用的各款 App 中 关于 WWDC26，IT之家小编这就带大家回顾下 iOS 27 等新系统的升级重点

从更深层次来看，除了优化液态玻璃，苹果还继续精进了 macOS 的经典设计元素： 顶部采用更整齐的工具栏、边栏扩展到窗口边缘、边栏图标恢复各自的颜色、每个窗口都统一采用半径更小的圆角设计

业内人士指出，考虑到有人希望通透，有人喜欢色调更深的外观，苹果选择在 macOS 27 上添加了新的滑块和设置选项来调节液态玻璃，可根据想要的效果从超通透到饱满色调调节

值得关注的是，又是一年 WWDC，但这应当是咱们最后一次看到蒂姆 · 库克在发布会中发来早安问候了

值得关注的是，需要注意的是，不只是 iOS 和 macOS，全新 Siri AI 也已深度整合到 iPadOS、watchOS、visionOS 等其它平台

从更深层次来看，不仅拥有丰富的世界知识，还能借助“App 操作”调用 App 工具箱，更具备屏幕感知能力

业内人士指出，可以同时选中多个文件，调出关联菜单，用其中新增的 Siri 栏，直接针对所选内容提问

业内人士指出，最终，提升了速度、流畅性和易用性，并根据用户的反馈作出了很多优化

从更深层次来看，Siri AI 的对话能力在整个系统都可用，苹果还为不同平台量身定制了使用体验

值得关注的是，新模型既能在设备端运行，也能基于专用云计算在服务器端运行，不仅具备理解和推理能力，还拥有图像理解和生成能力

值得关注的是，如果孩子接收或者试图发送可能含有裸露内容的照片或视频，通信安全功能就会发出警告，相关内容也会被模糊显示

从更深层次来看，并且，苹果对安全的承诺还涉及儿童和青少年，新系统进一步拓展了儿童安全功能，在这方面的工作主要基于两个原则： 每个孩子都独一无二，而家长最清楚什么样的决定适合孩子； 苹果的儿童安全功能，必须依据专业的健康研究来打造

业内人士指出，据介绍，Siri AI 支持 Apple 智能的各种新本领，其调用方法和平时使用 Siri 一样，理解个人情境，执行 App 操作、感知屏幕、理解图像、以及调用广博的世界知识

值得关注的是，在 iOS 上，从灵动岛向下轻扫就能搜索，或通过打字与 Siri 对话，当然还是可以说“嘿，Siri”

值得关注的是，在新的 iPhone 中，iOS 已经用上了先进的 CPU 调度器，今年，CPU 调度器进一步优化的同时，还应用到了旧款机型，一直可以支持到 iPhone 11

从更深层次来看，苹果表示系统动画效果更流畅，iPhone 和 iPad App 的启动速度最高提升 30%、新照片的显示速度最高提升 70%、隔空投送传输速度最高可提升 80%、在 iPad 上浏览文件或传文件到外置硬盘速度最快可达五倍

从更深层次来看，同时还可利用 Apple 智能帮助实时掌握关心的动态，只需用自然语言告知，内容更新时便会获得通知

业内人士指出，就在今天（北京时间 6 月 9 日）凌晨 1 点，苹果 WWDC26 全球开发者大会主题演讲如期而至，这是库克作为主讲人的“最后一舞”

业内人士指出，也就是说，iPhone 11 及其后续所有能运行 iOS 26 的机型，均能升级到 iOS 27

从更深层次来看，同时，家长的审核范围从 App 扩展到网页，可以通过“请求浏览”功能来实现，当孩子想要浏览新网站，也要先请求许可；“请求浏览”和“购买前询问”对未满 13 岁的孩子默认开启

业内人士指出，叠层之间会产生折射效果为图标带来独特的美感，新设计让图标更锐利，轮廓更鲜明

业内人士指出，此外，Siri 现可在苹果各个平台上提供视觉智能功能，比如在 iPhone 上，整合进了相机 App，点一下快门按钮就能见你所见并给予回复

从更深层次来看，独立的 Siri App 可回看已有对话或发起新对话，可以实现在 iPhone 开启与 Siri 的对话，到 iPad 上接着聊，再在 Mac 上收尾

