這是《麻省理工科技評論》2026 年“十大突破性技術”深度解讀系列的第四篇內容，關注 DeepTech，關注新興科技趨勢。在廣闊的農田和工業園區裡，一棟棟塞滿電腦機架的超大型建築正拔地而起，為 AI 競賽提供動力。這些工程奇蹟是一種新型的基礎設施：它們是專為訓練和運行超大規模大語言模型而設計的超級電腦，並配備了專用的晶片、冷卻系統，甚至獨立的能源供應。2025 年，AI 基礎設施的投資規模已從“數十億美元”的量級躍升至“兆美元”。1 月 21 日，美國總統川普在白宮宣佈了“星際之門”（Stargate Project）——由 OpenAI、軟銀、Oracle 和阿布扎比投資基金 MGX 組建的合資企業，計畫四年內向美國 AI 基礎設施投資 5,000 億美元，首期即刻部署 1,000 億美元。軟銀 CEO 孫正義出任董事長，OpenAI 負責營運。星際之門正迅速從藍圖變為現實。位於德克薩斯州阿比林的旗艦園區已於 9 月投入營運，Oracle 開始交付首批輝達 GB200 晶片機架。到年底，星際之門已宣佈五個新址，總規劃容量接近 7 吉瓦，投資額超過 4,000 億美元。與此同時，OpenAI 還在阿聯、挪威和阿根廷啟動國際佈局，阿根廷巴塔哥尼亞的“星際之門阿根廷”項目投資高達 250 億美元，將成為拉丁美洲最大的資料中心。但星際之門只是冰山一角。據 HSBC 估計，全球已規劃的 AI 基礎設施投資超過 2 兆美元。亞馬遜承諾投入 1,000 億美元，Google 750 億美元，Meta 650 億美元，微軟僅 2025 年就將支出 800 億美元。據一項分析估算，OpenAI 已承諾在 2025 年至 2035 年間向硬體和雲基礎設施支出約 1.15 兆美元，涉及輝達、AMD、Oracle、微軟、Broadcom 等七家主要供應商。超大規模 AI 資料中心將數十萬個 GPU 晶片，如輝達的 H200 或 GB200，捆綁成協同工作的叢集。這些晶片擅長平行處理海量資料，每秒執行數兆次數學計算。數十萬英里長的光纖電纜像神經系統一樣連接著它們，巨大的儲存系統晝夜不停地輸送資料。但驚人的算力是有代價的。首先是電力。國際能源署（IEA）預測，全球資料中心電力消耗將在五年內翻一番以上，到 2030 年將超過 1,000 太瓦，相當於整個日本的用電量。僅在美國，資料中心已佔全國電力消耗的 4.4%，而 2018 年僅為 1.9%；到 2028 年可能攀升至 12%。在弗吉尼亞州這個全球資料中心最密集的地區，資料中心消耗了該州約 26% 的總電力。在建的最大型資料中心可能吞噬超過一吉瓦的電力，足以為約 75 萬戶家庭供電。某些規劃中的園區佔地 5 萬英畝，耗電量可達 5 吉瓦，超過美國現有最大核電站的容量。Grid Strategies 估計，到 2030 年美國將新增 120 吉瓦電力需求，其中 60 吉瓦來自資料中心，相當於義大利的峰值電力需求。目前，煤炭以約 30% 的份額成為資料中心最大電力來源，天然氣佔 26%，可再生能源約 27%，核能佔 15%。儘管可再生能源增長最快，但天然氣和煤炭仍將在 2030 年前滿足超過 40% 的新增需求。科技巨頭們正競相尋找清潔方案：亞馬遜從賓夕法尼亞州核電站直接獲取約 960 兆瓦電力；Google與 Kairos Power 簽署協議部署小型模組化反應堆；OpenAI 在挪威利用水電資源建立資料中心。但核能從開工到發電需要 5 至 11 年，資本支出是天然氣的 5 至 10 倍，遠水難解近渴。