黄仁勋为何在烤肉店吃烤肉？
— 英伟达与 Naver 的吉瓦级联盟，其背后的地缘政治
2026 年 6 月 5 日晚，首尔麻浦区弘大的某家餐厅里，烤肉正在滋滋作响。
桌子一侧坐着 Naver 全球投资负责人 (GIO) 李海珍，
对面是销售全球最昂贵芯片公司的首席执行官黄仁勋，他举着烧酒杯。
餐厅并非米其林餐厅，也不是外交部安排的晚宴场所。而是一家烟雾缭绕的烤肉店。
三天后，黄仁勋出现在京畿道城南市盆唐区 Naver 第二总部“1784”。
他穿过机器人自主导航的走廊，
目睹了人脸识别支付系统无需钱包即可完成支付的场景，
并在直播平台“Chiizik”的镜头前，与李海珍 GIO 一起向全球开发者挥手。
将这些场景拼接在一起会显得有些突兀。
全球最大 AI 基础设施公司的掌舵人为何亲自拜访韩国门户网站公司的总部？为何发布会地点不是会议厅而是烤肉店？
答案并不显而易见。从交易规模来看，则能看到另一番景象。
双方达成的并非简单的 GPU 供应合同。
计划是到 2027 年上半年启动 55 兆瓦 (MW)，2028 年达到 200 兆瓦，并在中长期内达到 1 吉瓦 (GW) 的超大规模 AI 基础设施，在全球范围内共同建设。
1 吉瓦的规模约等于 Naver 拥有的亚洲最大超大规模数据中心“GAK Sejong”的最高设计容量（270 兆瓦）的近 4 倍。如此规模的数据中心尚不存在。
本文将追溯一盘烤肉和一份吉瓦级合同之间究竟发生了什么。
1. 这不是机械交易 — 数据中心如何成为工厂
21 世纪 10 年代初，数据中心是存放网页服务器和电子邮件服务器的冷库。
一种被动的设施，当用户打开网页时，服务器会返回 HTML。电力消耗安静，空调制冷即可。
这一切发生根本性改变的标志是一个日期：2022 年 11 月 30 日。ChatGPT 发布日。
自大型语言模型 (LLM) 向实际用户部署以来，数据中心的身份发生了翻天覆地的变化。
它变成了一个工厂，输入原始文本数据作为原料，全年无休地处理数千亿次浮点运算，并产出以“token”为单位的智能。
黄仁勋所说的**“AI 工厂 (AI Factory)”的概念，正是对这一变化的浓缩**。
数据中心变成工厂，也随之带来了工厂的问题。其中最严峻的制约是电力。
传统的服务器 1 个机架的功耗约为 10 千瓦 (kW)。
搭载英伟达最新 Blackwell 加速器集群的 1 个机架，功耗超过 120 千瓦。
在相同空间内，如果涌入超过 10 倍的电力，发热量也随之增加 10 倍。传统的空调制冷方式无法处理如此巨大的热量。服务器会融化。
英伟达通过软件解决了这个问题。他们不仅仅销售 GPU，而是构建了一个能够用代码编排整个电网的平台。
该平台名为 DSX (Data Center Systems eXperience)。
问题在于，DSX 并非能集成到任何数据中心。
要驱动吉瓦级规模的 AI 工厂，除了软件控制能力，还需要物理基础设施的先行。
能够处理高密度热量的冷却系统，能够即时响应电力波动的操作系统，以及数十年积累的数据中心设计经验。
Naver 拥有这些。这也是黄仁勋亲自拜访 Naver 的一半原因。
2. 从烤肉桌到人脸识别终端 — 信任的物质基础
黄仁勋在弘大餐厅目睹的场景，是在技术简报会上听不到的。
李海珍 GIO 没有掏出钱包。
他将脸对准了 Naver 的线下支付终端“Connect”，该终端安装在收银台上。终端内置摄像头收集了他的生物数据，本地神经网络完成比对验证，支付完成。整个过程耗时不到 1 秒。
这个场景之所以重要，不在于支付技术本身。重要的是它运行的场所。
首尔麻浦区弘大商圈的普通餐厅。并非智慧城市试点项目，而是由小商户经营的实际店铺。
黄仁勋在那里亲眼看到了“实用型 AI”的实体，它不再仅仅是屏幕中生成文本的 AI，而是与线下支付基础设施完全融合的 AI。
这是 Naver 所宣称的与其所实现的之间没有差距的证明。
对于技术公司而言，这样的证据比任何新闻稿都更有说服力。
三天后，在 1784 总部访问期间，两位总裁在直播平台 Chiizik 的虚拟演播室“Vision Stage”进行了联合直播。
全球科技巨头 CEO 出现在韩国本地流媒体平台的直播中，实属罕见。
这种摆脱了僵硬的企业结合报道的叙事方式，象征着双方将情感上的信任也公诸于众。
战略性技术联盟并非从电子表格开始。
