财联社6月8日电，电子布“年内已实现5轮涨价”6月8日刷屏财经圈。消息称，今年以来，算力需求爆发，带动电子布价格大幅上涨。截至6月初，市场上常用规格的电子布已经完成年内5轮提价，均价达7.4元/米，与去年三季度的低点相比，涨幅达到100%。由于电子布对生产设备和工艺控制要求很高，客观上制约了产能的扩张节奏。 对此，有不愿具名的电子布上市公司方面回应称，今年以来，确实已经涨了5次。每个月月末会对下一个月的价格进行调整，每次调整幅度在10%左右。从去年八九月份就开始有涨价趋势。 另有电子布龙头公司高管称，电子布涨价是从去年就开始的，但今年涨幅很大。电子布涨价原因有多方面，除了下游需求增加外，普通电子布产线向AI特种电子布产线转移，导致普通电子布产量下降，也是普通电子布价格上涨的一大原因。

财联社6月8日电，北京人形机器人创新中心6月8日与地瓜机器人宣布，双方协同打造的全尺寸通用人形机器人天工3.0，将2026年下半年开启规模化量产交付。据悉，该机型搭载地瓜机器人旭日S600具身智能大算力芯片，应用于工业制造、商业服务及3D复杂场景作业。据披露，依托技术架构与规模化量产优势，天工3.0整机综合成本预计降幅超50%。量产落地后的天工3.0，将投入产线作业、仓储物流、智能服务、特殊环境运维等实景应用。

财联社6月8日电，电子布，全称电子级玻璃纤维布，是电子工业中的关键基础材料，主要用于覆铜板和印制电路板的制造，再应用于数据中心服务器、智能手机和5G通信基站等各类电子产品。记者调查发现，今年以来，算力需求爆发，带动电子布价格大幅上涨。截至6月初，市场上常用规格的电子布已经完成年内5轮提价，均价达7.4元/米，与去年三季度的低点相比，涨幅达到100%。由于电子布对生产设备和工艺控制要求很高，客观上制约了产能的扩张节奏。专家表示，电子布供需紧张的情况可能还会延续。业内人士预计，受电子纱扩产周期长、高端电子布产能落地仍需时间影响，电子布市场何时恢复供需平衡，还有待观察。

财联社6月8日电，算力租赁商Nebius投资约17亿英镑用于扩充其英国算力产能。

财联社6月8日电，中信证券指出，AI算力指数级扩张的大背景下，北美单体数据中心电力与土地瓶颈日益突出，驱动算力布局从园区内的Scale Up/Out向跨园区、跨区域的Scale Across演进。Scale Across作为突破数据中心算力墙的核心方向，正加速从早期验证走向规模化部署，有望成为AI时代光互联新兴的高景气赛道。中信证券认为，DCI（数据中心互联）产业链正经历深刻的重构：AI时代对DCI提出高密度、高带宽、低延迟及高可靠性等严苛要求，催生了对高速率相干光模块和高密度光放大器的爆发式需求，产业价值正从传统DCI时代，高度集中于下游系统厂商，向中上游的光模块、光放大器及核心光电芯片环节加速转移。国内厂商凭借成熟的制造优势和供应链协同能力，有望深度参与全球DCI供应链。

财联社6月8日电，韩国互联网巨头NAVER与英伟达6月8日宣布，NAVER将基于英伟达DSX平台扩展自主AI基础设施，首期以世宗GAK数据中心55兆瓦规模启动，并计划逐步扩展至吉瓦级规模，为韩国企业、制造业、政府机构及全球AI云客户提供服务。在模型层面，NAVER将利用英伟达全栈AI平台推进下一代HyperCLOVA X模型研发，并基于英伟达Nemotron 3 Ultra开源模型进行微调，打造面向韩语及全球企业市场的本地化模型。NAVER同时成为首家加入英伟达Nemotron联盟的韩国企业，并计划于下半年在韩国推出AI智能体平台。

财联社6月8日电，在AI需求持续加大的刺激下，A股MLCC（多层陶瓷电容器）板块近期开启了一轮上涨行情。高盛最新研报认为，AI驱动的MLCC超级周期才刚刚开始。MLCC已成为AI服务器继GPU和内存之后的第三大成本项，预计2025年至2030年市场规模将增长约4.3倍。记者调研获悉，当前，MLCC行业正呈现“高端缺货，低端缺产能”的结构性紧张格局。因AI服务器、新能源汽车带动高端MLCC需求大幅增长，叠加高端产线建设周期长、短期产能难以快速释放，高端型号供需缺口显著。

财联社6月6日电，特锐德推出算力中心高压交直流预制舱供电站“算电岛”，重构智算中心供电底层架构，设备工厂模块化预制，可直入110/220kV高压，800V直流直供机房。建设周期缩至150天；依托碳化硅SST技术，供电效率98.5%；依托算电协同AI平台优化调度，Token用电成本下降约30%；800V母线直挂储能，实现绿电就地100%消纳；集成化方案使项目综合造价下降20%、运维成本降低40%。（财联社记者 肖良华）

