据彭博社报道,ChatGPT开发商OpenAI预计将在印度建设一个功耗超过1千兆瓦的数据中心。
OpenAI正在寻找可以合作的印度本地公司来推进这一项目。该公司需要电力公用事业和建筑公司的支持来启动数据中心建设。此外,OpenAI还可能寻求市场推广合作伙伴关系,以扩大ChatGPT的采用范围。
1千兆瓦的电力足以为数十万户家庭供电。英伟达公司的DGX GB200设备包含72个Blackwell B200图形处理单元,功耗约为120千瓦。这意味着OpenAI在印度的数据中心至少能够容纳59,000个B200芯片。
OpenAI也可能选择英伟达最新的Blackwell Ultra芯片,该芯片最近开始向客户发货。Blackwell Ultra比B200更快,因此可能消耗更多电力。
GPU只占AI数据中心芯片的一小部分。除了B200加速器外,每台DGX GB200设备还包括36个中央处理器和9个由定制硅芯片驱动的交换机。基于Blackwell Ultra的升级版DGX GB300具有类似的配置。
目前尚不清楚OpenAI在印度建设的设施是否属于其"OpenAI for Countries"计划的一部分。该计划于今年早些时候启动,将在全球建设数据中心以支持国际用户。OpenAI迄今已签署协议在阿联酋和挪威建设基础设施。
"OpenAI for Countries"计划的范围不仅限于数据中心。值得注意的是,这家大语言模型提供商正在帮助参与国政府推出ChatGPT的本地化版本,并培育本地AI初创企业。OpenAI表示可能会投资其中一些初创公司。
今年2月,OpenAI首席执行官山姆·奥特曼据报与印度官员会面,讨论发展"低成本AI生态系统"。最近,该公司推出了仅在印度提供的新ChatGPT计划。这项名为ChatGPT Go的订阅服务月费约4.5美元,用户可以发送的提示数量是免费版本的10倍。
据路透社报道,奥特曼将于下个月访问印度。OpenAI最近宣布计划在年底前在新德里开设办事处。此外,该公司还打算向当地教育工作者和学生分发约50万个ChatGPT许可证。
在印度建立数据中心将使OpenAI能够为本地用户提供更低的延迟。此外,该设施可能使其在争夺企业客户方面处于更有利的地位。一些组织必须在本地存储数据以遵守网络安全和隐私法规。
关于OpenAI在印度基础设施建设的报道发布几周前,该公司刚与甲骨文公司合作,计划在美国建设4.5千兆瓦的数据中心容量。在未来四年内,这家ChatGPT开发商计划在美国再增加至少5.5千兆瓦的容量。该计划预计耗资5000亿美元。
Q&A
Q1:OpenAI在印度建设的数据中心规模有多大?
A:OpenAI计划在印度建设一个功耗超过1千兆瓦的数据中心。这个规模足以为数十万户家庭供电,能够容纳至少59,000个英伟达B200芯片,是一个超大规模的AI数据中心项目。
Q2:OpenAI为什么要在印度建设数据中心?
A:主要有三个原因:为印度本地用户提供更低的网络延迟;更好地竞争企业客户,因为一些组织需要在本地存储数据以符合网络安全和隐私法规;支持OpenAI在印度市场的扩张,包括推广ChatGPT和培育本地AI生态系统。
Q3:这个印度数据中心项目何时能够完成?
A:文章没有提及具体的完成时间。目前OpenAI还在寻找印度本地合作伙伴,包括电力公用事业公司和建筑公司。该公司CEO奥特曼计划下个月访问印度,并将在年底前在新德里开设办事处。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。