Author: admin

据行业最新消息，AI 指纹识别 + 9 种开锁方式：小米智能门锁 E30 星辰黑 999 → 492 元新低

同时锁体中内置虚掩传感器，家门虚掩时也可及时提醒

值得关注的是，低电量时有提醒，若电量全部耗尽还可用 Type-C 外接充电宝为门锁应急供电完成开锁

从更深层次来看，产品提供 9 种开锁方式，包括 AI 指纹、长期密码、周期 / 一次性密码、手机蓝牙、应急钥匙、NFC 门卡（加购）等，采用新一代半导体指纹识别技术，内置 AI 算法，每次识别都可自主学习积累指纹特征，支持丰富多样的智能穿戴设备开锁

业内人士指出，该产品将离合内置于锁体，配合直插式 C 级锁芯贯穿锁体结构设计，防止外力拆卸外面板后直接开门，也能防暴力下压外把手开门

从更深层次来看，今日天猫自营“天猫优品官方旗舰店”开启狂促，下单立减 500 元，叠加淘金币抵扣后，实付 491.5 元近期新低： 点击下方卡片后 → 点击淘宝 App 右上角三个点“…” → 点击弹出页面右下角淘金币，可抵扣 7.5 元

业内人士指出，续航方面，门锁采用 4 节碱性干电池供电，持久续航长达 12 个月

从更深层次来看，产品可搭配具备蓝牙 Mesh 网关功能的设备共同使用，可通过米家 App 远程查看门锁的告警通知，还可将门锁设备管理权限与家人共享，一起管理门锁

业内人士指出，小米 2026 年 2 月 8 日上架“小米智能门锁 E30 星辰黑”，其支持 AI 指纹识别、9 种开锁方式，定价 999 元

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服务器，欢迎访问 www.isclouder.com 了解更多

行业动态更新：Equinix投资1.9亿美元在马来西亚建设第四座数据中心

据报道，KL2数据中心选址距离Equinix现有的KL1数据中心不到1公里

值得关注的是，在技术配置方面，为满足人工智能（AI）与高性能计算的需求，该数据中心的部分规划容量将支持液冷技术

值得关注的是，建成后，其主要服务对象涵盖跨国企业、超大规模运营商及数字企业，旨在提供从灵活零售到大规模部署及高密度工作负载的算力基础设施服务

值得关注的是，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），并关注下午召开的DIF Lounge研讨会，与真正参与泰国 AI 数据中心建设一线决策者和工程伙伴面对面交流，提前锁定合作、项目与生态位置

从更深层次来看，5月12日，数据中心服务商Equinix公开，计划斥资1.9亿美元（约合7.47亿林吉特），在马来西亚雪兰莪州赛城建设一座名为KL2的新数据中心

从更深层次来看，根据行业消息，Equinix目前在亚洲地区的投资组合共包含65座数据中心

从更深层次来看，该项目是Equinix在马来西亚布局的第4座数据中心

值得关注的是，此外，KL2项目设定了从运营首日起即实现100%可再生能源覆盖的目标，但暂未披露具体的电力容量数据

从更深层次来看，目前，Equinix已购得该项目相邻的土地，作为其在马来西亚长期扩张策略的一部分，以支持未来的扩建需求

从更深层次来看，该项目全面建成后，规划将提供超过2200个机柜

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双ISP住宅IP，欢迎访问 www.isclouder.com 了解更多

最新消息显示，绿电直连成“硬门槛”：和林格尔新区国家枢纽节点数据中心迎低碳发展新考卷

作为国家枢纽节点数据中心的所在地，和林格尔新区正处于这场绿色能源变革的核心，其算力中心等重点产业将全面迈入“绿电直连”新时代

值得关注的是，和林格尔新区的企业将优先通过两种方式履约：一是参与绿电交易，二是建设绿电直连项目

值得关注的是，行业消息显示，内蒙古自治区发展改革委、能源局联合印发新规，为高耗能项目设定了绿电消费的“硬门槛”

从更深层次来看，这意味着，在和林格尔新区，谁能使用更高比例的绿电、具备更优的能效水平，谁就能在项目审批和发展空间上脱颖而出

值得关注的是，同时，存量企业若通过绿电直连实现低碳改造，其新增的碳减排量还可用于区域新建高耗能项目的指标置换

业内人士指出，政策明确规定，国家枢纽节点数据中心等重点行业新建项目，必须落实自治区年度绿电消费比例目标

业内人士指出，在项目审批和评价机制上，和林格尔新区的新建项目将面临更精细的“绿色考核”

值得关注的是，对于和林格尔新区而言，算力中心产业的未来竞争已不再局限于产能与成本，更在于比拼谁拥有更低碳、更稳定的能源供应体系

业内人士指出，企业在审批时必须签订非化石能源及绿电消费履约承诺书，且碳排放测算需严格区分绿电直连、外购绿电与电网火电等不同来源

业内人士指出，企业的绿电设施若未按要求建设、比例未达标或建成后闲置不用，将直接导致无法通过节能验收，项目坚决不得投产

值得关注的是，符合条件的企业被鼓励配套建设自发自用新能源，探索单用户或多用户绿电直连及“源荷一体”模式

值得关注的是，即便投产，若绿电指标不达标，也必须通过绿电替代改造完成整改

值得关注的是，未来，和林格尔新区的新建数据中心项目要想成功落地，绿电消费能力已成为核心考量

业内人士指出，随着绿电直连从“鼓励方向”转变为“硬性门槛”，和林格尔新区的新能源就近消纳与零碳园区建设，正迎来极具潜力的全新发展窗口

值得关注的是，若项目落户于零碳园区，更将获得优先推进绿电直连的政策红利

值得关注的是，此外，和林格尔新区的绿电直连应用将进入严苛的全过程监管阶段

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

最新消息显示，NHN在韩国推出7656张NVIDIA B200 GPU集群

韩国IT企业NHN Cloud于5月13日公开，已在其位于首尔永登浦区杨坪洞（Yangpyeong-dong, Yeongdeungpo-gu）的专用AI数据中心完成并启动运营一个由7656张NVIDIA B200 GPU组成的集群

从更深层次来看，目前集群已全面投入运营，用户可通过NHN Cloud平台申请使用

从更深层次来看，该集群通过GPU即服务（GPUaaS）向公共部门、产业界及学术研究机构开放

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），并关注下午召开的DIF Lounge研讨会，与真正参与泰国 AI 数据中心建设一线决策者和工程伙伴面对面交流，提前锁定合作、项目与生态位置

业内人士指出，NHN Cloud此前已在光州等地建设AI数据中心，并为企业客户提供Blackwell系列GPU基础设施

业内人士指出，韩国政府与NVIDIA等合作，正全国范围内推动数十万张GPU的AI基础设施建设

业内人士指出，项目总投资约1万亿韩元（约6.71亿美元），是韩国”加强AI计算资源利用基础项目”的一部分

值得关注的是，杨坪洞数据中心专为高密度计算环境设计，全面采用液冷（水冷）系统,是NHN Cloud在韩国运营的四个数据中心之一，专注于AI高密度算力需求

业内人士指出，NHN Cloud表示，将继续通过该集群提供稳定、高效的GPU云服务

从更深层次来看，7656张GPU中，约6120张将用于韩国科学与ICT部等国家主导的AI项目

业内人士指出，NHN Cloud将约4000张GPU分组形成单个大型集群，优化了高性能AI模型开发所需的超大规模并行计算能力

业内人士指出，NHN Cloud于2025年7月获得该项目合同

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家宽IP，欢迎访问 www.isclouder.com 了解更多