第二個挑戰是冷卻。AI 晶片的功率密度從過去的每機架 15 千瓦飆升至 80 至 120 千瓦，傳統空調已無法滿足需求。直接晶片冷卻（D2C）正在成為主流，這種技術將冷板直接安裝在 GPU 上，閉環系統在熱源處帶走 70% 至 80% 的熱負荷。浸沒式冷卻則更進一步：伺服器被浸泡在非導電液體浴槽中，可將冷卻能耗降低 50%，水耗降低最高 91%。微軟最新設計採用晶片內微流體冷卻，微小通道直接蝕刻在矽晶片背面，使 GPU 溫度降低 65%。然而，許多設施仍依賴蒸發冷卻，消耗大量淡水。據估計，2023 年美國資料中心直接消耗約 175 億加侖水，到 2028 年可能翻兩番。僅訓練 GPT-3 就蒸發了 70 萬升清潔淡水。彭博社報導，自 2022 年以來建造的美國資料中心約三分之二位於高水壓力地區。公眾正在為這些建設買單。Dominion Energy 的 2025 年報告顯示，弗吉尼亞州居民電費預計到 2039 年將翻一番以上，主要因資料中心增長。在佐治亞州牛頓縣，某些擬議資料中心每天請求的水量超過整個縣的日用水量，迫使當地官員在拒絕項目、要求替代冷卻方案或對居民實施限水之間艱難抉擇。地方反對正在加劇。據 Data Center Watch 統計，自 2023 年以來美國已有 180 億美元項目被取消，460 億美元被延遲。僅 2025 年第二季度，被阻止或延遲的項目價值達 980 億美元。居民們因噪音、光污染、水資源枯竭和電費上漲而組織抵制；2025 年 12 月，超過 200 個環保組織聯名致信國會，呼籲暫停批准新的資料中心。科技高管們對此不以為然。AMD 首席執行長蘇姿丰在被問及 AI 熱潮是否過度時斬釘截鐵：“絕對不是。”他們將答案訴諸於 8 億每周 ChatGPT 使用者、40% 大型企業的 AI 採用率，以及 AI 作為經濟引擎和國家安全優先事項的戰略價值。OpenAI 首席財務官 Sarah Friar 引用歷史作為辯護：“當網際網路剛起步時，人們總覺得我們建設過度了。看看我們今天在那裡？”這些交易的循環性質以及預測的需求能否兌現，仍是懸而未決的問題。電網規劃者發現科技公司正在向多個公用事業展示同樣的項目以尋求最快的電力接入，使需求預測變得困難。聯邦能源監管委員會前主席 Willie Phillips 坦承：“有些地區預測了巨大的增長，然後又向下調整了。”從 1990 年代的本地伺服器到 2000 年代的雲端運算，再到如今的 AI 超級工廠，資料中心的演進從未停止。生成式 AI 已從瓶中釋放，沒有回頭路。但關於經濟預測是否精準、資源供應能否持續、建成後誰來使用，這些問題的答案，或許只有時間才能揭曉。我們邀請了三位來自產業與科研一線的代表，圍繞其關鍵技術路徑與產業影響進行點評。以下評論內容均為個人見解，不代表《麻省理工科技評論》觀點從算力堆疊到能源博弈：超大規模 AI 資料中心的現狀、瓶頸與趨勢首先需要明確一個核心概念：超大規模 AI 資料中心，絕對不是傳統資料中心的簡單放大版。它誕生的根本驅動力，是為了滿足大模型對算力近乎指數級增長的海量需求。因此它的架構是革命性的，本質上是把數十萬計的 GPU 通過極高速網路“粘合”在一起，形成前所未有的單體式超級電腦。Google、微軟、亞馬遜、Meta 等全球科技巨頭，都在投入數千億美元競相佈局。但與此同時，這個龐然大物也帶來了一系列前所未有的挑戰：驚人的功耗、棘手的散熱、巨大的能源壓力，以及如何在規模擴展與效率提升之間找到最佳平衡點。