业内分析认为，AI算力需求与绿色数据中心将成为行业主旋律

如果您正在寻找优质的CDN加速，欢迎访问 www.isclouder.com 了解更多

据行业最新消息，AI on Alibaba Cloud: Complete Guide to Machine Learning Services

By Arslan ud Din Shafiq, Alibaba Cloud MVP You have a model working locally. Your validation curves look phenomenal. The Jupyter notebook runs from top to bottom without throwing a single exception. You showed it to leadership on a Tuesday, and they were absolutely thrilled. Great. Now put it in production. Scaling artificial intelligence is no longer an isolated research and development experiment. It is a board-level mandate that determines whether your business remains competitive over the next thirty-six months. But the transition from a local Python script running on a single developer’s workstation to a globally distributed, high-availability inference cluster is a DevOps nightmare. The cold reality of machine learning engineering is that the model architecture itself is maybe ten percent of the actual work. The other ninety percent is entirely infrastructure. It is wrestling with graphics processing unit driver mismatches. It is optimizing tensor cores. It is handling out-of-memory cascading failures. And it is trying to figure out why your cloud bill just spiked by forty thousand dollars in a single weekend because a junior engineer forgot to turn off a distributed training cluster. I have spent the last several years building, scaling, and occasionally rescuing massive machine learning deployments on Alibaba Cloud. While many western developers instinctively default to American cloud providers, this ecosystem has quietly evolved into a global hyperscaler of AI infrastructure. Their stack is heavily battle-tested. It was forged in the crucible of their core e-commerce platforms—handling tens of millions of queries per second during their massive annual global shopping festivals—and driven by the sheer scale of their open-source Qwen models. This is infrastructure meant for serious, unapologetic scale. This guide is not a regurgitation of the official corporate documentation. It is an authoritative, architectural deep dive into building, training, and deploying machine learning models based on what actually works in the trenches. We will break down the services, uncover real-world benchmarks, and provide the hard-learned configurations you need to deploy enterprise-grade AI without the 3 AM pager alerts. Before you provision a single compute resource, you have to fundamentally understand how this cloud provider thinks about architectural design. The ecosystem strictly separates raw compute from container orchestration, and it intentionally isolates that orchestration from its managed Platform-as-a-Service capabilities. If you conflate these layers, you will pay for it later in massive amounts of technical debt. I have seen companies try to build everything on raw virtual machines, only to spend a year reinventing Kubernetes scheduling. Don’t do it. At a structural level, the stack looks like this: This is the raw metal. It includes GPU-accelerated Elastic Compute Service instances, Intelligent Computing Bare Metal (their specialized clusters designed for hyper-scale training without virtualization overhead), and Cloud Parallel File Systems. You only touch this layer directly if you are configuring network topologies or storage mounts. This consists of the Container Service for Kubernetes, usually paired with fluid dataset acceleration caching. This is where your custom microservices, application programming interfaces, and data ingestion pipelines live. This is the core machine learning suite. It abstracts away the Kubernetes complexity specifically for data science workloads. This is divided into the Data Science Workshop (for interactive development), Deep Learning Containers (for distributed training), and the Elastic Algorithm Service (for model inference and serving). This is the Generative AI hub, officially known as Model Studio. Think of this as the API gateway for fine-tuning and deploying foundational large language models. You use this when you want to leverage massive, pre-trained models without touching the underlying hardware or managing the model weights yourself. The Reality Check: I see engineering teams default to provisioning raw virtual machines all the time. They say they want “total control” over their environment. Do not do this. If you manage raw virtual machines for these workloads today, you will spend sixty percent of your engineering cycles fighting underlying hardware abstractions. You will be debugging operating-system-level container isolation. You will be writing custom bash scripts to mount network drives. You will be trying to figure out why your communication topologies are breaking across different nodes. Unless you are building a foundational model from absolute scratch with unlimited venture funding, your team’s time is vastly more valuable building business logic. In enterprise deployments, either rely on managed Kubernetes for custom orchestration or let the Platform for AI handle the