1、OpenAI“Stargate”超级数据中心项目掀起美国各州争夺战

《华盛顿邮报》披露，OpenAI 与 Oracle、SoftBank 合作推进的“Stargate”项目（首期投资 1000 亿美元，四年内总投资 5000 亿美元）已收到超过 250 份选址提案，20 余州政府、经济发展机构与土地所有者主动递交用地及税收优惠方案，以期承接巨型 AI 数据中心并获得长期电力与就业红利[1]。

OpenAI 全球事务副总裁 Chris Lehane 形容该计划将成为“新工业化催化剂”，公司承诺向落地州高校和公共机构提供免费算力与 AI 解决方案。分析人士指出，大规模 GPU 场站对水、电、光纤与变电容量要求极高，各州或面临能源配给、环保审批与社区阻力三重挑战。文章并对比 Amazon HQ2 竞标教训，提醒地方政府谨防“激进税补”导致收益外流。[1]

2、Sam Altman 向 Elon Musk 公开“求和”：AGI 使命重于个人纷争

印度主流科技媒体 India Today 报道，5 月 10 日清晨，马斯克转发一则 2016 年 Altman 批评特朗普的旧帖，引发网友再度围观两人多年矛盾。

Altman 随即在 X 连发贴文，自称“彼此都曾犯错”，并引用 2022 年《卫报》文章指出马斯克亦曾反击特朗普，最后写道：“Anyway, see you next week, let’s be friends. AGI is too important to let a lil feud get in the way.” 业内解读为对 2024 年马斯克起诉 OpenAI 以来“法律与舆论战”的降温信号，也为两家公司在 GPU 供应与安全基准上的潜在对话留出余地[2]。不过，Musk 暂未公开回应，双方是否会在“AI 安全顶层框架”上合作仍待观察。[2]

3、OpenAI Developers 深夜释出 GPT‑4.1 图形推理示例：SVG“骑车鹈鹕”引热议

OpenAI 官方开发者账号 @OpenAIDevs 于北京时间凌晨 00:11 发布视频，展示 GPT‑4.1 生成的矢量图 “pelican riding a bicycle” 及其思维链输出[3]。

帖子强调 GPT‑4.1 在约 1 美元的成本下即可批量生成 4000 幅图形描述，并支持“thinking budget”参数细粒度控制推理成本。社区测试者反馈，新模型在保持速度与价格优势的同时，SVG 结构完整度与对象语义一致性明显高于 GPT‑4o‐mini。该示例进一步验证了“小规模思考+长上下文”理念：开发者可在低思考预算下先粗生成，再按需提高推理深度补充细节，从而优化多模态应用的性能‑成本曲线。[3]

4、Anthropic API 于 PDT 5 月 9 日 22:51 出现 500 错误高峰，37 分钟内修复

Anthropic Status Page 显示，Claude 3.5 Haiku 与 3.7 Sonnet 在 API、Claude.ai 及 Console 层面同时出现请求异常，官方 22:51 发布“Investigating”，23:19 标记“Resolved”，全程 28 分钟定位问题、9 分钟监控确认恢复[4]。

此次故障与近期上线的 “cache‑aware rate limit” 机制关联度高：部分开发者报告在高并发流式调用中触发新限流逻辑导致 500 返回码。Anthropic 强调已调整限流阈值并新增指标监控，鼓励用户在 SDK 中捕获重试窗口，以减少突发错误对生产环境的影响。[4]

5、Exa × Anthropic 发起“AI Nobel Prize Hackathon”——目标用 Claude 做科学发现

向量搜索初创 Exa AI 于 5 月 9 日 22:04（UTC）发布推文，宣布与 Anthropic、AWS Activate、Lightspeed Venture Partners 联合举办 “AI Nobel Prize Hackathon”[5]。

主办方将为入选团队提供 5 万 Token/M 策略额度、10 万美元 AWS GPU 租赁券及 MCP（Model Context Protocol）实验框架，鼓励利用 Claude 3.x 系列模型在材料、药物、数学猜想等领域产出可发表级别的原创成果。评审团包括诺贝尔奖获得者与顶级期刊编辑，官方表示“若成果足够突破，将协助投稿 Nature、Science” 。赛事定位“Agentic Research” 实验场，也被视为验证“大模型+小样本+工具链”能否迈向自动化科学的重要风向标。[5]

6、NVIDIA 高管：GPU 已成 AI 研究“硬通货”，Llama Nemotron 快速迭代靠内部“算力众包”

Business Insider 独家专访披露，NVIDIA 应用研究副总裁 Jonathan Cohen 在公司内部播客中称，“在任何 AI 实验室，GPU 数量就是研究员的‘货币’”[6]。为在两个月内推出面向推理系统的 Llama Nemotron 模型家族，NVIDIA 各部门研究员主动让出训练配额，形成内部“Swarm”协作机制，按项目优先级动态重分配 H100 与 GH200 训练集群。Cohen 指出，快速实验‑迭代‑评估的闭环比单次大规模训练更能提升模型 reasoning 能力；公司未来将把此工作流开放给 Inception 生态初创团队。评论认为，这一模式折射出顶级芯片厂商从“卖 GPU”向“平台级 AI 研发加速器”角色的战略转型。[6]

参考资料

[1] https://www.washingtonpost.com/technology/2025/05/10/stargate-openai-data-centers-states/
[2] https://www.indiatoday.in/trending-news/story/sam-altman-reacts-to-elon-musk-dig-at-old-trump-post-says-lets-be-friends-2722609-2025-05-10
[3] https://x.com/OpenAIDevs/status/1920995155366039707
[4] https://status.anthropic.com/incidents/j080x9g1v5pw
[5] https://twitter.com/ExaAILabs/status/1920963056315609129
[6] https://www.businessinsider.com/nvidia-researchers-training-artificial-intelligence-2025-5

以上为今日重点 AI 新闻，欢迎关注后续更新。