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
当前软件工程团队正在试验基于AI代理的编码工具和大语言模型,以提高开发速度和质量。然而,AI编码工具的效果很大程度上取决于使用方式。开发者需要提供结构化的问题描述、明确的执行要求和相关上下文,同时建立适当的防护机制。AI不仅能处理重复性任务,还能识别和评估替代方案,从被动助手演进为工作流程推进器。成功的关键在于将AI视为合作伙伴而非快捷工具,并将其整合到软件交付的全生命周期中。
NVIDIA研究团队开发出名为Lyra的AI系统,能够仅凭单张照片生成完整3D场景,用户可自由切换观察角度。该技术采用创新的"自蒸馏"学习方法,让视频生成模型指导3D重建模块工作。系统还支持动态4D场景生成,在多项测试中表现优异。这项技术将大大降低3D内容创作门槛,为游戏开发、电影制作、VR/AR应用等领域带来重大突破。
Salesforce发布企业级AI智能体平台Agentforce 360,将AI智能体融入几乎所有应用中。该平台采用混合推理引擎Atlas,结合大语言模型的概率思维和业务规则的精确性,支持语音交互和深度集成。以Slack为主要界面,提供Agentforce Builder开发环境,能将非结构化文档转换为可查询记录。Salesforce内部已部署该系统,每周处理180万次对话,主动服务活动增长40%。
谷歌DeepMind团队创新性地让Gemini 2.5模型在无需训练的情况下学会理解卫星多光谱图像。他们将复杂的12波段卫星数据转换为6张可理解的伪彩色图像,配以详细文字说明,使通用AI模型能够准确分析遥感数据。在多个基准测试中超越现有模型,为遥感领域AI应用开辟了全新道路。