目前業界的技術路徑已經比較清晰，核心思路是通過高速互聯技術建構高效的“超節點”，最大程度減少晶片間的通訊延遲和開銷。算力確實已邁入 ZFLOPS 時代，但“記憶體牆”，即資料搬運的瓶頸，也愈發突出。另一個無法迴避的挑戰是散熱：隨著晶片密度飆升，傳統風冷已力不從心，液冷技術正從“可選項”變為“必選項”，配套供電架構也必須同步升級。而這個產業也面臨著多維度的瓶頸。首先是能源約束。一個超大規模資料中心的功耗可超過 1 吉瓦，相當於一座中型城市的用電量。這使它從單純的電力消費者，變成必須像能源公司一樣深度規劃電力獲取的“准公用事業體”。獲取穩定充足的清潔能源成為首要任務，而全球許多地區老舊電網的承載能力，已開始反向制約資料中心的選址和規模。其次是時間約束。AI 晶片迭代速度極快，約一年一代，遠超傳統資料中心基礎設施兩年左右的更新周期。這導致一個尷尬局面：本代資料中心剛建成，就要準備迎接兩三代新晶片。而市場競爭又要求算力快速上線，建設周期被從近兩年壓縮至一年以內，對預製化、模組化的快速交付能力構成極致考驗。最後是生態與治理約束。算力高度集中必然引發一系列新問題：市場壟斷的擔憂、資料主權的爭議、對當地水資源和環境的影響等。產業競爭也在從純粹的技術比拚，轉向標準與生態之爭——未來是走向開放協作，還是形成若干封閉的私有體系，將深刻重塑整個算力市場的格局。往前看，幾個趨勢比較確定：架構將更加立體協同。“雲端集中訓練、邊緣就近推理”的模式會日趨成熟，“全球算力網際網路”的構想也可能逐步落地，實現跨地域的算力調度與最佳化；它的營運將更加智能高效，用 AI 最佳化資料中心自身能耗會成為標配，行業關注的指標將從單純的 PUE，轉向更本質的“每瓦特電力產出多少有效算力”；這項技術將更加綠色多元，液冷全面普及之外，餘熱回收、水循環等深度綠色方案會加速落地；芯粒（Chiplet）、光計算等後摩爾時代的新技術，也將從實驗室走向產業試點。綜上，超大規模 AI 資料中心無疑是智能時代最關鍵的基石之一，但它也對能源、基建和治理能力提出了巨大挑戰。資料中心正從支撐業務的“成本中心”，演變為驅動創新的“智能生態樞紐”。其成功將取決於能否與電網、社區共建可持續的“數字能源共同體”，並對環境影響實現透明、負責任的管理。未來能在這一領域脫穎而出的，必定是那些以架構創新破解算力瓶頸、以卓越工程能力贏得時間競賽、同時以生態責任感建構可持續未來的實踐者。從電力成本到模型安全：AI 資料中心的三重挑戰隨著大模型的規模化應用，AI 資料中心正面臨一系列深層次的產業挑戰。以下從成本、算力調度和資料安全三個維度，分析當前的關鍵瓶頸與應對方向。首先，電力成本將成為 AI 服務社會的主要成本。大模型目前在正確性和確定性上仍有待改進：錯誤會快速累積，導致不可接受的結果；而提高正確性，則意味著增加計算量；不確定性帶來的重試機制，又可能引發新的錯誤，形成惡性循環。在這一背景下，更廉價的電力意味著在同樣計算成本下獲得更好的模型服務效果。電力成本，正在成為AI能否大規模服務社會的核心變數。其次，加速卡的多樣性將持續提高。隨著時間推移，不同品牌、不同代際的加速卡將長期共存於資料中心。CPU 與 GPU 虛擬化技術以及高速網路技術的發展，將使算力調度更加靈活——推理任務可以有效利用不同加速卡從而降低成本，但大型訓練任務的複雜性仍需適應多樣化的算力環境。短期來看，宏觀的任務調度策略與微觀的通訊計算融合策略會有所幫助；長期來看，建構混合加速卡計算框架將是必然選擇。