它始于对对方是否真正实现其所宣称的技术的信心。黄仁勋首先在烤肉店获得了这种信心。
3. 如何用代码书写电力 — 英伟达 DSX 剖析
如果说 AI 工厂的物理极限是电力，那么 DSX 就是用软件突破这一极限的系统。
通过按顺序剖析由 4 个层级组成的平台，就能看到吉瓦级工厂的运作原理。
DSX OS — 这是工厂的神经系统。在数千个 GPU 机架同时运行的多租户云环境中，它能自动监控硬件的生命周期，并在发生故障时通过软件即时进行自我修复 (Remediation)。这意味着人类工程师无需在凌晨 3 点在机架前重启服务器。
DSX MaxLPS — 在电力预算固定的情况下，它能将 GPU 密度提高高达 40% 的引擎。其工作原理是：AI 计算工作负载并非均匀分布。某些 GPU 正在进行训练运算达到满负荷，而旁边的机架则处于推理待机状态。此时就会产生闲置电力 (Stranded Power)。MaxLPS 会实时检测并回收这些闲置电力，重新分配给活动的 GPU。在固定的兆瓦预算内运行更多 GPU，最大化每兆瓦产生的 token 数量。
DSX Flex — 将发电厂电网的信号与数据中心计算调度器直接同步。在电力高峰时段或可再生能源供应瞬间中断时，它能以纳秒级为单位自动调整深度学习训练的等待队列，缓解本地电网过载。这是数据中心从被动的电力消费者转变为主动的平衡装置的时刻。
DSX Exchange — 这是通过高速 MQTT 协议连接 IT 世界（软件计算信号）和 OT 世界（冷却泵、空调阀、电力总线）的枢纽。当 GPU 温度超过临界值时，软件会实时提高冷却泵的 RPM。这就建立了一个物理基础设施对计算负载做出反应的闭环。
Naver Cloud 已同意将这 4 个层级集成到其整个云服务中。
这并非简单的 GPU 购买，而是决定在 DSX 架构上重新设计基础设施的运营方式。
4. GAK Sejong 活着的理由 — 30 年冷却工程的积淀
DSX 用软件控制电力，
而处理电力产生的热量则是 Naver 的领域。这也是 Naver 在此次联盟中带来的第二个核心资产。
2013 年，Naver 在江原道春川完成了首个数据中心“GAK Chuncheon”。
这座建筑的特别之处在于其几乎不使用空调的设计。它利用了位于山腰的地理位置，采用了将外部冷空气直接引入服务器机房的 AMU（空气处理单元）方式。一年中约 90% 的时间无需开启空调即可为服务器降温。
电力使用效率 (PUE) 为 1.09。在全球处于顶尖水平。
2023 年完工的“GAK Sejong”将该技术提升到了新的水平。
关键在于消除了空气输送管道。传统数据中心通过大型管道将冷空气输送到服务器机房的每个角落。管道会产生摩擦阻力，为了克服这种阻力，需要强大的风扇运转，而风扇会消耗电力。
GAK Sejong 的 NAMU III 取消了管道，取而代之的是密集排列的 BLDC（无刷直流）风扇的网格结构。它以更低的功耗，无摩擦地输送更多的空气。
然而，Blackwell 和 Vera Rubin 系列的加速器正在挑战空气冷却的物理极限。
每机架超过 120 千瓦的散热量，仅靠空气冷却来处理，能源成本将呈爆炸式增长。
Naver 正在从两个方向准备解决方案。
一是直接液体冷却 (DLC)：将冷却板直接安装在 GPU 芯片表面，通过水冷带走热量。
二是浸没式冷却：将整个服务器浸泡在不导电的特殊油中。
这两种方式与 NAMU III 的空气冷却相结合的混合系统，将应用于计划于 2027 年完工的服务器机房。
这里重要的是，该冷却系统与英伟达的下一代液体冷却规格进行了硬件级别的共同设计 (Co-design)。
软件 (DSX) 和物理 (GAK Sejong 冷却) 被设计成在一个单一架构内相互响应。
人工智能读取 GPU 温度数据，实时控制风扇速度和冷却液流量。
这就是单纯的 GPU 购买者与战略联盟伙伴的区别。
前者购买机架，后者共同设计机架得以存在的基础设施。
5. 为何只激活 550 亿个参数 — Nemotron 3 Ultra 的悖论
硬件联盟的上层是模型架构的联盟。
一般的超大型语言模型在预测一个单词时会激活全部的权重参数。如果一个拥有 5000 亿个参数的模型，为了生成一个单词“the”，就需要进行 5000 亿次运算。这是浪费。
但在现有架构中，这是无法避免的结构性浪费。