最新消息显示，Pagination at Scale: How PolarDB-X Handles 10K+ QPS Queries over 100-Billion-Row

Pagination is one of the most common query patterns in online applications. For small tables, pagination rarely becomes a performance bottleneck. But on large order tables in a distributed database, pagination queries face a series of challenges: unstable index selection, expensive table lookups, and more. This post draws from real production cases to share several optimization insights for paginated queries on large order tables in PolarDB-X. A few notes before we begin: • Table schemas and SQL statements in this post have been anonymized and do not represent real business data. • The optimization strategies described here are based on PolarDB-X’s distributed architecture. Some ideas also apply to other distributed databases. • Intermediate operators that do not affect understanding have been omitted from the diagrams. In PolarDB-X’s partitioning design [1], the most common approach for order tables is a two-level scheme: first-level KEY partitioning plus second-level RANGE partitioning: • First-level KEY partitioning: Uses the user ID as the partition key, ensuring that all data for a given user lands in the same first-level partition. This satisfies per-user query requirements. • Second-level RANGE partitioning: Uses a time field as the partition key, divided by date. Second-level partitions can integrate with TTL [2] for automatic expired data cleanup and partition rolling, or with cold data archiving [3] to move historical data to Object Storage Service (OSS) and then query across hot and cold storage via hybrid queries. A typical order table DDL looks like this (anonymized): CREATE TABLE `t_order` ( `id` bigint NOT NULL, `uid` bigint NOT NULL, `channel_id` int NOT NULL DEFAULT ‘0’, `sub_id` bigint DEFAULT ‘0’, `biz_type` tinyint NOT NULL, `product_id` bigint NOT NULL, `type` tinyint NOT NULL, `sys_type` tinyint NOT NULL DEFAULT ‘0’, `state` tinyint NOT NULL, `order_price` decimal(32, 16) NOT NULL DEFAULT ‘0.0000000000000000’, `order_qty` decimal(32, 16) NOT NULL DEFAULT ‘0.0000000000000000’, `filled_qty` decimal(32, 16) NOT NULL DEFAULT ‘0.0000000000000000’, `origin` tinyint NOT NULL, `client_order_id` varchar(64) DEFAULT NULL, `pnl` decimal(32, 16) NOT NULL DEFAULT ‘0.0000000000000000’, — … Other business columns are omitted … `pt` datetime(3) NOT NULL, `create_ts` timestamp(3) NOT NULL DEFAULT CURRENT_TIMESTAMP(3), `update_ts` timestamp(3) NULL DEFAULT CURRENT_TIMESTAMP(3), PRIMARY KEY (`id`), KEY `idx_update_ts` (`update_ts`), KEY `idx_composite_1` (`uid`, `id`, `channel_id`, `product_id`, `biz_type`, `type`, `sys_type`, `client_order_id`, `origin`, `create_ts`, `update_ts`, `pt`, `sub_id`), KEY `idx_composite_2` (`uid`, `biz_type`, `id`, `channel_id`, `product_id`, `type`, `sys_type`, `client_order_id`, `create_ts`, `update_ts`, `pt`, `sub_id`), KEY `idx_uid_biz_prod` (`uid`, `biz_type`, `product_id`, `id`, `channel_id`, `type`, `sys_type`, `update_ts`, `pt`, `sub_id`, `origin`, `state`) ) ENGINE = InnoDB PARTITION BY KEY(`uid`) PARTITIONS 128 SUBPARTITION BY RANGE(TO_DAYS(`pt`)) (SUBPARTITION `p202308` VALUES LESS THAN (739129), SUBPARTITION `p202310` VALUES LESS THAN (739190), SUBPARTITION `p202311` VALUES LESS THAN (739220), SUBPARTITION `p202312` VALUES LESS THAN (739251), SUBPARTITION `p202401` VALUES LESS THAN (739282), SUBPARTITION `p202402` VALUES LESS THAN (739311), SUBPARTITION `p202403` VALUES LESS THAN (739342), SUBPARTITION `p202404` VALUES LESS THAN (739372), SUBPARTITION `p202405` VALUES LESS THAN (739403), SUBPARTITION `p202406` VALUES LESS THAN (739433), SUBPARTITION `p202407` VALUES LESS THAN (739464), SUBPARTITION `p202408` VALUES LESS THAN (739495), SUBPARTITION `p202409` VALUES LESS THAN (739525), SUBPARTITION `p202410` VALUES LESS THAN (739556), SUBPARTITION `p202411` VALUES LESS THAN (739586)); This table has several design characteristics worth noting: • Wide table design: 60+ columns with large per-row data volume, making table lookups expensive. • Multiple covering indexes: idx_composite_1, idx_composite_2, and others include many columns, designed to cover common query patterns and reduce table lookups. • Monthly second-level partitions: Each first-level partition has over a dozen subpartitions, growing continuously over time. For paginated queries on large order tables, we have identified five key insights: Users frequently query recently modified order details with queries like: SELECT * FROM t_order WHERE uid = 12345678 AND pt >= ‘2024-08-01 00:00:00.000’ AND update_ts > ‘2024-11-13 14:20:00.000’ AND update_ts < ‘2024-11-13 14:25:00.000’ AND origin != 33 ORDER BY id DESC LIMIT 0, 100; For small users, filtering by uid produces a small enough dataset that performance is not an issue. But for large tenants, this query becomes a slow query. Here is why: The condition pt >= ‘2024-08-01′ forces the query to scan four subpartitions: p202408, p202409, p202410, and p202411. However, the update_ts filter restricts the results to orders modified in the last few days, and recently modified orders tend to be recently placed orders — so the actual results all come from the p202411 partition. The other three partitions are scanned for nothing. The cost of wasted scans is high: on a large tenant’s partition, a wasted scan essentially reads through all the partition’s data, becoming a long-tail slow query. Partition pruning by filter predicates is about avoiding exactly this kind of long tail. The previous section discussed cases where a column in the filter predicate correlates with the partition key. A more common scenario is when the user’s SQL contains only uid as a filter — no time-related predicates at all. In this case, partition pruning on pt is impossible, and the query must scan all subpartitions under the corresponding first-level partition. SUBPARTITION `p202308` VALUES LESS THAN (739129), SUBPARTITION `p202310` VALUES LESS THAN (739190), … SUBPARTITION `p202409` VALUES LESS THAN (739525), SUBPARTITION `p202410` VALUES LESS THAN (739556), SUBPARTITION `p202411` VALUES LESS THAN (739586)) Suppose the p202410 partition already satisfies the Top 100 requirement, and qualifying orders in the remaining dozen-plus partitions are not in the Top 100. In a distributed database, a logical SQL is split into multiple physical SQL statements pushed down to individual partitions, with the results merged via merge sort. The problem is: The overall query latency is determined by the slowest physical SQL — the partitions with wasted scans. Under the original merge logic: All partitions’ physical SQL statements must complete before the merge sort can proceed. Long-tail partitions drag down the overall latency. Partition pruning by sort column addresses exactly this kind of long tail. The key to fast pagination on row stores is early termination: rather than filtering first and then sorting to pick the top K, the query should exploit index ordering to filter and pick the top K simultaneously, stopping as soon as enough rows are found. Equality predicates naturally exploit index ordering. But OR conditions break index ordering and prevent early termination. SELECT * FROM t_swap WHERE asset_a = ‘TOKEN26’ OR asset_b = ‘TOKEN50’ ORDER BY id LIMIT 100; In the query above, asset_a and asset_b each have their own index. Splitting the OR condition allows each branch to exploit index ordering for early termination on ORDER BY id. IN conditions are a special case of OR and can be handled the same way. SELECT * FROM ( (SELECT * FROM t_swap WHERE asset_a = ‘TOKEN26’ ORDER BY id LIMIT 100) UNION (SELECT * FROM t_swap WHERE asset_b = ‘TOKEN50’ ORDER BY id LIMIT 100) ) t ORDER BY id LIMIT 100; Insight 4: reducing table lookups For wide tables (60+ columns), SELECT * with table lookups is extremely expensive. The random I/O from table lookups is orders of magnitude slower than sequential scans, making it one of the primary performance bottlenecks for pagination queries. If an index contains all the columns the query needs, no table lookup is required. The wide indexes like idx_composite_1 described above serve exactly this purpose. However, covering indexes come at a cost: the indexes themselves consume significant storage, and writes must maintain more indexes. When covering indexes cannot cover SELECT *, late materialization can be used: first retrieve the list of qualifying primary keys through a covering index (fetching only the LIMIT number of rows), then do a primary-key lookup to get the full data. SELECT * FROM t_order WHERE uid = 1 AND channel_id = 0 AND sub_id IN (0) AND id > 123456789 ORDER BY update_ts DESC LIMIT 0, 20; Rewritten with late materialization: SELECT t_order0.* FROM ( SELECT id, uid, pt FROM t_order WHERE uid = 1 AND channel_id = 0 AND sub_id IN (0) AND id > 123456789 ORDER BY update_ts DESC LIMIT 20 ) AS t3 INNER JOIN t_order AS t_order0 ON t3.id = t_order0.id AND t3.uid = t_order0.uid AND t3.pt = t_order0.pt ORDER BY t_order0.update_ts DESC LIMIT 20; The inner query uses covering index idx_composite_1 to retrieve only the primary key and partition keys, avoiding massive random table-lookup I/O. The outer query performs pinpoint primary-key lookups for just those rows, reducing the number of table lookups from a full scan down to at most 20. Beyond SQL-level optimizations, PolarDB-X also optimizes table lookups at the storage engine level, including Guess Primarykey Pageno (GPP) and physical addressing optimization4, which reduce I/O amplification during table lookups and improve cache hit rates. For large order tables, memory is never enough. If the wrong index is chosen, large volumes of data are loaded into the buffer pool, polluting the cache and triggering a cascading failure. With the ever-changing filter predicates of pagination queries, index selection lacks determinism and can trigger a cascade at any time. There is a well-established methodology for pagination query index design: Today, users typically rely on AI to design SQL indexes. AI produces

