英伟达入股数据中心开发商、Starcloud再融2.5亿美元：AI算力先抢电力与发射能力 (2026)

今日判断

北京时间 8 月 21 日，AI 行业的两项大额投入都在为算力准备模型之外的条件：英伟达把电力、站址与制冷提前放进数据中心设计；轨道推理公司 Starcloud 则把新钱用在卫星制造和锁定发射能力。本期覆盖 2026 年 8 月 21 日公开的材料；融资金额、公司进展和研究分数均保留原始披露口径。

快速扫一眼

板块	关键动态	读者该看什么
大公司与产品	英伟达与数据中心开发商 Cloverleaf 建立战略合作，并对其进行少数股权投资；英伟达的 AVO 智能体系统在 ARC-AGI-3 公开集完成 183 个关卡。1 2	数据中心开发和长程智能体的竞争，都开始取决于完整系统怎样组织资源与反馈。
创业与投资	Starcloud 为轨道推理卫星追加 2.5 亿美元融资，估值 23 亿美元；格式塔科技完成 4.2 亿元人民币天使+轮。3 4	资金开始为制造、发射与脑机接口数据采集这些长期交付环节买单。
前沿研究	Anthropic 的 CHIVE 用反事实提示词编辑检验模型行为解释；三种激活读取工具在该评测中都未超过只读文字记录的基线。5	可解释性结论需要能预测「改动输入后会发生什么」，而不是只给出看似合理的文字解释。

大公司与产品

英伟达：把数据中心的选址和供电前移

Cloverleaf 8 月 21 日宣布与英伟达建立战略合作，英伟达同时进行了少数股权投资，金额没有披露。Cloverleaf 是一家美国数据中心用地与基础设施开发商；双方计划用 NVIDIA DSX 把站址、电力、制冷、计算和设施运营放到项目设计早期一起权衡。合作公告把目标写得很具体：让客户更早确定可开工、已有电力接入条件的站点，并在有限的电力和水资源下配置算力。1

同一天，英伟达发布了长程智能体架构 AVO 的新结果。该系统使用 Claude Opus 5，在 ARC-AGI-3 的 25 个公开环境中完成全部 183 个关卡，RHAE 为 100.00，共使用 6,624 次环境动作。英伟达与 VISTA 报告的同一公开集结果对照后称，AVO 少用了约 12% 的环境动作。该文同时说明，两套系统的后端、输入表示、记忆和上下文管理不同；这组数据反映完整系统的表现，未拆分内存或监督模块各自带来的贡献。2

这两条消息落在同一件事上：算力项目要在电网和工地上完成交付，智能体也要靠记忆、工具、测试反馈与恢复机制完成长任务。单看芯片型号或模型分数，已经很难判断系统能走多远。

创业与投资

Starcloud：融资的一部分用途是提前订发射能力

Starcloud 向 TechCrunch 表示，公司在 3 月 1.7 亿美元 A 轮之后追加 2.5 亿美元融资，估值为 23 亿美元。Manhattan West Ventures 领投，英伟达和思科参与。公司计划扩大卫星制造设施，推进轨道数据中心飞船 Starcloud-3，并在 2027 年先发射两颗单星算力 8 千瓦的 Starcloud-2 卫星，面向包括美国政府机构在内的客户提供在轨推理。3

这笔钱的一项直接用途是购买未来发射能力。Starcloud 的管理层提到，Falcon 9 计划在 2028 年结束、Starship 尚在投入运营前的阶段，发射资源的可得性正在影响卫星项目的排期。对轨道计算公司而言，融资金额之外，能否签下火箭合同、按期交付卫星和获得客户任务，才是下一组更有用的验证点。3

格式塔科技：脑机接口创业公司完成 4.2 亿元天使+轮

中国脑机接口公司格式塔科技（Gestala）完成 4.2 亿元人民币天使+轮融资，华映资本领投，云时资本作为老股东继续加码，红杉中国、创新工场等参与。云时资本发布的材料称，格式塔科技主攻超声波无创脑机接口，资金将支持相关研发和产业化；该公司的融资、团队和技术进展均来自投资方披露。4

格式塔科技在 2026 年 1 月成立，3 月完成 1.5 亿元天使轮，本轮后累计融资 5.7 亿元。投资方把公司定位为用超声方式采集脑部数据、同时探索疼痛和成瘾等中枢神经适应症干预的团队。读者后续应把临床验证、注册进展和可重复的数据采集能力，与融资本身分开跟踪。4

前沿研究

CHIVE：用反事实实验检查「解释」有没有预测力

Anthropic 在 8 月 21 日发布 CHIVE 研究。CHIVE 先让目标模型对每个提示词生成 30 次回答，再由智能体筛出意外行为，并针对每个行为进行 5 至 15 次提示词编辑实验；独立评审者检查这些实验能否支撑解释。研究者把每次编辑后的实际行为变化作为标签，检验一个解释是否能预测相关输入变化的结果。5

研究团队让预测智能体比较四种条件：只读对话记录，或额外读取 Activation Oracle、自然语言自编码器和稀疏自编码器三类激活信息。图中的文字记录基线准确率为 73.6%、AUROC 为 81.4%；三类工具的准确率为 72.7%、71.3% 和 71.9%，AUROC 为 80.9%、80.3% 和 81.0%。5

CHIVE 评测中，文字记录基线与三种激活读取工具的准确率和 AUROC 对比柱状图 — *CHIVE 的图 4 显示，三种激活读取工具都未超过只读文字记录的基线；研究比较的是自然出现行为上的反事实结果预测。5*

CHIVE 聚焦可通过重复采样验证的自然行为，并把反事实结果预测作为评测代理。它为一种更窄的验收方式提供了数据：当工具声称某个提示词特征导致模型行为时，系统应该能用可执行的反事实实验检验这项说法。对正在部署智能体的团队，这类实验可以补进上线前的行为测试。

接下来观察

数据中心项目的实物进度：Cloverleaf 是否披露具体站点、可用电力容量与开工时间，以及 DSX 在项目设计中带来的缩短周期或节能数据。1
Starcloud 的交付链条：制造设施扩张、2027 年两颗 Starcloud-2 的发射安排和在轨客户任务，能够比估值更早验证轨道推理的商业路径。3
可解释性工具的可检验增益：后续系统卡或安全评测若能同时提供文字记录基线、工具输出和干预实验，读者才更容易判断工具读到的是新增线索，还是对现有记录的复述。5