登录体验完整功能(收藏、点赞、评论等) —

让AI触手可及,让应用激发潜能

天文领域AI应用需求爆发 进一步加剧全球GPU供应短缺

2026年以来,全球天文领域正大规模落地AI星系探测技术,科研团队依托GPU算力支撑,可快速从PB级星际观测数据中筛选出微弱的未知天体信号。这类新增科研算力需求,已成为继大语言模型训练、AIGC内容生产之后,全球GPU供应缺口扩大的新诱因,当前高端通用GPU交付周期已延长至14个月,高端H100芯片市场溢价率超40%。

对于寻找河外星系的天文学家而言,AI已经成为不可或缺的核心工具:韦布空间望远镜每天传回的1TB以上原始观测数据中,99%的无用噪点都可以通过训练好的AI模型在数小时内完成筛选,效率是人工标注的上百倍。

这种效率提升的背后是巨量算力支撑。训练一个适配多波段观测数据的星系识别AI模型,单次训练就需要消耗相当于30张A100芯片连续运行72小时的算力,而随着全球多个射电望远镜阵列完成升级,这类科研算力需求还在以每年230%的速度快速增长。

此前全球GPU的核心需求方主要是大模型厂商、云服务商和AIGC创业公司,科研领域的刚性算力需求进场后,进一步挤压了通用级芯片的供应空间。

免责声明:本网站AI资讯内容仅供学习参考,不构成任何建议,不对信息准确性与完整性负责。
相关资讯
AI小创