最後，丟失模型等於丟失資料。大模型有效壓縮了海量資料並支援靈活提取，壓縮比可達十萬倍。丟失一個磁碟容量僅為 700GB 的模型成品，基本等效於丟失 70TB 的原始訓練資料。由於資料的差異化帶來模型的差異化，企業獨有的資料正在轉化為企業獨有的競爭力。在資料安全合規的諸多限制下，企業需要擁有自有算力，在開源模型基礎上精調自有模型。這意味著，基礎設施在保護核心模型方面面臨的挑戰，比傳統資料安全場景更為嚴峻。超大規模 AI 資料中心的關鍵轉向：液冷與新型能源架構超大規模 AI 資料中心是人工智慧時代的關鍵基礎設施。Scaling Laws 揭示了模型性能與參數規模、資料量、算力投入之間的冪律關係 [1]，使大模型發展從經驗探索轉向可預測的工程實踐，並推動 Amazon、Google、Microsoft 等科技巨頭斥資數千億美元建構數十萬塊 GPU 互連的超級計算叢集，以滿足大模型訓練的爆炸性算力需求。然而，當 GPU 機櫃的功率密度突破 50 千瓦時（例如輝達 GB200 NVL72 機櫃級系統的功率密度高達 132 千瓦/櫃 [2]），傳統風冷散熱技術成為了制約系統的瓶頸。風冷散熱依賴空氣對流傳熱，其有效功率密度上限為 20-50 千瓦，超過此閾值後，維持散熱所需的風量呈指數級增長，導致風道截面積、風扇功耗、噪音和系統體積急劇上升而難以工程實現。另一方面，全球資料中心預計 2030 年佔全球總用電量 4%-7%、單體資料中心能耗將突破吉瓦級 [3]。因此，傳統的風冷與供電模式已難以為繼，行業正加速向液冷技術及核能等新型能源架構轉型。液冷技術通過直接接觸式散熱並將餘熱用於園區供暖、工業供熱，能夠有效改善資料中心的電能使用效率，而核能的穩定基荷特性為解決“AI 大模型訓練的持續高功耗與傳統電網的負荷平衡模式存在本質衝突”這一困境提供了有效途徑。Google、Amazon、Microsoft 等公司均在積極推進核電工程，以滿足超大規模 AI 資料中心的用電需求 [4]。此外，瑞士 Deep Atomic 公司和美國愛達荷國家實驗室計畫建造首個核動力人工智慧資料中心 [5]，標誌著能源-算力一體化資料中心架構正在從概念走向實踐。因此，基於液冷與核能的超大規模資料中心能夠有效地支撐算力規模的擴展與躍遷，代表了全球 AI 算力基礎設施形態的趨勢，也為物理極限約束下的 AI 持續發展開闢了新的空間。 (麻省理工科技評論APP)

在關稅靴子懸而未落與就業資料“好壞參半”的博弈下，周五美股三大指數齊步走高，標普500更是創下歷史新高，為2026年的首個完整交易周畫上了強勢句號。關稅博弈懸而未決市場全天的情緒轉折點，始於對Z府政策不確定性的動態消化。早盤時段，資金層面顯露出極度的謹慎，投資者屏息凝神地緊盯美國最高法院，試圖從可能傳出的關稅裁決中捕捉未來貿易成本的走向。然而，隨著當日不會有裁決結果的消息得到確認，原本處於“避險模式”的資金迅速意識到，最大的利空變數已被暫時按下。這種“靴子未落”的真空期，反而成了多頭入場的通行證，促使資金邏輯從政治猜疑迅速切換回宏觀基本面。非農資料“溫和”落地隨後公佈的12月非農就業報告，恰到好處地為市場的反彈提供了邏輯支撐。這份報告呈現出一種微妙的“平衡感”：5萬人的新增就業人數雖遠低於市場預期，看似揭示了勞動力市場的疲軟，但4.4%的失業率意外回落卻避險了這一利空。這種“新增人數走弱、失業率回升受阻”的局面，被多數投資者解讀為勞動力市場正在“有序降溫”，而非“斷崖下跌”。