Nemotron 3 Ultra 以不同的方式解决了这个问题。
它将总计 5500 亿 (550B) 参数按功能划分为“专家 (Expert)”群体，
根据输入句子的意图和特性，仅选择性地激活 550 亿 (55B) 的权重。LatentMoE 动态路由器以纳秒级处理这种选择。
仅使用总容量的 10%，但结果质量却能与使用全部参数的模型相当甚至更好。
在此基础上，还增加了 Mamba 层。
传统的 Transformer 架构在处理长句子时需要与平方成比例的运算量 (O(N²))。
处理一百万个 token 在理论上几乎不可能。
Mamba 通过数学压缩序列，以线性时间 (O(N)) 处理。这意味着可以一次推理循环处理 2000 页的报告。
结果可以概括为两个数字：推理速度提高 5 倍。运算成本降低 30%。
Naver 正在基于此架构对韩语和东亚法律数据进行微调 (Fine-Tuning)，以提升 HyperCLOVA X 的基础能力。
这不是简单地引进外国模型，而是从基础架构设计阶段就建立了合作关系。
Naver 已成为韩国企业中首个加入英伟达最新模型联盟 (Nemotron Coalition) 的成员。
这意味着技术进口国与技术生产国之间的区别。
6. 当代理人进入企业内部 — NemoClaw 的安全哲学
如果说 Nemotron 3 Ultra 是大脑，
那么 NemoClaw 就是确保该大脑在企业环境中安全运行的神经保护膜。
当 AI 代理人投入实际工作时，最大的障碍并非性能，而是信任。
当代理人访问内部文件系统，读取会计数据，引用公司邮件时，企业知识产权可能泄露的恐惧阻碍了其引入。事实上，这种恐惧并非没有根据。
传统的 AI 代理人一旦获得权限，往往无法自行控制其权限范围。
NemoClaw 从硬件层面阻止了这个问题。
代理人始终仅在“OpenShell”沙箱内部运行。用户明确允许的目录、IP 端口、网络路径之外的访问，在内核级别 (Capability Drops) 被物理封锁。并非拒绝访问，而是代理人根本看不到其存在。
所有出站数据包都会被实时过滤，一旦检测到异常迹象，代理人内核会立即进行自我销毁 (Self-healing shutdown)。
这种结构带来的实际变化是：
法务团队可以委托代理人总结 1000 份合同。代理人只能读取指定的合同文件夹，无法看到其他内容，总结结果也仅返回给法务团队。源代码传输到外部服务器，或向竞争对手服务器发送 ping 包，在结构上是不可能的。
Naver 和英伟达计划于今年下半年正式在国内推出该平台。
企业用户可以将其 NemoClaw 基础的代理人直接部署到自己的环境中。例如，自主编码辅助工具、金融交易分析代理人、公司法规审查自动化 — 这些领域至今因安全担忧而受阻。
代理人时代进入企业内部的速度，或许需要从 NemoClaw 的发布时间重新衡量。
7. 如何教授城市 — Cosmos 与首尔世界模型
走向物理世界的 AI 需要不同种类的智能。
对于生成文本的语言模型，需要语言的语法和意义。对于在道路上行驶的机器人，需要物理定律。
在湿滑的沥青路面上轮胎的抓地力如何，穿过隧道后摄像头需要多长时间适应，行人突然出现时刹车需要多快反应。这些并非来自数据，而是来自经验，而积累经验需要可能发生事故的现实。
英伟达的 Cosmos 3 提供的是该现实的虚拟复制品。
Cosmos 3 是一个基础模型，通过将数亿小时的全球道路环境、物体处理、物理力学视频直接输入神经网络，学习了现实世界的物理定律。用户输入文本描述或传感器数据，Cosmos 3 会物理精确地计算加速度、碰撞变形、光反射、轮胎-路面摩擦系数，并生成 3D 虚拟视频。传统的模拟需要工程师将物理公式直接注入代码。Cosmos 3 是从数据中自主学习的。
Naver Cloud 在该引擎之上结合了首尔的空间数据。
自 21 世纪初运营 Naver 地图服务以来积累的现场数据，配备激光雷达传感器的车辆对首尔全境拍摄的 120 万张以上全景图像，以及精度达到厘米级的地形数据。将这些数据叠加到 Cosmos 3 的物理模拟之上，就形成了**“首尔世界模型 (Seoul World Model)”**。
该模型能够实现什么，可以通过具体场景来解释。
凌晨 2 点，麻浦大桥北端。正在下大雨。路灯熄灭。一名行人突然冲入马路。
