GMI Cloud位于台湾的AI工厂数据中心将采用VAST Data存储系统,为7000颗Blackwell GPU提供数据支持。
这座即将建成的数据中心是硅谷新兴云计算初创公司GMI Cloud与英伟达合作的5亿美元投资项目。这些GPU将配备NVLink、InfiniBand和Spectrum-X以太网络技术,部署在96个机架中,每秒可处理约200万个Token,功耗为16兆瓦。GMI Cloud成立于2021年,最初从事比特币挖矿业务,后来效仿CoreWeave转向AI数据中心领域。该公司在一年前的A轮融资中筹集了8200万美元(1500万美元股权融资和6700万美元债务融资)。总计三轮融资共筹集超过9300万美元。GMI Cloud是台湾地区唯一获得英伟达NCP/NPN项目认证的云服务提供商。
GMI Cloud创始人兼首席执行官Alex Yeh表示:"这座数据中心将成为亚洲AI未来发展的核心。通过数千颗下一代英伟达GPU的协同运行,我们希望这座AI工厂能够将世界上最雄心勃勃的AI愿景转化为现实。我们很高兴能够通过即时高效的GPU云服务为VAST客户开启新的AI发展机遇。VAST的数据平台提供了出色的数据管理能力,我们期待与他们共同成长。"
VAST的EB级数据基础设施支持英伟达Magnum IO GPU Direct、原生NFS和对象存储功能,将用于模型训练、推理和实时数据处理。GMI Cloud表示,客户"可以通过GMI Cloud深度集成的Kubernetes,从控制平面到管理API,无缝管理和扩展AI工作负载"。
VAST联合创始人Jeff Denworth表示:"这里是世界停止AI实验并开始工业化应用的地方。英伟达、VAST Data和GMI Cloud在台湾建设的项目代表了AI基础设施的新蓝图,性能、可扩展性、安全性和简洁性在此汇聚。"
VAST Data从去年12月开始为GMI Cloud提供服务。当时,GMI全球业务与产品副总裁Andy Chen表示:"我们在GPU云服务中使用VAST Data作为共享存储。客户可以将其用于共享存储或文件存储。VAST Data能够覆盖对象存储需求,实际上提供了市场上最佳的解决方案。"
Chen表示GMI使用VAST支持的OpenStack。GMI测试了包括两家主要厂商在内的不同供应商,VAST脱颖而出。其中一家厂商无法支持必要的多租户功能,而VAST可以做到。
趋势科技、纬创(GMI Cloud投资方)、中华系统整合(CSI)和东元电机也作为GMI Cloud台湾AI工厂业务合作伙伴提供技术支持:
趋势科技提供数字孪生技术,模拟网络威胁并验证防御措施,无需将生产系统暴露于风险中。客户能够持续对基础设施进行压力测试,实时学习和适应,帮助防御系统及时应对不断演变的恶意软件威胁。
纬创正在构建基于AI的工厂系统,用于计算机视觉、预测性维护和数字孪生仿真。它可以直接在实时生产线上训练和部署模型,减少停机时间并促进智能制造发展。
中华系统整合(CSI)将提供基于AI的集成系统和服务,包括5G和AI物联网技术、数据中心运营和维护。
东元电机通过其能源即服务产品为AI工厂提供电力和系统集成支撑。
GMI Cloud在台湾、泰国、马来西亚和科罗拉多州设有数据中心。
补充说明
VAST Data使用其Event Broker进行的基准性能测试显示,它可以在88个节点上以99%的效率处理每秒1.36亿条流消息。该公司表示,其Event Broker的吞吐量比Apache Kafka高604%,单个Event Broker节点比Redpanda快156%。更多详细信息可在VAST Data博客中查阅。
Q&A
Q1:GMI Cloud台湾AI工厂的规模和投资规模如何?
A:GMI Cloud台湾AI工厂是一个价值5亿美元的投资项目,配备7000颗Blackwell GPU,部署在96个机架中,每秒可处理约200万个Token,功耗为16兆瓦。这是GMI Cloud与英伟达合作建设的重要AI基础设施项目。
Q2:VAST Data在这个项目中提供什么技术支持?
A:VAST Data为GMI Cloud提供EB级数据基础设施,支持英伟达Magnum IO GPU Direct、原生NFS和对象存储功能,主要用于模型训练、推理和实时数据处理。VAST的数据平台提供出色的数据管理能力,支持多租户功能。
Q3:除了VAST Data,还有哪些公司参与台湾AI工厂项目?
A:参与该项目的合作伙伴包括趋势科技(提供数字孪生技术)、纬创(构建AI工厂系统)、中华系统整合CSI(提供AI集成系统和5G物联网技术)、东元电机(提供电力和系统集成支撑),以及核心合作伙伴英伟达。
好文章,需要你的鼓励
随着AI技术不断发展,交通运输行业正迎来重大变革。MIT研究显示,AI将很快自动化价值650亿美元的交通工作,大幅提升运输效率。从陆地到海空,AI正在推动全方位的交通创新。斯坦福专家强调,AI将通过基础模型、合成数据和数字孪生等技术,实现从单一车辆自动化到整个交通网络优化的跨越式发展,同时解决可持续性、安全性和公平性等关键挑战。
香港科技大学团队发表重要研究,开发GIR-Bench测试基准评估统一多模态AI模型的推理与生成能力。研究发现即使最先进的AI模型在理解与生成之间也存在显著差距,无法有效将推理过程转化为准确的视觉生成,为AI行业发展提供重要警示。
波兰研究团队开发ORCA数学基准测试,对五个主流大语言模型进行评估。结果显示ChatGPT-5、Gemini 2.5 Flash、Claude Sonnet 4.5、Grok 4和DeepSeek V3.2的准确率均低于63%。测试涵盖生物化学、工程建筑、金融经济等七个领域的500道数学题目。研究发现模型主要在四舍五入和计算错误方面存在问题,表明自然语言推理进步并未直接转化为可靠的计算能力。
Meta超级智能实验室联合麻省理工学院开发了SPG三明治策略梯度方法,专门解决扩散语言模型强化学习训练中的技术难题。该方法通过上下界策略为AI模型提供精确的奖惩反馈机制,在数学和逻辑推理任务上实现了显著性能提升,为AI写作助手的智能化发展提供了新的技术路径。