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直播服务器，欢迎访问 www.isclouder.com 了解更多

最新消息显示，150亿算力服务大单曝光；某建筑央企领衔智算EPC；7.2亿国产Token工厂定标；液冷+绿电直供，中建八局10亿拿下某项目｜算力情报局Vol.09

本次招标旨在完成上述数据中心基础设施及其配套系统、以及机房基础安全、防雷接地等全部相关保障和一期所需微模块等建设工作

业内人士指出，建设四栋数据中心机房楼、一栋动力中心、一栋运维中心，配套1座110kV变电站

值得关注的是，▸ 48个亿元级算力大单集中爆发，产业链全面释放 ▸ 运营商与企业双轮驱动，百亿级服务器集采落地▸ 移动集采6.29万台PC服务器，浪潮中兴中标43亿▸ 东阳光算力服务大单超150亿，租赁模式加速渗透▸ 千P级智算集群落地，国产算力持续扩容▸ 建筑央企领衔智算EPC，园区化建设密集开工▸ 数据中心向”AI工厂”演进，算力生产体系形成▸ 源网荷储协同推进，绿电直供驱动零碳算力 自2026年6月中旬以来，国内算力基础设施建设呈现阶段性加速态势

业内人士指出，本次招标预估采购金额为26637.22万元

从更深层次来看，本阶段48个算力大单释放出清晰产业信号：AI基础设施建设正在从早期规模扩张阶段进入体系化建设阶段

值得关注的是，相比过去依赖自建数据中心、采购服务器形成算力资产的模式，越来越多企业开始转向算力租赁、托管服务、裸金属服务以及一体化算力交付模式，通过服务化方式快速获取AI基础设施能力

从更深层次来看，9.2亿 · 天津移动武清数据中心A1机房楼机电集采项目启动 7月10日，中国移动通信集团天津有限公司发布《中国移动京津冀（天津）武清数据中心A1机房楼机电配套系统集成集中采购项目》招标公告，预算为91850万元

值得关注的是，从项目结构来看，算力基础设施建设正在呈现出多维度扩张特征

从更深层次来看，16.8亿 · 北京大学新燕园数据中心机房建设公布中标结果 7月7日，北京大学发布《2026年北京大学新燕园校区数据中心机房基础设施建设项目》中标公告，联通数字科技有限公司以167761.48万元中标

值得关注的是，6.8亿 · 中国电信内蒙古B12智算中心机电EPC启动招标 7月3日，中国电信股份有限公司云计算内蒙古分公司发布《中国电信股份有限公司云计算内蒙古信息园2026年B12智算中心及B16动力中心机电配套工程EPC总承包》招标公告，预算为67674.1万元

业内人士指出，— 想要获取48个完整算力大单详情，请扫描文章底部二维码，联系工作人员（IDC-李融）订阅《算力产业核心内刊》企业Pro版服务 — 算力服务需求持续攀升，租赁托管模式加速渗透 随着人工智能应用进入规模化落地阶段，企业获取算力资源的方式正在加速重构

从更深层次来看，未来，能够同时具备算力供给能力、能源保障能力、服务运营能力和生态整合能力的企业，将成为智算产业下一阶段竞争的核心力量

值得关注的是，项目招标范围为36MW（兆瓦）机柜托管服务

业内人士指出，40亿 · 智微智能大规模采购服务器及配套设备 6月22日，深圳市智微智能科技股份有限公司发布《拟购买资产的公告》

从更深层次来看，配置英伟达显卡、384台服务器和222台机柜，总算力达6000P@FP16

从更深层次来看，10亿 · 中建八局中标观成科技绿色算力中心项目 6月25日，《观成科技绿色算力中心项目》中标结果，中国建筑第八工程局有限公司以100391.41万元中标

从更深层次来看，行业消息显示，该项目总用地面积约26亩，总建筑面积为32900㎡，容积率1.90

业内人士指出，8.5亿 · 华为中标广东移动数据中心机电工程EPC项目 7月13日，中国移动通信集团广东有限公司、中国移动通信集团有限公司广东分公司发布《2026 年广东移动数据中心机电工程设计施工一体化（EPC）框架服务（第一批）公开招标采购项目》中标候选人公示，华为技术服务有限公司（联合体：广东省电信规划设计院有限公司）以84611万元中标

值得关注的是，从算力供给侧看，高性能服务器采购持续放量，运营商、金融、能源、制造等行业客户正在成为算力基础设施建设的重要参与者；从需求侧看，企业获取AI能力的方式正在由设备采购向算力服务转变，租赁、托管、云化交付模式快速渗透，推动算力由固定资产向持续性生产资料演进

值得关注的是，50.8亿 · 赛意信息拟斥资采购高性能算力服务器 7月14日，广州赛意信息科技股份有限公司发布《购买资产的公告》

值得关注的是，该项目采购方式为竞争性磋商，预估采购金额为37056.05万元

业内人士指出，2.7亿 · 中国电信张北园区通信电源配套二期EPC定标 6月18日，中国电信集团有限公司智慧云基地张北园区建设运营中心发布《2026年通信电源配套二期工程EPC总承包项目》中标候选人公示，广东省电信规划设计院有限公司（联合体：中通服建设有限公司）中标

