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
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。