AI行业的持续繁荣正在催生一场前所未有的基础设施扩张浪潮。Altnets最新行业洞察报告与众多主要IT厂商的研究成果不谋而合——随着人工智能的持续崛起,集成商面临的下一个重大挑战,将是部署能够支撑AI增长所需的物理基础设施。
该报告是Altnets白皮书系列的第二篇,该系列专注于探讨市场变革、光纤需求以及塑造数字连接未来的基础设施战略。
第一篇白皮书聚焦于不断演变的光纤短缺现状及应对策略;最新这篇则深入分析了AI应用的加速普及、数据中心的快速扩张以及不断攀升的数字需求,如何给网络、光纤基础设施和供应链带来日益沉重的压力。
报告指出,最初以AI软件创新浪潮为起点的这场变革,如今已迅速演变为科技行业有史以来规模最大的基础设施扩张周期之一。AI浪潮不仅仅是一个关于算力的故事,更是一个关于连接的故事。
白皮书阐述了AI如何在成为技术挑战的同时,日益演变为一场基础设施层面的挑战。光纤网络、光学连接、回程传输容量和互联架构等基础设施,正迅速成为未来数字经济赖以依存的根基。
与此同时,自动化、固定无线接入(FWA)、边缘计算、物联网(IoT)以及日益普及的移动优先行为等更广泛的社会技术变革,正持续推动全球数据消耗大幅增长。
报告认为,这正在加速集中式数据中心环境以及日益分散的边缘和无线基础设施对高密度光纤连接的需求。因此,行业正在迈入基础设施发展的新阶段,网络韧性的内涵已不再局限于抵御中断风险。
光纤被定位为AI时代的战略性资源。随着AI工作负载不断扩展,光纤和光学连接正成为关键基础设施,行业面临的挑战也从生成算力,转向如何以高速、高可靠、超低延迟的方式,在日益分散的环境中传输海量数据。
Altnets指出,AI模型需要在超大规模数据中心、云环境、城域网络和边缘基础设施之间持续传输海量数据。在AI时代,连接基础设施不再只是数字化转型的使能工具,而是在塑造整个数字经济的速度、规模与竞争力。
白皮书还着重指出,随着开发者竞相提升算力、处理更大规模的AI工作负载并满足自动化、云服务和实时数字连接的增长需求,全球超大规模数据中心正以空前的速度持续扩张。
报告援引了若干被该连接企业称为"意义重大"的行业趋势。ABI Research的数据显示,全球活跃数据中心容量预计将在2025年至2035年间增长近六倍,从24.4GW攀升至147.1GW。仲量联行(JLL)数据则预测,到本十年末,AI工作负载可能占据全球数据中心总容量的约50%。
报告还补充称,目前正在英国申请并网的AI相关数据中心项目,所需电力容量可能高达约50GW,超过英国目前的峰值用电需求。
另一项关键发现是:对于集成商而言,挑战已不再是单纯地扩充容量,而是要构建可扩展、面向未来的网络,使其能够在日益分散、AI驱动的数字环境中,支撑未来未知的需求。能够引领下一阶段数字基础设施增长的集成商,将是那些能够将智能网络设计、具备韧性的供应生态、战略协作与前瞻性基础设施规划融合为长期运营优势的企业。
Altnets建议,随着光纤、回程传输和互联架构的战略价值日益凸显,服务商需要的合作伙伴不仅要了解产品供应情况,还需深谙网络架构、供应链管理和长期部署韧性。
Altnets商务总监Andy Ainsley表示:"行业正在迈入一个新时代,网络韧性和基础设施就绪度正变得与容量本身同等重要。今天投资于可扩展连接和长期基础设施战略的企业,将在明天的AI驱动经济中占据更有利的地位。"
Q&A
Q1:AI的发展为什么会给集成商带来连接挑战?
A:随着AI的持续发展,AI模型需要在超大规模数据中心、云环境、城域网络和边缘基础设施之间持续传输海量数据。这意味着集成商不仅要扩充网络容量,还需构建可扩展、具备韧性、面向未来的网络基础设施,以支撑不断增长且难以预测的AI工作负载需求,这对光纤网络、回程传输能力和互联架构等物理基础设施提出了前所未有的挑战。
Q2:全球数据中心容量未来十年会有多大增长?
A:根据ABI Research的预测,全球活跃数据中心容量预计将在2025年至2035年间增长近六倍,从24.4GW大幅攀升至147.1GW。与此同时,仲量联行(JLL)数据预测,到本十年末,AI工作负载可能占据全球数据中心总容量的约50%。这一增长规模已成为科技行业有史以来最大的基础设施扩张周期之一。
Q3:光纤在AI基础设施建设中扮演什么角色?
A:光纤被视为AI时代的核心战略资源。随着AI工作负载不断扩展,光纤和光学连接正成为关键基础设施,其作用在于以高速、高可靠、超低延迟的方式,在日益分散的环境中传输海量数据。报告指出,行业面临的挑战已从生成算力转向高效传输数据,光纤网络的战略地位因此大幅提升。
好文章,需要你的鼓励
机器人智能公司Inbolt将于2026年6月在芝加哥Automate展会上发布两项新能力:Inbolt机器人编程功能和扩展版机器人控制模块。新功能可让工程师直接基于CAD模型构建程序,结合视觉模型实时定位实体零件并自动调整运动路径,彻底消除传统调试中耗时数周的手动示教环节。此次更新还将原生支持安川机器人,使平台覆盖品牌扩展至六个。
这项来自新加坡科学技术研究局的研究提出了κ-SwiGLU,通过路由确信度动态调整专家门控灵敏度,在多种MoE模型上稳定提升性能,新增计算开销不足4%。
本文提供了一套完整的笔记本电脑深度清洁方案。硬件方面,介绍了如何用温和洗涤剂清洁机身、用微纤维布擦拭屏幕、用压缩空气清理键盘及清洁充电线的正确方法。软件方面,建议及时更新操作系统与驱动程序,删除冗余文件与临时下载内容,并通过开启Windows Storage Sense功能实现自动清理,同时将剩余文件整理归类,保持系统整洁高效运行。
研究系统揭示多智能体LLM工作流强化学习训练的成败规律:独立策略峰值更高但易崩溃,共享策略失败更隐蔽,根源在角色梯度动力学。