值得关注的是，本阶段多个大型机电配套项目集中释放，建设内容已从传统供配电、空调制冷扩展至液冷系统、高压供电、智能化运维以及绿色能源体系

业内人士指出，公告称，行云科技股份有限公司控股子公司海南行云智算科技有限公司与VC客户达成了《计算平台服务协议》及《补充协议》，海南行云向VC客户提供算力服务，协议服务期限为5年，含税总金额为550848万元

业内人士指出，本阶段多个十亿级智算园区项目密集推进，建设模式逐渐从传统机房建设转向集数据中心、能源保障、算力平台、产业导入于一体的综合型基础设施建设

业内人士指出，公告显示，广州赛意信息科技股份有限公司召开第四届董事会第十五次会议，审议通过了《关于购买资产的议案》，根据经营发展需要，拟向供应商采购高性能算力服务器，并达成相关采购合同，合同总金额预计不超过人民币507935万元

值得关注的是，整体来看，算力硬件市场正在进入集中放量阶段，服务器产业链迎来新一轮增长周期

值得关注的是，3.7亿 · 建行公开华为智算服务器采购结果 7月2日，中国建设银行发布《华为智算服务器》采购结果信息公开

从更深层次来看，项目选址于甘肃省庆阳市西峰区东数西算产业园区内，占地约39373.33㎡（59.00亩），总建筑面积113136.8㎡

值得关注的是，11.6亿 · 云境智算中心项目（EPC）公布中标候选人 7月15日，景泰县云境智算科技有限公司发布《云境智算中心项目（EPC）》中标候选人公示，陕西建工第十六建设有限公司（联合体：甘肃土木工程科学研究院有限公司）以115640万元中标

业内人士指出，机电配套全面升级，液冷与绿电成新建标配 随着AI大模型训练、推理以及智能体应用快速发展，智算中心单机柜功率密度持续提升，传统数据中心基础设施体系正在面临重构

从更深层次来看，17.6亿 · 联通（青海）绿电智算公司采购4608P算力服务 7月15日，联通（青海）绿电智算科技有限公司发布《与某公司算力服务项目》招标公告，预算为175775.36万元

业内人士指出，行业消息显示，本期集中采购产品为PC服务器约6.29万台

从更深层次来看，本次采购内容包括中国移动京津冀（天津）武清数据中心A1机房楼机电配套系统集成集中采购，预估约包含3000个IT机柜，IT功率为55000kW，包含与本项目有关的设备采购、设备安装、调试运行等内容

值得关注的是，从采购主体来看，运营商依然是算力基础设施投资的重要力量，中国电信、中国移动、中国联通持续推进高性能服务器集中采购和智算中心建设

业内人士指出，公告称，广东东阳光科技控股股份有限公司收到控股子公司东莞东阳光云智算科技有限公司与某企业C公司达成《算力服务采购合同》，合同预计总金额区间为人民币130亿元至150亿元，合同期限为合同约定的订单验收通过后60个月

从更深层次来看，本阶段多个十亿级算力服务项目集中落地，显示算力正在由一次性设备投资转向持续性资源消费

业内人士指出，从产业链视角看，机电系统正在成为智算基础设施竞争的核心环节，液冷、高压直流供电、绿电直供、储能调节等技术逐渐由探索阶段进入规模化应用阶段

值得关注的是，服务器不再只是单纯的硬件采购，而成为支撑人工智能应用发展的核心生产资料；数据中心也不再只是承载存储和计算的物理空间，而正在演变为面向大模型训练、推理以及智能体应用的算力工厂

值得关注的是，随着AI应用从模型训练阶段进入推理和应用阶段，算力需求仍将保持高速增长，围绕算力生产、调度、交付和运营的新型产业生态正在加速形成

业内人士指出，55亿 · 海南行云智算与VC客户达成5年计算平台服务协议 7月1日，行云科技股份有限公司发布《控股子公司海南行云签订日常经营重大合同的公告》

从更深层次来看，未来的数据中心不再只是承载计算资源的物理空间，而将逐步演变为面向大模型训练、推理和智能体应用的”AI工厂”

从更深层次来看，115亿 · 中国电信高性能服务器集采中标结果公示 6月23日，中国电信集团有限公司发布《中国电信高性能服务器（2026-2027年）集中采购项目》中标候选人公示，四川华鲲振宇智能科技有限责任公司、中兴通讯股份有限公司分别中标包1和包2

从更深层次来看，9.9亿 · 青海3000P人工智能算力产业园启动询比 6月17日，青海中清大数据科技有限公司发布《3000 P人工智能算力产业园项目》询比公告，预算为98500万元

值得关注的是，一方面，运营商、金融、能源、制造等行业客户持续加码高性能服务器采购，算力硬件进入集中放量阶段；另一方面，随着企业AI应用需求快速增长，算力获取模式正在从”自建设备”向”购买算力服务”转变，算力租赁、托管和云化交付模式加速渗透

从更深层次来看，从产业趋势来看，液冷、高压供配电、绿电直供、储能以及智能化运维正在成为新一代智算基础设施的重要组成部分

从更深层次来看，该项目拟定采购单节点性能不低于18 PFlops@FP16（非稀疏）的相关配置服务能力清单，共涉及256节点集群的服务供给，共需要4608PFlops@FP16（非稀疏）

从更深层次来看，公告称，为满足公司”智算业务板块”的布局需要，智微智能拟向多家供应商分批采购服务器及配套设备，总金额不超过人民币40亿元

从更深层次来看，中国IDC圈通过对千里马、中国招投标公共服务平台等公开信息进行梳理发现，期间亿元级以上算力相关招标及中标项目至少达到48个，覆盖服务器采购、算力服务、智算园区建设、电力配套、液冷系统等多个环节，产业链投资正在全面释放

从更深层次来看，7.2亿 · 神州数码中标国产智算Token工厂项目 6月30日，杭州瀚融信息技术有限公司发布《国产智算Token工厂项目》中标候选人公示，上海神州数码有限公司以71700万元中标

从更深层次来看，36.6亿 · 中建六局领衔联合体中标智慧蓝图西部智算中心一期 6月29日，智创蓝图数字科技（甘肃）有限公司发布《智慧蓝图西部智算中心一期项目设计、采购、施工总承包》中标候选人公示，中国建筑第六工程局有限公司（联合体：河北省安装工程有限公司、中国市政工程北设计研究院有限公司、甘肃省通信产业服务有限公司）以366143.46万元中标

从更深层次来看，智算园区建设密集开工，建筑央企领衔大额EPC 随着人工智能产业进入规模化发展阶段，智算基础设施建设正在由单体数据中心向园区级、基地级方向演进

业内人士指出，— 想要获取48个完整算力大单详情，请扫描文章底部二维码，联系工作人员（IDC-李融）订阅《算力产业核心内刊》企业Pro版服务 —

业内人士指出，从产业链视角看，算力基础设施正在从传统数据中心建设逻辑转向”算力生产体系”建设逻辑

从更深层次来看，此次入选供应商为北京神州鲲泰信息技术有限公司、河南昆仑技术有限公司

从更深层次来看，从项目投资主体来看，建筑央企、电信运营商、地方产业平台成为智算园区建设的重要推动力量，EPC总承包模式持续占据主导地位

值得关注的是，在AI负载持续提升以及绿色低碳要求不断提高的背景下，液冷、高压供配电、绿电直供等基础设施逐渐成为新建智算项目的重要配置，推动数据中心从传统IT基础设施向新型算力基础设施升级

