微软公司计划通过与当地公司的合作伙伴关系,大幅扩展其在阿联酋的数据中心足迹。
这家科技巨头今天宣布了这一举措,同时还公布了第二项重大基础设施投资。微软透露,已向风险投资支持的云计算初创公司Lambda Labs委托了价值数十亿美元的数据中心容量。两个项目都将使用英伟达公司最先进的GB300人工智能芯片。
2023年,微软与总部位于阿布扎比的Group42公司合作,扩大其在阿联酋的数据中心业务。这家科技巨头今天透露,到今年年底,该合作伙伴关系的投资将超过73亿美元。其中一半以上的资金分配给了资本支出,这一项目包括数据中心基础设施。
该项目使微软部署了英伟达公司的芯片,计算能力相当于21500张H100显卡。H100是英伟达在2023年之前的旗舰AI加速器。这家芯片制造商去年3月推出的新型Blackwell芯片在大语言模型推理方面提供了约30倍的性能提升。
今天宣布的投资将使微软在阿联酋再投入79亿美元。作为投资的一部分,该公司将把当地数据中心基础设施的计算能力提升近四倍,达到相当于81900张H100芯片的水平。
微软总裁布拉德·史密斯在博客文章中写道,这家科技巨头已经获得了美国商务部将新GPU运往阿联酋所需的批准。部分处理器将是GB300超级芯片,这是英伟达目前销售的最先进的AI加速器。每个GB300包含一个中央处理器和两张Blackwell Ultra显卡,每张显卡的性能比标准Blackwell B200提高50%。
微软计划在不久的将来进一步扩展其在阿联酋的基础设施。据《金融时报》报道,该公司预计将在未来12个月内获得额外的GPU出口许可证。此外,微软估计基础设施投资将伴随24亿美元的当地运营费用和销售成本。
该公司今天宣布的另一项数据中心投资将以与Lambda合作的形式进行,Lambda是一个专为AI工作负载优化的云平台运营商。今年2月,这家初创公司透露其云平台包含超过25万个GPU。同月,它从包括英伟达在内的财团筹集了4.8亿美元。
新宣布的合作伙伴关系将使Lambda为微软建设价值数十亿美元的AI基础设施。该项目将涉及数万张显卡,其中一些将部署在GB300 NVL72设备中。每个GB300 NVL72包含36个GB300芯片。
微软此前曾与CoreWeave公司签署了类似的AI基础设施合作协议,CoreWeave是Lambda的公开上市竞争对手。去年11月,The Information报道称,微软预计到本世纪末将在CoreWeave平台上花费100亿美元。
Q&A
Q1:微软在阿联酋的投资规模有多大?
A:微软宣布将在阿联酋投资79亿美元扩展AI数据中心容量,加上此前与Group42的73亿美元合作,微软在阿联酋的总投资将超过150亿美元。这项投资将使微软当地数据中心的计算能力提升近四倍。
Q2:GB300芯片相比H100有什么优势?
A:GB300是英伟达最先进的AI加速器,每个GB300包含一个中央处理器和两张Blackwell Ultra显卡。相比之前的H100芯片,新型Blackwell芯片在大语言模型推理方面提供约30倍的性能提升,每张Blackwell Ultra显卡比标准B200性能提高50%。
Q3:微软除了阿联酋还有哪些AI基础设施投资?
A:除了阿联酋项目,微软还与云计算公司Lambda Labs签署了价值数十亿美元的AI基础设施合作协议,涉及数万张显卡。此前微软还与CoreWeave公司合作,预计到本世纪末将在该平台投资100亿美元。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。