SpaceX豪掷740亿建AI超算：数GW电力够撑吗？
本期资讯聚焦三大动态：SpaceX据传计划投入巨资建设两座AI超算园区；Google推出面向影视创作的Flow新工具及Gemini 4 Hydrogen模型，后者展示了实时3D可视化能力；AWS发布Bedrock推理成本优化指南。此外，LMArena提出智能体交互评测新范式，DeepMind发布AlphaGenome
SpaceX的算力豪赌：740亿美元与数GW电力
科技圈近日传出一则消息：SpaceX 打算在得克萨斯州与亚利桑那州各建一座超大规模 AI 超级计算园区。路透社等媒体报道称，该计划投资规模可能达到 740 亿美元。
740 亿美元是什么量级？不少传统科技巨头一年的资本支出都达不到这个数。更受关注的是用电规划——最高可达数吉瓦（GW）。一座大型核电站的输出功率通常在 1 GW 左右，照此推算，SpaceX 想给 AI 训练集群配上相当于几座核电站的电力。
眼下这一计划还没得到 SpaceX 官方正式确认，仍停留在“据报道”阶段。不过，AI 算力已成核心竞争力，基础设施层面的军备竞赛并不让人意外。从特斯拉的 Dojo 芯片到 xAI 的 Grok 集群，马斯克旗下公司一直在垂直整合算力资源。消息若属实，AI 竞争就从算法和模型层，彻底下沉到能源与土地资源的争夺。
对行业来说，这是一个信号：未来的 AI 巨头不光得是软件公司，还得是能源公司和基建公司。能不能拿到稳定、廉价的电力，会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
内容创作这边，Google Labs 为 Google Flow 推出了五项新工具。这次更新特别的地方在于，功能由视觉艺术家和电影人直接参与设计。
生成式视频工具长期被批评“懂技术但不懂艺术”。开发者往往盯着分辨率和帧率，却忽视了叙事节奏、镜头语言这些专业需求。Google Flow 此番更新就想补上这道裂痕。新工具覆盖从故事构思到视频生成的完整工作流，目标是让生成式媒体更贴合专业创作习惯。
具体功能细节虽未在简报中展开，但“艺术家参与设计”这套做法本身有看头。它暗示生成式 AI 工具正从“玩具”向“专业生产力软件”过渡。往后比拼的可能不只是生成画面够不够逼真，而是工具能不能无缝嵌进现有影视制作管线，能不能读懂导演意图，而不只是执行文字提示。
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，一个展示案例勾起了前端开发者的兴趣：该模型只靠自然语言描述，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，涵盖折射、反射和色散。技术上这不算全新突破，WebGL 早就能实现这些效果。Gemini 4 Hydrogen 的价值在于，它把复杂的图形学数学公式和着色器代码编写过程自动化了。
对前端创作者来说，门槛因此降低。过去要精通线性代数和图形 API 才能做出的视觉效果，现在或许只要把物理现象描述准确，就能生成原型。当然，生成代码的可维护性和性能优化仍需人工介入，但这给创意原型设计开了新口子。Gemini 4 Hydrogen 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，这个案例正是其“理解复杂请求”能力的体现。
AWS Bedrock：推理成本的四个控制旋钮
企业把大模型接入生产环境后，推理成本成了 CFO 们盯着的焦点。AWS 近日发布一篇技术博客，详细拆解了影响 Amazon Bedrock 推理成本的四类请求级选项。
很多开发者只盯着模型本身单价，却漏掉了调用参数对最终账单的影响。AWS 指出，以下四个因素很关键：
- 缓存时长：缓存设置得当，重复计算的开销能大幅减少。
- 服务等级：SLA 不同，资源预留策略不同，价格也就直接受影响。
- 推理力度：也就是思考深度或步数，推理精度越高，计算消耗越多。
- 最大 Token 数：把输出长度限住，是控制成本最直接的办法。
这篇指南的价值，是把抽象的“成本优化”落成具体的工程配置。对正在规模化部署 LLM 应用的企业来说，调这些参数可能比换模型更快见效。这也说明 AI 工程化正走向精细化运营，粗放式调用已经行不通了。
LMArena：智能体评测的新方向
传统 LLM 评测多基于静态数据集，比如问答准确率或代码通过率。可智能体（Agent）的核心能力在于与环境交互。LMArena 提出一种新评测范式：让智能体直接操作游戏和应用程序。
这套框架下，评测指标不再是“回答是否正确”，而是“任务是否完成”。比如智能体能不能在游戏里通关，能不能在软件中完成一系列点击和操作、把应用状态重建出来。这种方法更贴近真实使用场景，可以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。
智能体正从聊天机器人转向自主操作助手，交互式评测标准或许会变成行业通用基准。模型光"说得对"不够，还得"做得成"。
其他简讯
Google DeepMind 推出新一代基因组模型 AlphaGenome 2。相比前代，它能把 DNA 变异影响的预测细化到单个细胞类型和状态。官方称，其识别出的基因开关突变数量接近前代的两倍。精准医疗和遗传病研究将从中受益，AI 向基础科学渗透的迹象更明显了。
视频生成公司 Runway 以 Apache 2.0 许可开源机器人控制模型 Praxis-1。该模型把视频预训练知识迁移到真实机器人操作上，多模态模型在具身智能领域的潜力由此得到体现。
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。截至现在，官方并未证实这一说法，它与 Nvidia 近期的公开动态也对不上。此类未经核实的信源，还是谨慎对待为好。
本周 AI 动态分成两头：一头是 SpaceX 这类重资产的基础设施投入，另一头是 Google Flow 和 Gemini 这类偏重用户体验与创作流程的工具迭代。AWS 和 LMArena 则夹在中间，带来工程化与标准化的思考。行业关注点正从单纯的模型参数竞赛，转向能源、工具链、评测标准的全方位生态构建。