自动驾驶物流机器人“ROOKIE”应该如何处理这种情况？在实际道路上重复这种场景的实验是不可能的。但在首尔世界模型中，可以无限次复制这种情况，并微调 ROOKIE 的反应算法。
穿过隧道出口时，摄像头因突如其来的逆光而曝光过度，
如何在没有传感器的情况下仅凭空间记忆维持行驶。
如何在被油污染的交叉路面计算准确的摩擦系数。所有这些都将在虚拟首尔中重复数千次，然后植入 ROOKIE 的控制算法中。
物理 AI 的瓶颈不在于数据，而在于验证。首尔世界模型使得这种验证可以在虚拟环境中无限次重复。
8. 数据主权之战 — 主权 AI 的地缘政治
在技术史上，掌控基础设施的一方往往掌控市场。
19 世纪，当英国控制海底电缆网络时，全球金融信息和外交通信都必须经过伦敦。
20 世纪，当美国掌控互联网核心节点和云平台时，全球数字流量都进入了美国法律的管辖范围。
AI 时代的基础设施是数据中心和语言模型。而这些正被谷歌、微软、亚马逊所掌控。
对这种格局感到不安的国家有很多。
欧盟，法律禁止本国公民的医疗数据、司法记录、国防文件存储在美国管辖的服务器上。
中东产油国，在经历了美国对伊朗制裁后，深刻体会到了技术依赖的风险。
东南亚国家，由于缺乏以本国语言运行的 AI 模型，本国语言数据完全流入外国公司。
他们共享着对**“主权 AI (Sovereign AI)”的需求**。即在本土领土内，使用本国数据运行，不受外国法律管辖的 AI 基础设施。
问题在于，这些基础设施可以从哪里购买？
无法从美国科技巨头那里购买。他们总是只在自己的法律和政策指南下提供服务。
也无法从中国购买。政治风险会带来另一方向的依赖。
Naver 就在这个空白中。
Naver 拥有世界上少数公司才具备的完整技术栈。
自主研发的大型语言模型 (HyperCLOVA X)，
驱动它的亚洲最大低功耗超大规模数据中心 (GAK Sejong)，
保障数据主权的统一云基础设施。
最重要的是，它拥有向实际政府客户交付的实际业绩。
与沙特阿拉伯自治行政住房部签订的 1 亿美元国家数字孪生建设合同，就是其实际业绩。包括利雅得在内的核心城市的立体扫描，阿拉伯语专属 AI 模型运营，本国服务器内数据完全隔离。这项合同证明了 Naver 能够以需求国的语言进行沟通，而非技术出口国的逻辑。
在英伟达看来，Naver 的价值就在于此。
黄仁勋亲自去说服中东政府可能会适得其反。因为美国科技巨头声称销售“主权 AI”本身就存在矛盾。但通过 Naver 则不同。已经与当地政府建立信任的、中立的合作伙伴，将英伟达的硬件整合到当地基础设施中。
这不是销售策略，而是地缘政治战略。
9. 失败教会我们的 — Mach-1 与平台转换的逻辑
2022 年，Naver 与三星电子一起开始设计自主 AI 加速芯片“Mach-1”。
动机很明确。英伟达 GPU 价格昂贵且供应不足。
通过使用通用 LPDDR 内存代替 HBM 内存来降低成本，并在芯片电路中直接实现针对 HyperCLOVA X 的推理运算，可以获得价格竞争力。约 40 名核心研究人员投入其中。
Mach-1 的失败并非硬件技术问题。而是时机问题。
2024 年，当 Mach-1 的硅设计确定之时，AI 模型架构已完全转向了另一个方向。
Mixture-of-Experts (MoE)，数百万 token 上下文，Transformer-Mamba 复合结构。
这些与 Mach-1 为优化而固化在电路中的算法结构不匹配。ASIC 在设计时支持的算法是固定的，无法像软件一样更新。
再加上 CUDA 的壁垒。全球 AI 研究者和开发者数十年间在英伟达 CUDA 上积累了优化工具、学习框架、推理库。新的加速器芯片要从头复制该生态系统所需的时间是数年*。在这数年间，AI 模型又会更新一代*。
AI 模型架构的创新周期是 2-4 个月。
ASIC 从设计到量产至少需要 18-24 个月。
只要这两个数字并存，特定算法优化的 ASIC 在量产时就已经落后于时代。
在三星电子发布 Mach-2 路线图时，未将 Naver 列为共同合作伙伴，标志着双方合作实际上已终止。
Naver 从这次失败中改变了战略方向。
放弃硬件制造，转而确保软件栈的控制权。是时候进行平台竞争而非芯片竞争了：在英伟达的 GPU 上，通过 DSX 和 NemoClaw 控制基础设施，通过 HyperCLOVA X 控制模型，通过 FaceSign 和 Chiizik 控制终端。