业内人士指出，与此同时，智算中心建设也正在从单体机房向园区级、基地级方向演进，建筑央企、电信运营商等成为大型智算项目建设的重要参与力量

从更深层次来看，行业消息显示，项目选址在华东区域的产业集聚区，计划总投资约30亿元人民币，建设总算力规模突破200PFlops，采用全链路高效供电、一级能效干式变压器、液冷和自然蒸发冷却等节能技术，目标实现机房PUE低于1.30、绿电使用率超过90%，并通过智能调度系统实现算力-电力协同，确保在AI大模型训练和大数据处理等高负载场景下保持能耗最小化

值得关注的是，150亿 · 东阳光云智算与某企业签下5年算力服务大单 7月11日，广东东阳光科技控股股份有限公司发布《控股子公司达成算力服务采购合同的公告》

从更深层次来看，4.7亿 · 中国电信芜湖大数据中心A3楼通信及机电配套PCO招标 6月23日，中国电信股份有限公司安徽分公司发布《中国电信芜湖大数据中心A3楼通信及机电配套PCO项目》招标公告，预算为46675万元，招标范围为中国电信芜湖大数据中心A3楼通信及机电配套PCO

业内人士指出，未来，智算中心建设的关键不再只是扩大机房规模，而是在有限能源条件下提升单位电力对应的算力产出能力，推动数据中心向高能效、高密度、绿色化方向演进

业内人士指出，从产业链视角看，智算中心正在成为区域数字经济基础设施的重要载体，项目建设不仅关注机房空间，更强调供配电、绿色能源、制冷体系、算力承载能力以及产业生态导入能力，推动算力基础设施进入园区化发展阶段

值得关注的是，43.3亿 · 中国移动6.29万台PC服务器采购项目落地 6月23日，中国移动通信有限公司发布《2026年至2027年PC服务器产品集中采购项目》（X86 架构计算均衡型服务器、X86 架构公有云服务器）中标候选人公示，浪潮计算机科技有限公司以108941.46万元中标，中兴通讯股份有限公司以323868.64万元中标，合计中标金额为432810.1万元

从更深层次来看，公司购买高性能算力服务器主要用于为客户提供云算力服务

值得关注的是，百亿级服务器集采项目持续释放，采购范围从传统计算服务器扩展至高性能算力服务器、智能体应用服务器以及智算集群设备，产业需求正在从单一硬件补充转向面向AI时代的大规模算力底座建设

业内人士指出，本期算力大单显示，AI基础设施投资已经从单点建设迈向系统化布局

业内人士指出，在这一过程中，算力规模、电力保障、能源成本、Token产出效率将成为衡量基础设施竞争力的重要指标

从更深层次来看，围绕服务器采购、算力服务、智算园区以及机电配套的投资正在同步推进，产业链各环节正在形成新的增长周期

值得关注的是，与此同时，企业客户开始直接布局算力资源，通过采购服务器设备建设自身算力平台，并进一步向算力服务输出方向延伸

值得关注的是，从产业链视角看，算力服务市场正在由”提供GPU资源”向”提供算力能力”升级，服务内容进一步覆盖资源调度、网络优化、安全保障、大模型部署及运维运营等环节，推动算力基础设施商业模式进入规模化发展阶段

从更深层次来看，算力硬件采购集中放量，运营商与企业双轮驱动 本阶段算力硬件采购呈现明显规模化趋势，运营商、金融机构、能源企业以及科技企业同步扩大AI基础设施投入

值得关注的是，该项目改造景泰县产业孵化园6508㎡三层商业楼为云境智算中心，通过桩基承台、梁柱加固、楼板补强等专项结构改造，将一、二层改造为算力机房，三层设配套办公区域

从更深层次来看，16.8亿 · 上海某公司36MW机柜托管服务第二批招标启动 6月18日，上海某公司发布《2026 年智算设施配套数据中心机柜托管服务（第二批）》招标公告，预算为168480万元

从更深层次来看，具体建设内容包括综合办公楼1栋；算力中心机房楼2栋；动力、制冷、消防及配套用房；配套系统；分布式光伏等

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AI算力服务器，欢迎访问 www.isclouder.com 了解更多

据行业最新消息，AIDC进入GW时代，一场贯通”墙内”与”墙外”的电力革命正在发生

在张雷看来，”AI电力系统”，本质上是能源系统与智能系统融合的人工智能基础设施，既要解决”墙内”问题，也要解决”墙外”问题

值得关注的是，在”墙外”，通过风光储协同降低能源获取成本并提高绿电利用效率；在”墙内”，通过供电架构重构减少转换损耗、提高供电稳定性，最终降低单位智能产出的能源成本

从更深层次来看，真正在物理层面实现物理隔离、依靠”新能源+长时储能”独立供电的”离网型”微电网数据中心，受限于高昂的储能成本和极高的系统控制难度，目前仍停留在小规模试点阶段

业内人士指出，电从哪里来、绿电够不够、电网扛不扛得住这些”墙外”的能源焦虑愈发突出

值得关注的是，远景科技集团董事长张雷现场将GPU比作人工智能时代的”新蒸汽机”，使命是将电力转化为智力——智力生产的本质，其实是一个能量转化的过程

业内人士指出，其能力并非起步于单一的数据中心设备，而是建立在风电、储能、电力电子和新型电力系统等长期技术积累之上，并进一步延伸至AI电力系统和AIDC场景，形成覆盖发电侧、电网侧、储能侧与负荷侧的全链路能力

值得关注的是，物理人工智能——”远景天机”气象大模型实现高精度新能源预测；”远景天枢”能源大模型对发电、储能、制氢到算力调度进行毫秒级实时优化

值得关注的是，当AI数据中心迈入GW时代，电力系统能否跟上算力扩张的步伐，已成为全产业必须正面回答的考题

业内人士指出，历宏飞表示，远景所要优化的并非某一个孤立的供电环节，而是AI基础设施的整体能源效率，即”每度电能够产生多少有效Token”

从更深层次来看，据远景能源AIDC产品线经营管理部负责人杨淏钦介绍，赤峰零碳产业园使用100%独立可再生能源，100%绿电直供，所有绿电都可溯源，项目全生命周期实时零碳

从更深层次来看，英伟达预计，相比传统架构，800VDC方案可将端到端供电效率提升约5%，运维成本降低最高70%

业内人士指出，这项计划被业内称为Gobi X，对标马斯克的Space X

业内人士指出，与行业多数聚焦单点设备升级不同，远景意在打通”墙外”的能源系统与”墙内”的供配电系统

值得关注的是，数据显示，在绿电供给层面，该系统可为算力负载提供超过60%的可靠绿电，并降低综合能源成本超40%；在并网效率层面，可将调试周期大幅缩短3至6个月；在电网容量层面，通过提升现有电网资源的有效稳定容量，可释放高达40%的可用电力

业内人士指出，下一代电力基础设施——风光储一体化电源、高压直流、固态变压器（SST）、构网型储能与末端智能机柜融合，构建端到端新型电力基础设施架构

业内人士指出，对于AI数据中心而言，政策端释放出的信号十分清晰：未来竞争的核心，不仅是单一的绿电供给能力，更是”墙外”平抑绿电波动，”墙内”平抑算力波动的双向调节能力