正如“新聯準會通訊社”Nick Timiraos所分析，這份報告鞏固了聯準會在1月底會議上維持利率不變的預期。對於美股而言，這種“經濟尚有韌性、政策暫無變數”的環境，正是最舒適的上漲溫床。正是這種穩健的預期，驅動了周五美股指在午盤後的加速衝刺。截至收盤，標普500收漲0.65%；納指收漲0.82%；道指則錄得0.48%的收盤漲幅。個股方面英特爾今天大漲超10%。周四川普在白宮接見了英特爾首席執行長陳立武。雙方就英特爾新一代處理器的研發進展及半導體本土化戰略進行了深入交流。川普隨後在社交平台上公開發文，高度評價了英特爾的技術突破。自美國Z府去年宣佈擬收購英特爾高達10%股權的計畫以來，該公司股價已實現翻倍增長。目前，聯邦Z府已累計通過公開市場購入英特爾約5.5%的股份。隨著Z府後續增持計畫的推進，市場對英特爾“國家隊”背景下的復甦前景持樂觀態度。而我們《2026年美股五大投資主題》文章中處於太空賽道中的RDW今日大漲8.51%。我們的VIP社群已經在7.66買入，截至今天已經獲利50%！Meta豪擲6吉瓦核能訂單昨天周五美股最亮眼的類股當屬核能。截至收盤，電力巨頭VST上漲10.47%，CEG上漲6.19%，NRG上漲4%，而由OpenAI首席執行長、ChatGPT創始人Sam Altman深度背書並擔任早期投資人的核能股OKLO上漲近8%。消息面上Meta已達成一系列旨在為其資料中心供電的電力協議，這將使其超越一眾超大規模計算同行，成為核能領域的最大買家。Meta的“能源野心”據美股投資網瞭解到， Meta此次達成的協議涉及潛在總裝機容量高達6.6吉瓦（GW）。為了直觀理解這個數字：1吉瓦通常能為75萬戶家庭供電，Meta鎖定的電量足以為約500萬戶家庭提供動力。這一規模已顯著超越了亞馬遜、Google和微軟近期的核能佈局，使Meta一躍成為科技界最大的核能買家。這一佈局的背後邏輯是因為AI的盡頭是電力。能源諮詢公司報告顯示，到2030年，美國電力需求預計將增長30%以上，新增需求幾乎全來自資料中心。對於祖克柏而言，電網的供電能力已經成為AI發展的“天花板”，如果不提前鎖定能源，再好的晶片也跑不動。早在2024年4月5日，我們美股投資網就發深度長文《美股 AI耗電，3隻電力能源股必買》明確指出：AI的終極競爭不僅是演算法，更是耗電量的對決。當時，我們前瞻性地推介了VST、CEG、NRG以及OKLO等核心標的。站在2026年的今天回頭看，這些公司幾乎都是翻3倍的表現！這再次證明了：在美股市場，只有精準預判能源這種“基礎設施”的稀缺性，才能在AI浪潮中抓到最確定的紅利！Meta未來戰略Meta的核能藍圖分為“買下現在”和“鎖定未來”兩步，精準卡位未來十年的關鍵節點：鎖定現有產能（VST)： Meta將從Vistra位於俄亥俄州和賓夕法尼亞州的現有核電站購買超過2.1吉瓦的電力。更關鍵的是，Meta還出資支援這些老電廠通過技術改進“擴容”，額外增加433兆瓦的產能。這種做法既穩住了當下的基本盤，又利用現有設施挖掘了新潛力。押注未來技術（OKLO）： Meta與Oklo達成協議，目標是獲得1.2吉瓦的產能。Oklo正在研發一種75兆瓦的小型反應堆，雖然還在等待審批，但Meta已經支付了預付款，專門用於幫助其採購核燃料。在能源供應鏈日益緊張的今天，這無異於提前鎖定了“入場券”。