据Lumen Technology首席技术官Dave Ward表示,当前的互联网基础设施无法跟上AI工作负载和数据流量的需求。
AI的崛起以及企业对云计算需求的不断演进,正在推动新的云经济、新的云核心和基础网络架构的根本性转变,Ward将其称为"云计算2.0"。
Ward表示:"企业受到连接云端速度、连接位置以及运行工作负载等方面的限制。这个全新的云计算2.0概念围绕着一个事实,即经济已经发生根本性变化,支撑的网络架构也发生了根本性变化。"
云计算的下一次演进及其驱动因素
Ward负责服务提供商Lumen全球网络的开发和部署工作,在电信和企业网络行业拥有超过25年的经验。他在佛罗里达州奥兰多市最近举行的Gartner IT研讨会/博览会上接受了InformationWeek的采访,并在活动中发表了演讲。
在最近一份关于下一代云计算基础原理的白皮书中,Ward讨论了推动这一变革的需求。他预测,支持这些驱动因素的下一代云将在未来三到五年内出现。
在接受InformationWeek采访时,他解释了为什么当前的互联网和云基础设施必须进行转型,以满足AI和企业工作负载的需求。Ward表示,他设想光纤和聚合服务将在网络架构中结合,根据连接位置支持工作负载。
数据中心密集化也将是一个关键构建模块,这体现在一级市场数据中心的增加上,例如北弗吉尼亚州——世界上最大、最集中的数据中心市场——以及在新的"云区域"扩建数据中心,包括中西部和西南部等郊区和农村地区,Ward说。
据Lumen统计,到2030年,美国将新增近10亿平方英尺的数据中心容量。相比之下,截至2024年,美国数据中心总面积为2.4亿平方英尺。
CIO需要重新设计企业网络
与此同时,Ward表示,CIO必须应对这种云计算转型。这需要重新思考企业网络的架构方式,如WAN和云基础设施,因为他们要采用AI技术。
Ward从CIO那里听到的最大问题之一是如何连接他们的SaaS云和数据中心,以访问训练AI模型和运行数据分析所需的服务。
作为更新企业网络以适应AI的过程的一部分,他说CIO需要摆脱对中心辐射型数据中心设计的依赖,这种设计中数据流通过数据中心中的路由器集中化。
Ward说:"他们需要在多云设计中直接切入。他们确实需要数据中心之间的点对点连接,以创建自己的数据云。"
他补充说,Lumen的CIO客户正在寻求服务提供商的支持,以转型他们的"连接架构"来参与AI经济。
Ward说:"我的目标是企业保留对其网络的所有设计和控制,但实际上不必拥有、管理和运营他们的设备。这使我们达到了企业完全灵活性、基于消费的经济模式以及按需付费的点,并允许他们按照自己的需求设计云核心。"
Q&A
Q1:什么是云计算2.0?为什么会出现这个概念?
A:云计算2.0是指由AI兴起和企业云计算需求演进推动的新云经济、新云核心和网络架构根本转变。出现这个概念是因为当前互联网基础设施无法满足AI工作负载和数据流量需求,经济和支撑网络架构都发生了根本性变化。
Q2:企业网络架构需要如何改变来适应AI?
A:企业需要摆脱中心辐射型数据中心设计的依赖,转向多云设计中的直接切入模式。具体来说,需要建立数据中心之间的点对点连接,创建自己的数据云,以便更好地连接SaaS云和数据中心来训练AI模型。
Q3:未来数据中心建设会有什么变化?
A:数据中心将出现密集化趋势,一级市场如北弗吉尼亚州的数据中心会增加,同时向中西部和西南部等郊区和农村地区扩展新的云区域。预计到2030年美国将新增近10亿平方英尺数据中心容量。
好文章,需要你的鼓励
AWS re:Invent大会展示了亚马逊在智能代理AI和定制模型方面的重大进展,包括AgentCore平台更新和Nova Forge服务发布。英伟达CEO黄仁勋在独家访谈中预测AI工厂将在边缘计算中普及,形成分布式智能工厂模型。尽管谷歌和亚马逊推出自研芯片挑战英伟达,但英伟达凭借CUDA生态系统优势仍将保持市场主导地位。地缘政治因素可能重塑半导体格局,台积电地位关键。
波恩大学研究团队首次量化AI训练的材料成本,发现一块GPU含32种元素,93%为重金属。训练GPT-4需消耗约7吨金属材料,其中多为有毒重金属。研究建立了从计算需求到硬件消耗的评估框架,发现通过软硬件优化可减少93%的资源消耗。该研究揭示了AI发展的隐性环境代价,呼吁行业从规模竞赛转向效率革命,实现可持续发展。
Lumen技术CTO戴夫·沃德指出,当前互联网基础设施无法满足AI工作负载和数据流量需求。AI兴起与企业对云计算需求的演变正推动新的云经济和"云2.0"概念。他预测未来3-5年将出现支持下一代需求的云基础设施。CIO需要重新设计企业网络架构,摆脱传统的集线器辐射式设计,采用多云直连模式来适应AI时代要求。
南开大学团队构建了迄今最大规模的结肠镜AI数据库COLONVQA,包含110万视觉问答条目。他们发现现有AI模型存在泛化能力不足和容易被误导等问题,因此开发了首个具备临床推理能力的结肠镜AI模型COLONR1。该模型采用多专家辩论机制生成推理数据,在综合评估中准确率达56.61%,比传统方法提升25.22%,为智能结肠镜诊断从图像识别向临床推理的转变奠定了基础。