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
随着5G流量快速增长和新用例不断涌现,网络运营商需要在最小化环境影响的同时管理密集网络使用。Orange法国与爱立信合作开展创新试验,测试FDD大规模MIMO天线集成无线电,优化高流量区域频谱使用。双方还探索Cloud RAN和Open RAN架构,通过虚拟化RAN功能实现灵活的软件中心网络。合作重点关注利用AI驱动的自动化和意图驱动技术提升能源效率,在不影响性能的前提下动态调整网络资源以降低能耗。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
微软正在将Windows 11改造为"智能代理操作系统",在任务栏中集成AI代理功能。新功能允许AI代理在后台执行任务,用户可通过任务栏图标查看进度状态。微软还在文件资源管理器中集成Copilot,提供文档摘要、文件问答等功能。此外,Click to Do功能得到改进,可将网页表格转换为Excel文档。这些AI功能采用本地AI和云端AI混合模式,为用户提供更智能的操作体验。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。