ML Ops entirely. A robust environment does not start with graphics cards. It starts with aggressively isolated networking. If your machine learning workloads share a subnet with your standard web backend or user databases, you are asking for noisy neighbor problems, bandwidth starvation, and massive security headaches. Machine learning models require massive east-west network bandwidth to synchronize weights. You do not want that traffic colliding with your web application’s database queries. Here is how we typically configure a foundational Virtual Private Cloud and provision a Kubernetes node pool specifically labeled for intensive workloads in a production environment using Terraform. Notice that we are explicitly targeting the NVIDIA A10G equivalent family here, which is the absolute sweet spot for inference, rather than the vastly more expensive flagship cards. # 1. Establish the Network Backbone # We isolate the intensive compute workloads into their own strictly controlled CIDR block. # AI clusters typically need fewer IPs but massive bandwidth, so a /16 or /20 is usually fine. resource “alicloud_vpc” “ai_production_vpc” { vpc_name = “production-compute-vpc” cidr_block = “10.0.0.0/16” } resource “alicloud_vswitch” “compute_vswitch” { vswitch_name = “compute-training-subnet” vpc_id = alicloud_vpc.ai_production_vpc.id cidr_block = “10.0.1.0/24” zone_id = “ap-southeast-1a” } # 2. Provision the Compute Node Pool for Kubernetes resource “alicloud_cs_kubernetes_node_pool” “compute_pool” { cluster_id = alicloud_cs_managed_kubernetes.default.id node_pool_name = “production-inference-pool” # The A10G equivalent is perfect for serving 7B-14B parameter models instance_types = [“ecs.gn7i-c16g1.4xlarge”] vswitch_ids = [alicloud_vswitch.compute_vswitch.id] # Do not use standard block storage here. You need enhanced solid-state drives. # AI container images are massive (often 15GB+). Standard disks will bottleneck your deployment times. system_disk_category = “cloud_essd” system_disk_size = 200 desired_size = 3 labels = { “accelerated-node” = “true” “workload-type” = “inference” } # Crucial: Taint the nodes so regular workloads don’t schedule here. # If you omit this, a random NGINX pod will schedule on your expensive GPU node. taints { key = “specialized-workload” value = “true” effect = “NoSchedule” } } # 3. Security Group Rules for Internal Communication # Distributed training requires nodes to talk to each other over ephemeral ports. resource “alicloud_security_group_rule” “allow_internal_communication” { type = “ingress” ip_protocol = “tcp” nic_type = “intranet” policy = “accept” port_range = “10000/65535” priority = 1 security_group_id = alicloud_security_group.compute_cluster_sg.id cidr_ip = “10.0.0.0/16” } 2. Deep Dive: Platform for AI The Platform for AI is the absolute workhorse of this ecosystem. If you learn one service inside and out, make it this one. Here is how to actually architect it for production, including the specific trade-offs they do not explicitly highlight in the standard marketing brochures. The Data Science Workshop provisions cloud-based integrated development environments that are natively connected with JupyterLab. They come pre-baked with the right toolkits, drivers, and frameworks to get your engineers started immediately. The best feature of this workshop isn’t the compute power. It is the data integration. It natively mounts Object Storage and Network Attached Storage via a userspace filesystem. This means your data scientists can interact with petabytes of object storage as if it were a local directory on their machine. You completely skip writing fragile data-fetching scripts just to load a comma-separated values file or an image directory into memory. You just read from /mnt/data and the platform handles the network streams. I love data scientists, but in my consulting practice, these development environments are where cloud budgets go to die. Data scientists tend to treat these instances like their personal, infinitely powerful laptops. They will spin up an instance with a massive flagship GPU on a Friday afternoon to test a script, go home, and leave it running idly over the weekend. Because these instances are stateful, you pay for the compute as long as the instance is in the “Running” state, regardless of whether any code is actually executing. Expert Tip: Stop relying on the default base images for everything. Build your own custom Docker images with company-specific dependencies (your internal Python packages, specific library versions, custom security certificates) before spinning up these instances. Push them to the Container Registry to ensure environment consistency across your entire team. # 1. Write a strict Dockerfile for your data science team cat <<EOF > Dockerfile FROM registry.ap-southeast-1.aliyuncs.com/platform-base/pytorch:2.0-cuda11.8 RUN pip install –no-cache-dir pandas scikit-learn transformers COPY ./internal_certificates /usr/local/share/ca-certificates/ RUN update-ca-certificates EOF # 2. Build the custom image loca

