人工智能在过去两年中改变了数字基础设施格局,但一直缺乏连接训练、推理和企业基础设施的参考标准。为解决这一问题,Zayo和Equinix发布了"业界首个AI基础设施蓝图"。
这一联合基础设施架构框架由通信基础设施提供商和数字基础设施公司共同制定,旨在定义下一代基础设施如何为AI工作负载提供动力。两家公司表示,新云服务商和AI提供商将获得一个框架,明确高容量网络、互联枢纽、训练和推理数据中心的作用,以及连接它们的清晰模型。
随着AI驱动的带宽需求预计到2030年将增长6倍,Zayo已投资于AI规模数据传输所需的光纤容量和新路线,包括承诺建设超过5000英里的新长途光纤路线。
Zayo首席产品和战略官Bill Long表示:"我们正在引入网络标准和数据中心最佳实践,使AI通信基础设施具有可扩展性、可扩展性,并为未来做好准备。"
AI基础设施蓝图从根本上指出,大规模AI跨越训练位置、分布式推理以及连接它们的网络和互联节点。该蓝图提供了这些组件如何组合的基础设施架构框架:Equinix作为连接网络、训练和推理基础设施的中性互联枢纽;Zayo作为高容量光纤和网络服务提供商,连接枢纽、数据源和工作负载。
其结果是为启动和扩展AI通信基础设施提供"清晰、结构化的路径",为新云服务商和生成式AI提供商提供实用的私有连接指导,以降低复杂性并加速部署。
该蓝图旨在大规模提供经过验证的蓝图,参考设计专注于在规模上重要的网络元素,减少试错并缩短AI训练和推理的上市时间。它基于Equinix和Zayo的云连接和IP对等经验,在关键网络层和元素方面提供实用指导,帮助企业为长期AI增长进行设计。它还使用通用术语为AI生态系统提供共同语言,使客户、合作伙伴和供应商在AI网络堆栈中保持一致。
Futuriom Research特约分析师Craig Matsumoto表示:"新云服务商和AI提供商面临着他们的雄心与支持所需基础设施之间日益扩大的差距,扩展网络是最棘手的挑战之一。AI基础设施蓝图通过描绘Zayo广泛的光纤骨干网与Equinix全球连接结构如何协同工作,为团队提供可重复的模型来扩展和支持边缘的低延迟推理,为行业带来急需的清晰度。在我们看来,这一蓝图标志着向跨通信基础设施扩展AI的通用模型迈出了关键一步。"
Equinix数字互联副总裁Arun Dev补充道:"随着企业竞相将AI投入运营,他们意识到成功不仅仅依赖于GPU。它需要分布式、高性能的连接,一直延伸到边缘。通过Fabric Intelligence,这些连接变得更加智能,具备实时发现、激活和优化功能,降低集成风险,加速扩展,并帮助确保AI部署与行业发展方向同步演进。"
Q&A
Q1:AI基础设施蓝图是什么?
A:AI基础设施蓝图是由Zayo和Equinix联合发布的业界首个基础设施架构框架,旨在定义下一代基础设施如何为AI工作负载提供动力,明确高容量网络、互联枢纽、训练和推理数据中心的作用及连接模型。
Q2:这个蓝图能解决什么问题?
A:该蓝图解决了AI基础设施缺乏参考标准的问题,为新云服务商和AI提供商提供清晰的部署路径,降低复杂性,减少试错,缩短AI训练和推理的上市时间,并提供共同语言使生态系统保持一致。
Q3:为什么现在需要这样的基础设施框架?
A:因为AI驱动的带宽需求预计到2030年将增长6倍,而新云服务商和AI提供商面临着雄心与支持所需基础设施之间日益扩大的差距,扩展网络成为最棘手的挑战之一,急需标准化的解决方案。
好文章,需要你的鼓励
Y Combinator合伙人Ankit Gupta与Anthropic预训练负责人Nick Joseph最近进行了一次深度对话。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
9月13日的PEC 2025 AI创新者大会暨第二届提示工程峰会上,“年度提问二:新工作时代:AI工作流由谁主导?”从企业实践到技术实现、从业务落地到战略决策,展开了一场高密度的思想碰撞与经验分享,将AI工作流背后的难题和解决路径彻底揭开。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。