AI的独特能力对现代企业的IT基础设施和数据管理提出了全新要求。在这段存档主题演讲中,Evenness公司创始人兼CEO Eve Logunova-Parker分享了一系列策略与最佳实践,帮助企业完善系统架构、扩展基础设施,以支撑先进AI应用的落地与运行。
本段内容来自InformationWeek于2025年5月20日举办的线上直播研讨会——《如何为AI做好IT基础设施准备》的主题演讲环节。目前,该研讨会的完整存档内容已可按需在线观看。
Q&A
Q1:为什么AI应用对IT基础设施有特殊要求?
A:AI应用在计算能力、数据存储、网络带宽以及数据管理方面的需求远超传统应用。AI模型在训练和推理阶段需要大量算力支持,同时对数据的实时性、准确性和安全性要求极高。因此,企业需要提前规划并升级现有IT基础设施,才能有效支撑AI应用的稳定运行与持续扩展。
Q2:企业应该如何扩展IT基础设施来支持AI应用?
A:根据Eve Logunova-Parker的分享,企业需要从系统架构优化和基础设施扩展两个维度入手,制定清晰的策略与最佳实践。这包括评估现有系统的承载能力、引入适配AI工作负载的硬件与云资源,以及建立完善的数据管理机制,确保AI应用能够稳定、高效地运行。
Q3:这场关于IT基础设施准备的研讨会在哪里可以观看?
A:该研讨会由InformationWeek于2025年5月20日举办,主题为《如何为AI做好IT基础设施准备》。目前,活动的完整存档内容已开放按需在线观看,感兴趣的用户可通过InformationWeek官方平台进行访问。
好文章,需要你的鼓励
Anthropic于6月30日发布Claude Sonnet 5,相较前代Claude Sonnet 4.6在编程、推理、工具使用及知识工作方面均有显著提升。该模型可自主制定计划、使用浏览器和终端等工具,达到数月前需更大更贵模型才能实现的水平。安全评估显示其不良行为率更低。Sonnet 5默认开启自适应思维,采用更新的分词器,性能接近Opus 4.8但价格更低,现已面向所有订阅计划开放。
复旦大学联合多机构提出A2World框架,通过210万条真实机器人轨迹进行动作条件化预训练,将学到的物理动力学先验同时迁移到仿真模拟和策略控制两个方向,在LIBERO和真实机器人任务上均取得当前最优表现。
人工智能基础设施的快速扩张不仅带来总用电量激增,更在改变电网的运行特性。AI训练任务高度同步、计算密集,推理任务则分散且难以预测,两者均可在极短时间内造成电力需求骤变。数据中心的地理集中分布进一步加剧局部电网压力。现有监管框架多基于稳定工业负荷设计,难以适应这类新型需求。专家指出,电网规划需从关注总能耗转向关注需求波动性与同步效应。
同济大学研发的FLISP系统,让无人车与无人机在水电隧道中无需建图、仅靠激光雷达实时协作导航,规划延迟仅7毫秒,成功率100%。