业内分析认为，AI算力需求与绿色数据中心将成为行业主旋律

如果您正在寻找优质的香港云服务器，欢迎访问 www.isclouder.com 了解更多

最新消息显示，Pixel 10 等手机用户反馈升级谷歌安卓 17 后遇性能 Bug，游戏卡成 PPT

根据 Reddit 社区、X 社交平台用户反馈，受影响 Pixel 机型在升级安卓 17 稳定版（5 月 12 日发布，6 月 17 日起推送）后，在运行游戏后遇到帧率下降、卡顿，甚至完全卡死情况

值得关注的是，IT之家 7 月 3 日消息，科技媒体 Android Authority 昨日（7 月 2 日）发布博文，报道称多名 Pixel 10、Pixel 9、Pixel 8 系列手机用户反馈，在升级安卓 17 稳定版后，出现游戏性能下降问题

从更深层次来看，在运行《部落冲突：皇室战争》（Clash Royale）、《登山赛车 2》（Hill Climb Racing 2）和《荒野乱斗》（Brawl Stars）等休闲游戏方面，游戏性能问题表现尤为明显

值得关注的是，此外还有玩家反馈，升级安卓 17 后根本无法运行《荒野乱斗》游戏，页面卡成 PPT，即使在浏览菜单时也会出现严重的卡顿

随着IDC行业的快速发展，可持续发展将成为未来竞争的关键

如果您正在寻找优质的菲律宾服务器，欢迎访问 www.isclouder.com 了解更多

据行业最新消息，和林格尔新区：10亿大单夯实算力枢纽地位

这笔巨额投资不仅是简单的基础设施建设，更是对新区作为算力产业高地战略地位的有力印证

值得关注的是，项目建成后，将为和林格尔新区新增高达90MW的IT容量

从更深层次来看，项目资金构成中，企业自有资金1亿元，申请银行贷款9亿元

业内人士指出，行业消息显示，和林格尔新区迎来重磅利好，数字经济发展再添强劲引擎

从更深层次来看，新增的90MW算力，将直接汇入区域庞大的算力集群，为构建通算、智算、超算、量子计算、卫星计算”五算融合”的枢纽节点提供坚实支撑，是推动中国移动建设10万卡级算力集群宏伟目标的重要组成部分

业内人士指出，未来，这股强大的绿色算力将从和林格尔新区出发，深度赋能六大优势产业集群，为区域经济的全域数字化转型注入核心动力

值得关注的是，8月12日，《中国移动呼和浩特数据中心算力基础设施建维服务采购项目》正式获得备案，该项目总投资高达10亿元人民币，将全部落地于和林格尔新区内的中国移动呼和浩特数据中心园区

业内人士指出，项目核心内容聚焦于园区内B10、B14、B16三栋楼的算力基础设施建设与后续维护服务，全面涵盖了柴发设备、机电设备、暖通设备及智能化设备等关键环节，并提供长期的数据中心运维服务