支援領軍項目（TerraPower）： Meta還同意支援由比爾·蓋茲創立的TerraPower，開發兩個反應堆，預計最早2032年交付。TerraPower首席執行長明確表示：核能必須成為滿足人工智慧電力需求的重要組成部分。為什麼非要核能不可？Meta之所以如此大手筆，是為了配合其雄心勃勃的硬體擴張計畫。祖克柏曾多次對投資者表示，相比於過度投入，他更擔心在AI基礎設施上投入不足。俄亥俄州項目： Meta在該州的“Prometheus”資料中心叢集預計今年（2026年）上線，容量達1吉瓦。Vistra提供的核電將為其提供全天候、不間斷的清潔能源。路易斯安那州項目： 代號“Hyperion”的資料中心規模更驚人，可能擴展至5吉瓦，計畫2028年上線。由於核電建設周期長，Meta甚至採取了“天然氣+核能”的混合策略，先建設天然氣發電廠應急，確保項目不因缺電而推遲。美股投資網分析認為 ，Meta的操作標誌著AI競爭已經從“軟體”和“晶片”維度，全面捲入了“能源”。能源確定性： 核能的最大優勢是穩定，不像風能和太陽能受天氣影響。對於24小時不停機的資料中心來說，核電是唯一能兼顧“清潔”與“穩定”的選擇。排他性競爭： 優質的核電資源是有限的。Meta通過大規模長效協議鎖定了未來十年的電力供應，實際上在無形中抬高了競爭對手的進入門檻。 (美股投資網)

台股今日盤中再創歷史新高後震盪拉回，高檔整理格局延續，整體多頭結構並未改變，盤面觀察，資金由大型權值轉向中小型成長股，族群輪動節奏明顯，在投資情緒升溫與融資回流背景下，操作策略更需回歸波段思維與主流辨識，找出具備產業動能與籌碼優勢的潛力方向。〈指數高檔震盪屬健康整理，創高後壓回是多頭自然節奏〉今天台股受台積電（2330-TW）帶動，早盤氣勢強勁，一度大漲逾330點至24570點，再創歷史盤中新高，然而尾盤獲利了結賣壓浮現，指數由紅翻黑，成交量放大至4646億元，雖指數漲多拉回，但從月線連四紅、8月漲幅近700點來看，多頭結構並未遭破壞，投資人需理解，高檔震盪並非轉弱，而是籌碼換手與資金輪動的反應，在指數創高之際出現震盪整理，是市場修正追高籌碼的必要過程，對於有紀律、有邏輯的波段操作者而言，這類震盪反而提供布局與換股的時機。〈資金轉向中小型股，櫃買指數創高成為觀察指標〉從盤面結構觀察，資金流向正在改變，今日櫃買指數收漲0.4%，再創波段新高，反映出市場資金由大型權值股轉向中小型成長股的趨勢，這也是近期主力與法人開始布局波段機會的重要訊號，市場節奏加快，類股間的輪動更頻繁，智霖老師在週末節目中已分析，台積電在地化與AI相關升級需求將推動先進封裝與半導體耗材的投資機會，今天盤勢果然印證此觀點，封測族群的京元電子（2449-TW）盤中亮燈漲停，連續兩日創高，法人資金明顯流入，這樣的走勢不僅反映基本面，也呈現市場資金對趨勢型產業的認同。另一焦點則是昇陽半導體（8028-TW），盤中大漲8%，強勢收在161.5元，老師早在7月底於年均線附近就提前點名與布局，經歷兩波操作後仍持續追蹤，策略清晰且紀律執行，這類先整理、站上年均線、進入主升段的個股，正是資金輪動下的主流接棒代表。〈立即填表體驗諮詢陳智霖分析師會員服務〉APP選股會員每月僅限額招收，名額有限，立即填表諮詢：https://lihi.cc/RFzlE/0829〈震盪洗籌有利布局，聚焦剛起漲的趨勢股〉儘管行情持續熱絡，不少個股如特用化學族群的台特化（4772-TW）與新應材（4749-TW）出現開高走低、上影線明顯的走勢，顯示短線當沖與隔日沖過熱現象普遍，融資水位攀升、散戶人氣回流，也讓市場波動加劇，操作難度提高，此時更需冷靜面對市場，聚焦技術與籌碼結構轉強、剛進入主升段的潛力個股，而非盲目追高。