全球GPU争夺战愈演愈烈，新望远镜发射加速AI星系探索_新闻

免责声明：内容不构成买卖依据，投资有风险，入市需谨慎！

全球GPU争夺战愈演愈烈，新望远镜发射加速AI星系探索

2026-04-23 22:48:15

人工智能银河猎手加剧全球GPU短缺

随着新一代太空望远镜相继启用，全球图形处理器供应紧张局面正进一步加剧，而一个出人意料的需求源头正在浮现：利用人工智能寻找星系的科研人员。天文学家正转向图形处理器，以分析来自新一代空间望远镜的海量数据，这为本就有限的芯片资源带来了新一轮争夺。

天文领域引爆GPU新需求

南希·格雷斯·罗曼空间望远镜将于2026年9月发射，比原计划提前八个月。在其服役周期内，该望远镜预计将产生两万兆字节数据。作为参照，曾被视为黄金标准的哈勃太空望远镜每日仅传回1至2吉字节传感数据；2021年开始运作的詹姆斯·韦伯空间望远镜每日传回57吉字节图像数据；而今年晚些时候，位于智利的薇拉·鲁宾天文台将启动巡天计划，每晚采集的数据量高达20兆字节。

数据量的爆发式增长迫使天文学家放弃人工分析模式，转而依赖图形处理器进行图像处理、星系识别和模拟运算。圣克鲁斯加利福尼亚大学的天体物理学家布兰特·罗伯逊与英伟达合作十五年，将图形处理器计算应用于空间科学领域。他最初使用图形处理器进行超新星模拟，如今正开发应对数据洪流的工具系统。

太空数据分析的技术演进

罗伯逊与其前博士生瑞安·豪森共同开发了名为“墨菲斯”的深度学习模型。该人工智能系统可扫描海量数据集以识别并分类星系。他们对韦伯望远镜数据的早期分析显示，盘状星系的数量远超预期，这对现有宇宙演化理论提出了挑战。

目前墨菲斯模型正在升级转型。罗伯逊正将其架构从卷积神经网络转向Transformer模型——这正是驱动GPT等大语言模型的核心技术。这一转变将使墨菲斯的数据分析范围扩大数倍，显著提升工作效率。罗伯逊同时致力于基于太空望远镜数据的生成式人工智能模型研发，这些模型能有效改善受地球大气扭曲影响的地面望远镜观测质量。

GPU争夺战愈演愈烈

人工智能星系研究热潮加剧了全球图形处理器短缺。天文学家如今需要与加密货币矿工、人工智能初创企业及云计算服务商争夺有限的芯片资源。罗伯逊曾通过美国国家科学基金会在圣克鲁斯加利福尼亚大学建立图形处理器集群，但该设施已面临过时风险。尽管越来越多的研究者希望将计算密集型技术应用于科研，但资金保障仍存变数。

罗伯逊指出，由于资源受限，高校往往倾向于规避风险。他强调研究人员必须具备开拓精神才能获得必需的硬件支持。

数据产出规模对比

哈勃空间望远镜每日产出1-2吉字节数据；詹姆斯·韦伯空间望远镜每日产出57吉字节数据；薇拉·鲁宾天文台每日将采集20兆字节数据；而南希·格雷斯·罗曼空间望远镜预计每日产出约55兆字节数据。这种指数级增长的数据产出直接推动了对高性能图形处理器的需求。

全球供应链面临持续压力

人工智能星系研究需求使本就紧张的图形处理器供应链雪上加霜。芯片制造商面临来自多行业的巨大需求，数据中心、人工智能实验室乃至游戏爱好者都已面临短缺与高价困境。大学天文院系如今需要与科技巨头争夺图形处理器配额，这为科研探索设置了新的障碍。研究人员往往需要申请资助、建立合作关系，甚至购置老旧硬件以维持工作。

专家视角与行业展望

罗伯逊对此现状作出清晰阐释：“人们希望进行人工智能与机器学习分析，而图形处理器是实现这些目标的必要工具。当你在技术前沿领域工作时，必须具备开拓精神。”他补充说明，这种趋势不仅限于天文学领域，气候科学、药物研发与自动驾驶研究同样依赖图形处理器。随着更多领域采用人工智能驱动的研究方法，芯片资源的竞争或将进一步激化。

通过运用图形处理器分析新一代望远镜的巨量数据，人工智能星系研究者正在重塑天文学研究范式。海量数据产出已远超传统分析方法的能力边界，这种转变在加剧全球芯片短缺的同时，也使研究者面临资金压力与硬件竞争的双重挑战。随着更多望远镜投入运行，对强大计算能力的需求将持续增长，图形处理器短缺问题或将成为二十一世纪科学研究的关键挑战。

免责声明：

本网站、超链接、相关应用程序、论坛、博客等媒体账户以及其他平台和用户发布的所有内容均来源于第三方平台及平台用户。百亿财经对于网站及其内容不作任何类型的保证，网站所有区块链相关数据以及其他内容资料仅供用户学习及研究之用，不构成任何投资、法律等其他领域的建议和依据。百亿财经用户以及其他第三方平台在本网站发布的任何内容均由其个人负责，与百亿财经无关。百亿财经不对任何因使用本网站信息而导致的任何损失负责。您需谨慎使用相关数据及内容，并自行承担所带来的一切风险。强烈建议您独自对内容进行研究、审查、分析和验证。

展开阅读全文