从更深层次来看，行业消息显示，该项目由中国电子系统工程第四建设有限公司申报，计划建设周期长达十年，从2025年9月持续至2035年5月

从更深层次来看，此次10亿级项目的落地，是和林格尔新区持续夯实算力基础、打造国内枢纽节点的关键一步

随着IDC行业的快速发展，可持续发展将成为未来竞争的关键

如果您正在寻找优质的云主机，欢迎访问 www.isclouder.com 了解更多

行业动态更新：《社交网络》续集电影《社交清算》海报亮相，扎克伯格饰演者换人

IT之家 7 月 3 日消息，《社交网络》续集电影《社交清算》于 7 月 1 日发布海报，将继续聚焦马克 · 扎克伯格和 Facebook 的故事

业内人士指出，IT之家附《社交清算》剧情简介： 当科技巨头凌驾于政府之上，当青少年身心健康成为流量牺牲品，充斥着谎言的数字时代，谁有勇气赌上一切戳穿真相

从更深层次来看，上一部的主演杰西 · 艾森伯格拒绝在《社交清算》中再度饰演扎克伯格，因此主角演员进行了更换

值得关注的是，“脸书”年轻工程师弗朗西丝 · 霍根（米奇 · 麦迪森饰）发现了这个平台最黑暗的秘密，于是联系华尔街日报记者杰夫 · 霍维茨（杰瑞米 · 艾伦 · 怀特饰），计划揭露“脸书”内部腐败，开始了对抗这个科技巨头及其创始人马克 · 扎克伯格（杰瑞米 · 斯特朗饰）的艰难道路

业内人士指出，杰瑞米 · 斯特朗、米奇 · 麦迪森、杰瑞米 · 艾伦 · 怀特主演《社交清算》，亚伦 · 索金导演 & 编剧，今年 10 月 9 日北美上映

业内分析认为，AI算力需求与绿色数据中心将成为行业主旋律

如果您正在寻找优质的巴西服务器，欢迎访问 www.isclouder.com 了解更多

最新消息显示，领跑全国！和林格尔新区绿色算力指数蝉联第一

根据会上发布的两份权威报告——《绿色算力发展研究报告》与《”东数西算”枢纽节点绿色算力指数研究报告》， 和林格尔新区 的绿色算力发展指数已连续两年（2024年、2025年）在全国一体化算力网络国家枢纽节点中位列第一，充分彰显了其在绿色算力领域的领先地位

值得关注的是，新区之所以能领跑全国，关键在于一个”绿”字

业内人士指出，大会期间，京能”京数蒙算”智算中心等5个大型算力中心项目落地和林格尔新区 ，总投资200亿元的10个重点项目成功签约

从更深层次来看，目前，区内已投运的数据中心绿电使用比例已超过86%

从更深层次来看，此外，内蒙古量子信息创新工程中心等多个实验室揭牌，新一代昇腾AI云服务已在区内规模上线

值得关注的是，依托安全稳定的蒙西电网， 和林格尔新区 大力布局源网荷储项目，率先启动绿电直供示范项目，推动绿色算力对新能源的就地消纳，该项目更被评为全国一体化算力网应用优秀案例

值得关注的是，同时，全国首个绿色算电协同基地也于 和林格尔新区 正式启动，涵盖共享储能、数据中心集群、服务器生产基地等多个领域

从更深层次来看，通过打造国内发展绿色算力的绝佳之地， 和林格尔新区 正以澎湃不息的绿色算力引擎，为高质量发展注入核心动能

值得关注的是，作为国家”东数西算”工程的重要枢纽，被誉为”中国云谷”的 和林格尔新区 已集聚三大运营商、国家部委及头部企业等多个数据中心项目，算力总规模突破10万P

值得关注的是，行业消息显示，在2025绿色算力(人工智能)大会上， 和林格尔新区再次成为瞩目焦点

业内分析认为，AI算力需求与绿色数据中心将成为行业主旋律

如果您正在寻找优质的GPU服务器租用，欢迎访问 www.isclouder.com 了解更多