AMD披露AT&T兆級Token智慧體算力降本80%實踐,NASA同日展示LISA空間重力波探測系外行星新機制
AMD首席商務官Philip Guido在紐約智慧體AI峰會後發表署名文章,提出「每Token商業價值」評估框架並披露AT&T在Azure AMD Instinct叢集處理逾1兆Token、依託快取感知閘道降本80%;NASA戈達德中心同步展示LISA任務利用雙白矮星重力波都卜勒邊帶發現數千光年外行星的模擬成果。
作者 全球伯乐 News
前沿運算與太空科學編輯部
文章目錄
2026年11月11日至12日,工業界與基礎科學界分別就智慧體人工智慧(Agentic AI)的單位算力經濟性與天體物理精密探測方法披露最新進展:AMD執行副總裁兼首席商務官菲利普·圭多(Philip Guido)在紐約2026智慧體AI交流峰會(Agentic AI Exchange)後發表題為《AI是新電力,而電錶正在飛轉》的深度報告,提出以「每消耗一個Token創造的商業價值」取代單純算力堆疊的企業級AI治理框架1。與此同時,美國國家航空暨太空總署(NASA)戈達德太空飛行中心(GSFC)科學視覺化工作室與天體物理團隊發布LISA空間重力波探測器最新模擬研究,證實透過捕捉雙白矮星重力波信號中的都卜勒調變邊帶(sidebands),人類有望在銀河系內數千光年尺度上發現圍繞致密雙星運行的木星級與亞木星級系外行星2。

AI生成示意圖:概念性呈現企業智慧體AI算力路由最佳化與空間雷射干涉重力波天體物理建模的編輯靜物插畫,非真實資料中心或太空船攝影。
從推論到智慧體:「每Token商業價值」與AT&T兆級Token算力降本80%實證
根據圭多在AMD官方公報中總結的四年技術演進脈絡,生成式AI經歷了2022年對話互動、2023年多模態感知、2024年邏輯推論到2025至2026年智慧體自主執行的四次躍遷1。然而,當多智慧體團隊跨數千個企業工作流協同執行長上下文推論與工具呼叫時,每一個生產力乘數都直接轉化為Token消耗與算力帳單的指數級倍增。針對資訊長(CIO)普遍面臨的成本失控焦慮,AMD強調並非所有工作負載都需要呼叫雲端超大規模前沿模型,透過將任務精準匹配至雲端、本地資料中心、邊緣端及AI PC上的垂直小模型或開源權重模型,可大幅壓縮單位推論成本1。
作為大規模生產環境的標竿案例,AMD披露全球電信巨頭AT&T已在微軟Azure雲端平台的AMD Instinct GPU叢集上累計處理超過1兆個Token,用於訓練開放電信行業專用模型1。更具行業參考價值的是,AT&T部署的「快取感知型AI閘道(cache-aware AI gateway)」能夠根據任務複雜度將請求動態路由至最適配的模型,從而將整體AI運行成本降低了高達80%1。圭多據此提出企業AI落地的三步方法論:首先圍繞業務結果界定智慧體工作流與人機協同邊界,其次透過真實概念驗證(PoC)與總體擁有成本(TCO)建模驗證投資報酬率,最後在開放硬體與治理框架下規模化複製已驗證的工作負載1。
重力波裡的「無線電邊帶」:NASA證實LISA可探測500光年外亞木星系外行星
如果說企業AI正在透過精細化路由從海量Token流中提取有效信號,空間天體物理學也在探索從時空漣漪的微弱頻率調變中解碼未知世界。根據NASA戈達德太空飛行中心研究員史考特·諾布爾(Scott Noble)等人發布的模擬研究,由歐洲太空總署(ESA)主導、NASA深度參與研製的雷射干涉空間天線(LISA)重力波天文台,不僅能觀測黑洞合併,還將銀河系內大量緊密繞轉的雙白矮星系統(double white dwarfs)作為核心連續波信源2。研究顯示,孤立的雙白矮星系統會發出頻率近乎恆定的單音重力波;但若有一顆質量足夠的系外行星圍繞該雙星系統公轉,行星的重力牽引會使雙白矮星質心產生微小反射擺動(reflex motion)2。
這種重力擺動會像光學視向速度法(radial velocity)中的都卜勒頻移一樣,在原本單一的主重力波載波頻率兩側疊加高頻與低頻次級信號,即類似於現代調幅/調頻無線電通信承載語音資訊的「邊帶(sidebands)」2。NASA團隊針對距離地球500光年的測試雙星系統開展的數值模擬表明,在理想觀測條件下,LISA憑藉對都卜勒頻率邊帶的極高靈敏度,足以探測到質量低於木星(sub-Jupiter)的系外行星,而在整個銀河系範圍內更可發現數千光年外的木星質量級雙星行星種群,突破傳統光學望遠鏡在致密雙星演化晚期難以探測行星的盲區2。無論是電信級AI閘道透過快取路由在兆級Token中削減80%冗餘算力開銷,還是LISA空間干涉儀透過頻域邊帶解調在時空漣漪中搜尋遙遠行星,精準的信號分流與演算法解調正成為前沿工程與基礎科學共同倚重的突破口12。