2026年“算电协同”第一次被写进了政府工作报告，这也就意味着支撑人工智能发展的算力引擎，已经从技术突破变成了国家战略。安徽省淮南市副市长陈长勇表示，淮南正以全国罕见的“火电托底+绿电支撑+源网荷储一体化”资源优势，打造“算电协同”的新高地。中环新能源控股集团董事长余竹云表示：“在淮南凤台县，新能源发的1度电本来卖5角，如果我们利用上算力中心，性价比好的Token，卖到欧洲、美国甚至全球任何一个角落，可以卖到10元。”上海交通大学太阳能研究所所长、中环新能源控股集团首席科学家沈文忠则从技术角度，为这一模式提供了强有力的支撑。他指出，我国现在基本上2到3美分1度电在全国可以常态化，光伏风电为代表的绿电已经成为全球最便宜的能源。未来20年，随着TOPCon、BC、钙钛矿叠层等技术的不断突破，电池组件效率还能提高10%，而每提升1%的效率，发电成本就能下降7%，这将对我国人工智能未来发展起到重要作用。

财联社6月6日电，2026年以来，存储上市公司市值不断创新高，市场正在尝试将存储资产从传统“周期股”转变为“AI时代核心基础设施资产”。在此估值切换窗口，海外调研机构SemiAnalysis一则关于英伟达新一代Vera Rubin AI服务器平台的内存降配、成本下降的研报，引发海内外存储概念股集体回调。据业内分析，本次报告中所指降配仅限于CPU侧系统内存，与GPU算力核心并无关系，这是基于英伟达兼顾供应链、功耗、成本的多重战略选择。

财联社6月6日电，算力租赁商CoreWeave报告称有股东拟出售最多920万股股份，其股价盘后跌超3%。

财联社6月6日电，SpaceX表示，若算力在2026年9月30日之前未能交付，谷歌在经过一个月的宽限期后，有权终止这项GPU协议。谷歌将保留人工智能模型及相关数据的所有权。

财联社6月6日电，SpaceX和谷歌达成云服务协议。根据该协议，谷歌同意从2026年10月到2029年6月每月向SpaceX支付9.2亿美元。SpaceX提供的算力包括11万块英伟达GPU、CPU以及内存。

财联社6月5日电，腾讯混元宣布提出Stem稀疏注意力算法，已被机器学习顶会ICML-26收录。根据Stem算法×HPC算子的全栈加速方案，算法层面，Stem通过Token位置衰减（TPD）和输出感知度量（OAM）实现25%预算下的近无损精度；算子层面，HPC开源的Stem+BSA算子将稀疏收益转化为真实硬件加速，128K上下文下首字延迟降低3.7倍。

财联社6月5日电，受AI算力基础设施建设驱动，光纤光缆行业迎来新一轮涨价潮。作为光纤制造中必不可少的一员，高纯石英砂尤其是高端产品，因供需偏紧而“身价”上涨。“高纯石英砂应用在光棒制备多个环节，且光纤生产中还用到光纤级石英套管、炉芯管、石英管这些配套产品。”一位从事石英制品加工的企业负责人表示，目前光纤产业对高纯石英砂市场的拉动作用正在显现，利好主要集中在具备高端6N级砂生产能力的企业。下游加工环节则遵循市场化定价，受成本、供需及市场环境多重因素影响。据中国粉体网数据，当前光纤用高纯砂市场主流报价在4.8万元/吨至5.5万元/吨。6N级以上高纯石英砂国产自给率偏低，供应紧张。据悉，石英系光纤的生产制备主要分为预制棒制备、光纤拉丝两大核心工序，高纯石英砂贯穿两大工序。

财联社6月5日电，近日，华为高层领导团队到访平治信息子公司天昕电子，开展深度业务交流。双方立足当前算力市场发展现状，围绕产品研发优化方向、全行业市场布局、商业化落地路径展开细致研讨，共同磋商形成可落地执行的销售方案，并敲定分阶段销售推进节奏。据悉，天昕电子围绕鲲鹏920全系列模组开发R24920K、R26920K、R45920K、T76920K主力机型，全系搭载华为7nm工艺鲲鹏920处理器，同等算力下功耗相较传统架构降低30%，能效表现行业领先，完美契合国产化节能算力建设需求。今年6月，天昕电子正式成为华为鲲鹏部件伙伴（KPN），天昕电子将能够获得华为在模组和部件等高竞争力产品方面的支持，共同打造形态灵活多样的设备，满足行业差异化需求。

财联社6月5日电，《辽宁省“十五五”区域协调发展规划（征求意见稿）》向社会公开征求意见。其中提到，支持沈阳建设东北亚国际化中心城市。构建国际化现代综合枢纽城市。构建东北亚“3小时航空交通圈”，推动机场、高速公路等基础设施建设，推进国家新一代人工智能公共算力开放创新平台建设。建设国家先进制造中心。推进汽车及零部件、装备制造等传统产业扩容提质，培育壮大航空航天、新一代信息技术等战略性新兴产业，布局建设具身智能等未来产业。打造东北现代服务业中心。大力发展智慧物流、数字金融等新业态，建设区域性金融中心，打造国际新品首发首秀首展新地标。

财联社6月5日电，深圳河套学院Al训练平台项目团队，联合哈尔滨工业大学(深圳)、深圳市大数据研究院、华为有关团队，协同深智城AI算力平台，面向国产算力大模型训练开展联合攻关。依托昇腾910C国产AI算力集群，完成1.6万亿参数大模型DeepSeek-V4-Pro全参数后训练。从技术应用角度来看，调用已有模型开展业务推理，与从零完成模型全参数训练分属不同技术环节，二者在技术难度、硬件要求上存在明显区别。本次试验结果表明，国产AI算力已可承担顶级大模型训练任务，相关技术路径具备可行性。