值得关注的是，中国提出，到2025年底，国家枢纽节点新建数据中心绿电占比超过80%

从更深层次来看，Space X把目光投向太空，希望突破地球能源和土地资源的约束；Gobi X扎根地球，重新组织能源、算力和电网之间的关系

从更深层次来看，当数据中心从兆瓦级跃入吉瓦级，电力不再是”配套设施”，而成了决定算力密度、运营成本和项目落地的”第一性约束”

从更深层次来看，” 如果说赤峰项目验证的是AI电力系统的协同能力，那么乌兰察布”远景星河基地”则进一步将这一理念推向吉瓦级规模

业内人士指出，进入AI时代后，这一基础条件正在发生变化：一端是高比例风电、光伏接入带来的电源侧波动，另一端是GPU集群快速启停和算力任务切换所产生的高频动态负荷

从更深层次来看，台达、伊顿、Vertiv、ABB、施耐德等厂商均围绕这一技术路线展开布局

值得关注的是，在这一背景下，AI电力系统需要同时应对新能源出力的不确定性与算力负荷的动态变化，通过预测、调度和快速控制，实现能源系统与计算系统的协同运行

从更深层次来看，模型和芯片正在遵循摩尔定律的发展速度，但支撑运行的电力系统却很难同步进化，无论是外部的公共电网还是内部的配电架构，依然延续着几十年来的传统逻辑

业内人士指出，放眼全球，从欧洲到北美，多项百兆瓦级乃至吉瓦级AI数据中心项目因电力接入、能源供给和可再生能源配套问题遭遇延期甚至停滞

值得关注的是，对于下一代AI基础设施而言，不仅仅是如何获得更多GPU，而是如何让越来越庞大的算力集群持续、稳定、低成本地运行

业内人士指出，谁能在”墙内”与”墙外”之间架起桥梁，谁就能在算力竞赛的下半场掌握主动权

业内人士指出，而对于正在向GW级演进的AI数据中心而言，传统供电体系正在面临四重挑战

从更深层次来看，其中最具代表性的案例是远景与腾讯联合打造的赤峰零碳产业园

值得关注的是，AIDC真正需要的，不是单一设备升级，而是一套贯通”墙内”与”墙外”的全链路系统方案

值得关注的是，受极端热浪、空调用电攀升以及数据中心等新增负荷增长影响，PJM系统负荷一度超过162GW，创下历史新高

值得关注的是，美国联邦能源监管委员会（FERC）近期甚至要求美国六大区域电网运营机构重新审视大型数据中心接网规则，核心原因就在于越来越多AI项目面临电力接入周期过长、电网容量不足以及电网升级滞后的问题

值得关注的是，一边是指数级增长的算力需求，另一边则是建设周期漫长、调节能力有限、难以适应高波动负荷的新型需求的传统电力系统

从更深层次来看，作为关键支撑技术，固态变压器（SST）能够实现中压交流电向直流电的高效转换，被视为未来GW级AI数据中心的重要基础设施方向

值得关注的是，7月9日，2026开放计算技术大会在北京举行

业内人士指出，美国时间7月2日，黑石集团旗下数据中心运营商QTS撤回对弗吉尼亚州”Digital Gateway”项目相关裁决的法律挑战，意味着这一超大规模数据中心园区计划最终终止

从更深层次来看，算力扩张速度与能源基础设施建设速度之间的错配，正在成为全球AIDC建设的关键矛盾

从更深层次来看，目前，远景AI电力系统已经开始在实际项目中得到验证

值得关注的是，其中，AI优化服务器将在2026年贡献31%的数据中心电力消耗，并将在2027年首次超过传统服务器

值得关注的是，他认为，”电力系统正在成为人工智能的主体工程，而非配套”，并首次提出了”AI电力系统”的概念

值得关注的是，不过，这些解决方案更多解决的是数据中心内部的供配电效率问题，创新仍然集中在”墙内”——即数据中心园区内部

业内人士指出，太空算力虽具想象力，但戈壁方案在当前更具现实性与经济性

业内人士指出，AI电力系统并非单点提效，而是将电源、储能、电网、电力电子、算力与大模型有机融合，解决AI基础设施发展的三大核心问题：如何让相同功率接入更多GPU

值得关注的是，前者探索新的物理空间，后者探索新的能源空间，二者回应着同一个问题：AI 指数级增长的时代，人类如何持续为它提供能源支撑

值得关注的是，Digital Gateway规划 几乎同一时间，美国最大区域电网运营商PJM连续发布预警

从更深层次来看，其中，远景2.5MW固态变压器可将10kV或13.8kV交流电直接转换为800V直流电，转换效率达到98.5%

从更深层次来看，”墙内”技术百花齐放，”墙外”焦虑愈发突出 面对AIDC不断攀升的能源需求，产业链正在加速寻找新的技术答案，市场上也不缺解决方案：SST、HVDC、液冷、UPS升级、储能…几乎每个细分环节都挤满了玩家

从更深层次来看，从弗吉尼亚的电网告急，到赤峰的算电协同，AI产业的竞争正从芯片与模型的比拼，延伸至电力系统的全面较量

值得关注的是，以当前最受关注的800V HVDC为例，其正在成为下一代AI数据中心的重要演进方向

从更深层次来看，电力系统由过去的”源荷双稳定”，转向”源荷双波动”

业内人士指出，这意味着，AI产业的竞争正演变为算力与能源协同能力的竞争

业内人士指出，在数据中心”墙外”，远景通过”天机”气象大模型提升风电、光伏等新能源出力的预测精度，并依托”天枢”能源大模型，对发电、储能、园区负荷及算力需求进行多时间尺度协同优化，增强新能源的可预测性与可调度性，实现风、光、储与算力负荷之间的动态匹配

值得关注的是，6月29日，国务院常务会议审议通过《”十五五”碳达峰行动方案》

业内人士指出，按照定义，绿电直连分为并网型和离网型两类，其中绝大多数项目属于并网型模式，本质上仍需与公共电网协同运行，当新能源出力不足时，负荷仍需依赖电网补充供电

从更深层次来看，一边是AI算力高速扩容的刚需，一边是传统电力体系与基础设施配套的进化滞后，二者之间的错配日益尖锐

值得关注的是，在数据中心”墙内”，远景围绕800V直流供电架构，构建以固态变压器、直流储能和智能配电为核心的新一代电力基础设施

值得关注的是，电从哪里来、多久能够接入、能否承受GPU集群的动态负荷，以及每度电最终能够转化为多少有效算力，正在成为AI基础设施竞争的新变量

从更深层次来看，实际上，国家发改委、国家能源局近两年已连续出台绿电直连相关政策，推动新能源就近消纳和源荷协同发展，探索新能源直接服务工业园区、零碳园区以及大型用能负荷的新模式

值得关注的是，远景科技集团董事长张雷在近期公开对话中算过一笔账：同等生命周期下，太空算力当前概念阶段成本至少为戈壁绿色算力的20倍，若再考虑工程化因素，甚至可能放大至50倍以上

业内人士指出，AIDC进入吉瓦时代，传统供电体系的四重挑战 过去几年，全球AI产业几乎沿着同一条轨迹高速演进，模型不断迭代，训练参数规模不断刷新纪录；英伟达GPU供不应求，单个训练集群从数万卡快速迈向十万卡级别；Agentic AI又带来新一轮算力大爆发，各国围绕人工智能基础设施展开新一轮竞赛，数据中心建设规模从过去的几十兆瓦向数百兆瓦甚至吉瓦级演进，单个园区的用电需求也从过去的数十兆瓦增长至数百兆瓦乃至吉瓦级规模