这种以平台为中心的路线，反而成为了英伟达理想的合作伙伴形态。
不是在硬件上竞争的对手，而是最大限度地利用该硬件共同开拓市场的伙伴。
失败促成了联盟的条件。
10. 拐点：吉瓦级工厂提出的问题
迄今为止所描述的 — DSX、GAK Sejong、Nemotron、NemoClaw、首尔世界模型、主权 AI — 分别看起来像是独立的技术新闻。
但它们是对一个问题的多方面解答。
当人工智能成为人类社会的核心基础设施时，谁来控制这个基础设施？
此刻，这种控制权集中在少数美国企业手中。训练数据、模型权重、云服务、硬件供应链。所有这些都处于美国法律和美国企业的政策之下。全球各国政府在依赖这些的同时，也就转让了一部分主权。
吉瓦级 AI 工厂联盟是试图改变这种格局的尝试。
英伟达提供硬件，Naver 在非英语国家政府的信任网络中整合运营。欧洲拥有符合 GDPR 的主权 AI 基础设施，中东获得以阿拉伯语运行的本地 AI，东南亚在其本国服务器上处理本国数据。
这虽然披着技术民主化的外衣，但实际上是 AI 基础设施市场的地缘政治重塑。
在这个重塑过程中，Naver 的定位非常独特。
既非美国科技巨头，也非中国科技巨头，而是第三方供应商。拥有自主模型，运营自主基础设施，能够以政治中立的立场接触各国政府，是极少数企业之一。
由此产生了一个问题。
Naver 提供主权 AI，是真正意义上的技术主权转移，还是更精炼的技术依赖形式？
这个问题不容易回答。在 Naver 构建的基础设施上训练的沙特阿拉伯 AI 模型，有多大的“沙特阿拉伯的”？即使 GAK Sejong 位于韩国，HyperCLOVA X 是用韩语训练的，利雅得政府的数据就能完全置于主权之下吗？
这个问题之所以重要，不在于技术，而在于历史。要让“主权”这个词具有意义，必须存在消除依赖的途径。仅仅将供应商从美国科技巨头更换为 Naver，是否是主权？还是直到当地政府拥有自主训练模型和运营基础设施的能力之前的过渡过程才是主权？这种区别并未写在合同里。
11. 转型之后 — 技术如何融入日常生活
让我们回到黄仁勋在弘大餐厅目睹人脸识别支付的场景。
该场景的技术内容已在前面解释过。
但该场景的意义，在技术解释之后依然存在。
AI 改变世界这句话已经重复了几十年。
当这句话真正具有意义的时刻，是技术完全融入人类行为，不再被意识到的时刻。在支付终端前刷脸，变得像拿出钱包一样自然，就是那个时刻。
如果 FaceSign 在一家餐厅实现了那个时刻，那么吉瓦级 AI 工厂就是试图将那个时刻扩展到数十亿人的日常生活中。
规模不同，但方向一致。技术从人类意识中消失的方向。机械不再被看见，是完全融合的信号。
在首尔世界模型中反复模拟夜间暴雨的 ROOKIE，终有一天会在真实的、首尔凌晨 3 点的道路上无人配送货物。
在 NemoClaw 沙箱中审查合同的代理人，终有一天会处理掉律师一半的起草工作。
在 GAK Sejong 的冷却系统管理 GPU 发热量的同时，
数千公里外的欧洲议会 AI 伦理立法者，正在本国生产的主权 AI 基础设施上审查法案草案。
很少有人知道这些是相互连接的。也很少有人知道，一盘烤肉与吉瓦级合同是相连的。
12. 最后一个问题
技术联盟的宣布与其具体实现之间，总存在着距离。
1 吉瓦的 AI 工厂尚不存在。
目标是 2027 年上半年建成 55 兆瓦，而且也无法保证能按计划完成。
主权 AI 市场是否会按照 Naver 预期的方向发展，也存在不确定性。
各国政府是真正渴望技术自立，还是仅仅想要更便宜的供应商，这一点也不明确。
不确定性的列表还可以更长。
但黄仁勋亲自来到首尔的事实是确定的。他吃了烤肉，目睹了人脸识别支付，看到了在建筑物内行走的机器人，并出演了直播。
全球最有价值半导体公司 CEO 亲自拜访合作伙伴总部，并非日常外交。
这是英伟达将 Naver 视为不仅仅是客户，而是共同命运体的信号。
这个判断是否正确，要到 2027 年之后才能知晓。
在那之前，我们必须问一个问题。
在 AI 基础设施与电网一起成为国家核心基础设施的世界里，我们对谁设计、谁运营给予了多少关注？
当吉瓦级工厂在默默建造时，大多数人都在关注别的事情。
参考资料