今天老師受邀TVBS晚間11點金臨天下節目，將針對當前盤勢關鍵進行深入解析，台股創高震盪是盤整還是轉弱？中小型股為何漲勢凌駕權值股，同時聚焦先進封裝、矽光子與2奈米製程三大產業鏈主題，這些產業正是下一階段主流接棒的核心方向，節目中老師將分享實戰操作思維與布局策略，若你也想在輪動行情中卡位新主流，敬請鎖定今晚節目，也邀請投資朋友立即下載智霖老師的APP接收最即時的分析資訊，週日免費提供信用籌碼有疑慮名單，協助你避開高檔追價陷阱，APP選股會員每月僅限額招收，名額有限立即填表諮詢，更詳細的內容請收看最新的直播節目。最新影音(請點影音上方標題至Youtube收視品質會更佳)https://youtu.be/hKzQezFCchw〈免費下載【陳智霖分析師APP】，掌握第一手盤勢與選股資訊〉忠實粉絲務必先完成填表申請，立即體驗每週精選操作名單、盤中到價盤中通知與即時策略更新，每週日晚上更提供信用籌碼觀察名單，協助你提前布局、避開風險。錯過下載，就可能錯過最佳進場時機！【陳智霖分析師APP】下載連結：https://lihi.cc/rjzvj/0829錢進熱線 02-2653-8299，立即邁向系統依據的股票操作。文章來源：陳智霖分析師 / 凱旭投顧

中國科學家研製出全球首款電池供電的可穿戴經顱磁刺激裝置記者3月25日從中國科學院自動化研究所獲悉，該所腦網路組與腦機介面北京市重點實驗室近日成功研發出全球首款電池供電的可穿戴閾上重複經顱磁刺激裝置（rTMS），相關成果已發表在國際學術期刊《自然·通訊》上。論文的共同第一作者、中國科學院自動化研究所副研究員戚自輝介紹，這台裝置重量小於3公斤，性能卻與商用大型裝置相當，為rTMS技術在家庭、社區及自由行動中的全場景應用提供了新可能。“腦機介面技術將大腦與機器建立聯絡，實現腦與外部裝置的資訊交換，按照資訊流的方向可分為‘腦控’和‘控腦’兩類。”中國科學院自動化研究所研究員、腦網路組與腦機介面北京市重點實驗室主任蔣田仔說。蔣田仔介紹，“腦控”實現了腦訊號解碼到外部裝置的資訊轉換，而“控腦”也叫神經調控，通過電、磁、聲、光、熱等手段，將物理能量寫入大腦來干預神經元的活動，實現機器到腦的資訊交換。相較於藥物治療，物理神經調控技術因其副作用小、靶向性好，是臨床腦疾病治療的利器。以深部腦刺激（DBS）為代表的有創神經調控技術已在治療帕金森病等領域取得進展。然而，在無創神經調控中，由於人類進化形成的頭皮、顱骨、腦脊液、腦膜等多層顱腦結構，將腦組織層層保護，使得精確、有效的無創神經調控變得很困難，這始終是神經調控領域中一塊難啃的“硬骨頭”。戚自輝介紹，1985年，英國謝菲爾德大學教授安東尼·巴克爾等人發明了經顱磁刺激技術（TMS），其利用時變磁場在腦內產生感應電流，實現對神經元的非侵入性調控，直接啟動神經元產生動作電位。作為一種閾上的無創神經調控手段，TMS與磁共振成像、正電子發射成像、腦磁圖並稱“腦科學四大技術”。“傳統rTMS裝置的脈衝發放頻率很高，配套的電源和散熱設施使裝置重達數十公斤，極大限制其在臨床和科研中的應用。如何將rTMS裝置小型化，甚至是實現可穿戴，是技術難題。”戚自輝說。戚自輝介紹，研究團隊通過輕量級磁芯線圈設計和高功率密度高壓脈衝驅動技術的突破，成功將裝置功耗、重量降至進口商用裝置的10%，且和現有傳統商業TMS裝置的刺激強度接近。