从更深层次来看，多项内容与AI数据中心能源供给直接相关：推动新型储能规模化发展，大力发展长时储能；加快虚拟电厂发展，挖掘需求侧调节潜力；推进算力设施绿色低碳转型，支持绿电直供，合理配置储能、备用电源等配套设施，推动新建算力设施主要使用非化石能源电力

业内人士指出，更值得注意的是，《方案》还提出对以输送清洁能源电量或联网功能为主的工程，探索实行两部制电价或单一容量电价，推动”沙戈荒”新能源基地作为整体参与市场交易

值得关注的是，这也构成了远景与传统数据中心供配电厂商不同的切入路径

从更深层次来看，这一变化并非单纯由技术演进推动，更来自现实压力：芯片和模型可以快速迭代，但发电、输电和变电设施仍遵循以年计的工程周期

值得关注的是，面向未来的高密度AI集群，产业正在从”先确定服务器、再配置电力和冷却”，转向算力、供电、散热和园区能源的协同设计

值得关注的是，远景动力AIDC产品解决方案负责人历宏飞表示，在传统数据中心时代，发电侧以稳定电源为主，负荷侧的功率变化也相对可控，电力系统设计更多围绕供电可靠性展开

业内人士指出，随着模型规模扩大，能源成本开始成为AI产业的重要竞争变量

值得关注的是，如果需要系统性的解决方案，电力系统本身是否需要进行一次重构

业内人士指出，从发电侧、电网侧，储能侧、到数据中心侧，整个链条都在发生变化

值得关注的是，从全球AI基础设施建设遇到的现实挑战来看，不少瓶颈正发生在”墙外”

值得关注的是，行业消息显示，远景星河基地正在乌兰察布建设吉瓦级能源系统与算力系统一体化的人工智能基础设施

从更深层次来看，该架构能够连接中压电网与下一代AI计算设备，减少传统供电链路中的多级电力转换环节，提高端到端供电效率，并增强系统对高密度、高波动GPU负荷的快速响应能力

业内人士指出，业内研究显示，建设1GW级AI数据中心的投资规模可能达到数百亿美元，而电力获取与能源基础设施建设的投入，正占据其中越来越大的份额

业内人士指出，GPU集群运行会产生剧烈的动态负荷波动，功率可在30%空载与100%满载之间快速切换，不仅推动单机柜功率向MW级演进，更严重冲击电网稳定性，引发电能质量问题；GPU数量的增加会放大关键频率下的负荷波动，大幅提升电网谐振风险，甚至可能导致数据中心因电压波动出现大面积脱网

值得关注的是，基于此，远景构建了支撑AI电力系统的三项关键能力： 智能中枢——远景EnOS智能物联操作系统，接入风电、光伏、储能、充电桩等数亿级设备，毫秒级实时控制，是AI电力系统的”神经系统”

值得关注的是，全球算力项目的落地周期已压缩至1年以内，但电网容量建设周期长，美国高需求区域的电网建设延迟长达7年，电力供需缺口持续扩大，”无电可用”已成为很多AI项目落地的首要障碍

从更深层次来看，杨淏钦表示，赤峰项目最大的创新是算电协同，”不只是新能源发电配合数据中心用电，数据中心也要配合新能源发电曲线，调控负荷侧用电，最终实现最优算电协同

业内人士指出，这是全球首个”算电协同”系统级实践样本，基于 2GW、100% 可再生能源电力系统，实现风光储算氢动态实时协同

业内人士指出，大会讨论的一个明显变化是，供电与散热不再只是数据中心的配套工程，而开始进入计算架构的核心设计

业内人士指出，英伟达在800VDC参考架构中提出，通过在数据中心前端完成中压交流电向高压直流电的集中转换，并采用800V直流配电，减少传统供电链路中的多级AC/DC、DC/DC转换环节，从而降低能量损耗、减少铜材用量，并提升高密度GPU集群的供电能力

值得关注的是，随着AI负荷持续增长，能源正在从传统成本要素，逐步演变为影响算力基础设施竞争力的核心变量

值得关注的是，今年5月，国家能源局召开全国”人工智能+”能源现场推进会，六家企业受邀发言：中国石油、国家电网、国家能源集团三家央企，阿里云、腾讯两家科技巨擘，以及唯一一家新能源企业——远景科技集团

值得关注的是，当AI数据中心迈入吉瓦时代，决定项目能否落地的，已经不只是GPU数量

值得关注的是，尤其是在数据中心高度集中的北弗吉尼亚地区，输电拥堵和新增负荷接入压力持续上升

从更深层次来看，今年6月，在法国巴黎VivaTech大会上，远景正式发布Mission Gobi计划，提出到2030年在全球戈壁荒漠地区建设5GW规模的绿色AI算力中心

值得关注的是，今年6月，远景在德国Intersolar Europe2026上正式发布了这一电力架构

值得关注的是，稳定、低成本的绿电供给，已成为AIDC项目的刚性要求

值得关注的是，Gartner最新预测显示，2026年全球数据中心用电量将达到565TWh，同比增长26%；到2030年，全球数据中心电力需求将增长至290GW，较2025年接近翻倍

从更深层次来看，全球主要科技企业已陆续提出100%可再生能源、全天候无碳能源或净零排放等目标

从更深层次来看，该项目历经多年规划争议、社区反对和司法诉讼，折射出大型数据中心项目在土地、电力、审批、社区关系及环境影响等方面面临的”社会许可”挑战

值得关注的是，GPU遵循摩尔定律，但电力系统遵循的是能源工程的物理定律——它暂时无法被”迭代”加速，只能被重新设计

从更深层次来看，相比建设周期漫长、成本高昂的太空方案，戈壁能够在更短时间内复制数GW乃至数十GW级的绿色算力基地，其核心优势在于更短的”Time to Token”——从投资到产出智能的时效

值得关注的是，相较传统低压大电流配电架构，相关线缆及铜材使用量最高可减少80%，更适应下一代AI集群对高功率密度、高效率和快速动态响应的需求

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服务器租用，欢迎访问 www.isclouder.com 了解更多

行业动态更新：今年上半年我国 1.4 亿人通过跨境电商全球购物

据海关统计，2025 年，我国跨境电商进出口总值达到 2.84 万亿元，比上年增长 4.8%，市场采购出口超 8000 亿元

值得关注的是，上半年我国外贸进出口同比增长 16.9%，出口增长 13.4%，进口增长 22.1%

从更深层次来看，IT之家从国新办官网获悉，我国将加快智慧海关迭代升级，到 2030 年，90% 以上口岸配备智能查验装备，“人工智能 + 大数据 + 智能装备”广泛赋能海关业务，让监管服务既“无处不在”又“无事不扰”，让企业和群众“无感通关”成为常态

业内人士指出，大洋洲的牛奶、非洲的咖啡、欧洲的冰鲜三文鱼漂洋过海进入中国老百姓的“购物车”

从更深层次来看，IT之家 7 月 22 日消息，在国新办 7 月 22 日举行的发布会上，海关总署署长孙梅君介绍，今年上半年，跨境电商出口海外仓增长 3.3 倍，我国已有 1.4 亿人通过跨境电商全球购物，新业态新模式蓬勃发展

从更深层次来看，目前，我国已成为全球 160 多个国家和地区的主要贸易伙伴，进口商品来源更广、品类更多、结构更优

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日本服务器，欢迎访问 www.isclouder.com 了解更多