- NVIDIA DSX Platform Technical Playbook and Reference Architecture Guide for AI Factories — Warren Barkley, Chris Alexiuk (NVIDIA Infrastructure Engineering)
- Hybrid Transformer-Mamba MoE Architecture: Nemotron 3 Ultra Technical Report — NVIDIA AI Research Lab (NVIDIA Cosmos Lab)
- Sovereign AI Infrastructure Expansion using NVIDIA DSX Platform on GAK Sejong — NAVER Cloud Technical Whitepaper (Noh Sang-min, Kim Yu-won)
- Physical AI Simulation and Spatial Intelligence: Seoul World Model Development conditioned on NVIDIA Cosmos 3 — NAVER Cloud Spatial Intelligence Center (Lee Hae-jin, Kim Yu-won)
- NemoClaw and OpenShell Sandbox Hardening User Guide for Autonomous Agent Deployment — NVIDIA Product Security Team
- GAK Sejong 环保混合式空气处理系统及 NAMU III 能源效率最大化研究 — Naver 数据中心集成中心 (Noh Sang-min)
- FaceSign 线下人脸识别支付终端 ‘Connect’ 试用报告 — Naver Financial 技术开发部 (Lee Hae-jin, Choi Soo-yeon)
- 三星 Mach-1 LPDDR 专用 ASIC 设计经验与 CUDA 软件依赖性分析 — 韩国 AI 半导体学会论文集 (Jeong Chae-yoon, Lee Ja-kyung)
- Sovereign AI Deployment Patterns: Middle East and European Market Analysis 2025–2026 — NVIDIA Global Partnership Report
- NAVER Saudi Arabia Ministry of Housing Digital Twin Contract: Technical Architecture and Outcomes — NAVER Global Geo-Intelligence Group
- Power Usage Effectiveness (PUE) Benchmarking: Hyperscale Data Centers in Asia-Pacific — Uptime Institute Asia Pacific Report 2025
- Agentic AI: Enterprise Deployment Security Requirements and Containment Architectures — Gartner Technology Research (2026)
- Mixture-of-Experts Models: Scaling Laws, Routing Efficiency, and Hardware Implications — DeepMind / Google Research (2025)
- Geopolitics of AI Infrastructure: Sovereign Compute and the New Technology Multipolarity — MIT Technology Review Policy Series (2026)
- NVIDIA Vera Rubin Platform: Compute Architecture and Memory Subsystem Design — NVIDIA Technical Disclosure (2025)