試驗中，該裝置首次在自由行走過程實現了rTMS神經調控，揭示了中樞神經系統和不同肢體肌肉活動之間的動態相互作用。論文的共同第一作者、中國科學院自動化研究所高級工程師劉浩表示，可穿戴rTMS裝置未來可與腦電、近紅外等非侵入式腦訊號檢測技術結合，通過對腦訊號的即時解碼最佳化rTMS調控過程，形成可穿戴式閉環rTMS神經調控系統，提升現有rTMS的治療穩定性，讓閉環腦機介面從實驗室走向真實場景的大規模應用成為可能。“可穿戴rTMS裝置的成功研發是神經精神疾病治療領域的一項突破，將為患者帶來更便捷、更有效的治療選擇，同時也為腦科學研究提供了新的工具。這項技術將會在腦健康和腦機介面領域發揮重要作用。”蔣田仔說。 (海外網)

台積電在今(2024)年北美技術論壇發表A16製程，進軍埃米級晶片，將運用「超級電軌」架構，預期能大幅提升晶片效能外，還能在延續摩爾定律前提下，繼續打造更微小晶片，其中，「晶背供電方案」更被視為台積電最新黑科技，有望在下一階段埃米級戰爭中取得領先優勢，而不少國際大廠也正投入佈局，對此，《經濟日報》整理相關資訊，供讀者參考比較。 根據台積電官網資訊指出，目前研發中的A16製程是下一代的納米片（Nanosheet）電晶體技術，並採用獨家「超級電軌」技術（ SPR ；Super Power Rail），其中，包含背面供電解決方案。 1 晶背供電是什麼？ 由於原先技術利用後段製程，在硅晶圓正面進行IC 等元件堆疊，相關電源線、訊號線亦是如此，不過，隨著層數越多，除了晶片本身的散熱問題會被更加凸顯外，供電系統進入後段製程複雜度增加，同時，也會有IR壓降（IR Drop）升高的風險，若IR壓降無控制，嚴重恐導致晶片出「Bug」，不僅如此，大部分元件集中在正面，也無助於進一步縮減晶片尺寸。

被稱為「投資冒險家「的孫正義，已經準備好對AI孤注一擲。 今日，日本軟銀集團創始人孫正義再次公開表達對AI的看好，宣稱他的目標是要打造出“超級人工智慧”，而軟銀此前所做的一切都是為了實現AI夢想的熱身。就在昨日軟銀集團旗下電信子公司軟銀公司的股東大會上，孫正義發表講話稱，軟銀集團將主要在美國加強發電業務，為全球人工智慧項目提供電力。 「下一個項目可能會大獲成功，也可能慘敗，但是軟銀別無選擇，只能嘗試。」孫正義在股東大會中說道。這也再次顯示孫正義在這輪科技浪潮中重押AI的決心。 押注AI供電

短期內電力市場的供給緊張不會得到緩解 5月10日，摩根士丹利研究團隊發布研報，就全球投資者關心的生成式AI主題進行了分析討論。報告顯示，目前，投資人主要關心AI資料中心的碳排放、發電方式、電價等議題。 摩根士丹利認為，隨著AI技術的發展，資料中心的建設將會推高電價、利好相關的清潔能源股，如果電力短缺問題持續發酵，可能導致包括英偉達在內的高價晶片股出現回檔。 「AI供電」中有哪些領域值得重視？

Coatue ，這家總部位於紐約的對沖基金向來以低調著稱，其官網高冷到只有一個聯絡郵箱，合夥人也從不接受採訪。 但這依然難掩其業績的鋒芒，從1999年成立至今，Coatue的管理規模從1500萬美金躍升到486億美金。 憑藉著強大的科技敏銳度和人脈關係網，Coatue捕捉了SpaceX、DoorDash、Zoom、Databricks等投資機會。 在美國本土攻城略地的同時，Coatue還敏銳的捕捉到了中國移動互聯網的紅利，並在騰訊、美團、字節跳動、滴滴等中國超級獨角獸上下重註，取得了豐碩的回報。