行业动态更新：苹果 macOS 27 隐藏新特性：调用 Siri AI 内容创作

但如果仍想撤销更改，请将以下内容粘贴到“终端”中：

从更深层次来看，IT之家援引博文介绍，在跳出的菜单中共有以下 4 种选项： 重写（Rewrite）：展开选项包括友好（Friendly）、专业（Professional）、简洁（Concise）三种风格

从更深层次来看，触发方式方面，该媒体测试指出用户选中文本后，屏幕上会出现一个微型 Siri AI 图标，点击图标后，会弹出一个精简菜单

值得关注的是，在“终端”中更改此设置只会添加新的原型功能，它不会取代常规右键菜单中的写作工具

值得关注的是，该媒体测试表明该功能目前尚未完善，最长可能需等待 10 秒才会出现 Siri AI 图标

业内人士指出，IT之家 7 月 21 日消息，科技媒体 AppleInsider 昨日（7 月 20 日）发布博文，报道称在 macOS 27 Golden Gate Beta 更新中，苹果正在测试隐藏 AI 功能，让用户调用 Siri 内容创作

业内人士指出，（How does this sound?） 使用 Siri 编辑（Edit with Siri） 用户如果想要启用此隐藏功能，请打开“终端”App，然后按顺序粘贴以下两条命令： sudo mkdir -p /Library/Preferences/FeatureFlags/Domain && \ sudo defaults write /Library/Preferences/FeatureFlags/Domain/WritingTools LightweightUI_macOS -dict Enabled -bool true在重启 Mac 设备后，用户会看到相关选项

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澳大利亚服务器，欢迎访问 www.isclouder.com 了解更多

最新消息显示，AI日报：开源模型Kimi K3登场；Google Vids引入Gemini Omni模型

📧 支持邮件触发，Grok会实时监控收件箱，并在符合条件的邮件到达时立即启动任务

从更深层次来看，📈 智谱通过强化代码生成能力，推动ARR快速增长，并与海外竞争对手展开激烈竞争

值得关注的是，🧠 StaffDeck是一个用于构建和管理数字员工的企业级平台，旨在将组织内部的专业知识、标准作业流程（SOP）以及各类决策规则转化为可长期执行和迭代的数字员工

业内人士指出，🎥 影视飓风推出49元AI实战课程，首日销量突破10万份，销售额超490万元

从更深层次来看，5、5个月增长15倍，智谱AI凭Coding路线冲击10亿美元ARR 智谱在AI Coding领域的快速布局使其年度经常性收入（ARR）在5个月内增长15倍，达到10亿美元规模，显示出国内大模型企业在商业化路径上的探索成果

业内人士指出，详情链接:https://www.skyproduction.cn/ 8、影视飓风49元AI课程上线首日售出10万份，单日营收超490万元 影视飓风推出的49元AI实战课程在首日实现销售突破，展现了其在AI教育市场的商业转化能力，但课程质量与用户体验仍需关注

从更深层次来看，⚠️ 高销量伴随用户评价分化，部分用户反映内容模板化、实操灵活性不足等问题

业内人士指出，该功能支持定时运行和邮件触发，适用于多种场景，如调研、邮件标记等，极大提升了工作效率

从更深层次来看，⚙️ 课程涵盖AI图片生成、视频生成等基础应用及影视创作进阶玩法，由影视飓风与TapNow联合推出

值得关注的是，🎬 通过导演思维拆解为六个可视化环节，实现可控生产

从更深层次来看，🌐 AI权益与金融消费场景融合，吸引年轻用户和科技从业者

从更深层次来看，💰 国产大模型景气度上升，商业化节奏加快，国产替代逻辑被强化

从更深层次来看，同时，文章提到国产大模型在商业化方面表现出色，景气度不断上升

业内人士指出，🌐 StaffDeck由多家机构联合打造，包括面壁智能、东北大学、清华大学自然语言处理实验室（THUNLP）、OpenBMB以及AI9Stars，使其成为面向企业AI落地场景的开放平台

业内人士指出，🖼️ 上传自拍和语音即可生成专属数字虚拟人

业内人士指出，📖 支持视觉理解与100万词元上下文窗口，处理复杂任务能力显著提升

业内人士指出，🎥 天工短剧工作台推出Agent智能分镜与无限画布，提升创作可控性

业内人士指出，🚀 智谱年度经常性收入（ARR）在5个月内增长15倍，达到10亿美元规模

从更深层次来看，4、Grok 推出 Automations 功能：定时跑、邮件一到就触发，还能替你回信 Grok推出了Automations功能，让用户只需描述任务需求并设定运行时间或触发条件，即可让Grok自动完成工作

从更深层次来看，欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用

业内人士指出，2、Google Vids引入Gemini Omni模型 上传自拍+音频就能定制专属数字分身 谷歌推出Google Vids新功能，用户可通过上传自拍和语音生成专属数字虚拟人，并结合Gemini Omni模型进行视频创作，同时注重安全与合规性

从更深层次来看，新鲜AI产品点击了解：https://app.aibase.com/zh 1、2.8万亿参数、100万词元上下文，Kimi K3把开源大模型的天花板顶到了全球最高 文章介绍了月之暗面发布的Kimi K3模型，其参数规模达到2.8万亿，成为全球最大的开源模型

业内人士指出，🧠 Kimi K3参数规模达2.8万亿，成为全球最大开源模型

值得关注的是，3、多家银行上线AI主题银行卡，刷卡可获大模型Token和AI权益 多家银行近期推出AI主题信用卡和借记卡产品，将大模型Token、AI会员服务等智能化权益引入传统银行卡体系，试图借助人工智能生态吸引年轻用户和科技从业者

业内人士指出，💼 与市面上大量套着企业外壳的对话机器人不同，StaffDeck瞄准的是数字劳动力，能够持续工作、不断改进并保留组织知识

值得关注的是，📊 面向企业级用户优化协同体系，支持多维度数据管理

业内人士指出，详情链接:https://github.com/OpenBMB/StaffDeck 7、天工短剧工作台上线Agent智能分镜与无限画布，昆仑万维要把AI短剧从随机抽卡拉向可控生产 文章详细介绍了天工短剧工作台如何通过Agent智能分镜和无限画布技术，解决AI短剧创作中的不可控、质感与产能难平衡以及团队管理难统筹等问题，同时强调了其在精品化、规模化方面的突破

从更深层次来看，该模型支持视觉理解，并具备100万词元的超长上下文窗口，能够处理复杂的任务场景

业内人士指出，🔄 每次运行都是全新请求，Grok使用最新数据执行任务，确保结果准确且实时

值得关注的是，🎥 融合Gemini Omni模型，实现文字与图片的视频生成

从更深层次来看，✨ 提供自动化任务功能，用户只需描述需求并设定运行时间或触发条件，即可让Grok自动完成工作

业内人士指出，🔒 强调安全与合规，通过SynthID技术防止虚假视频

业内人士指出，💻 AI Coding和视频生成成为生成式AI领域商业化增长最快的两大方向

值得关注的是，面壁智能开源企业数字员工平台StaffDeck 面壁智能开源了名为StaffDeck的企业级平台，该平台专注于构建和管理数字员工，旨在将组织内部的专业知识、标准作业流程（SOP）以及各类决策规则转化为可长期执行和迭代的数字员工

从更深层次来看，🧠 银行推出AI主题银行卡，引入大模型Token和AI会员服务

从更深层次来看，💰 刷卡送Token的三种模式，满足不同用户需求

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服务器，欢迎访问 www.isclouder.com 了解更多