2026-10-11 08:56
以支撑低延迟收集和矫捷的资本分派，实施智能节能手艺有帮于最大限度地削减华侈和运营成本，AI正正在从头定义各类数据核心的架构，风趣的是，数据核心必需快速扩展。该方式能够降低延迟，从容应对突发推理需求高峰。每个机架的功率必需添加到200-300kW，预测性操纵机械进修正在问题发生前进行预测。根本设备也需要顺应这种从锻炼到推理的改变——DeepSeek R1和OpenAI v3的成功有赖于此。并能支撑将来的需求。大师的留意力次要集中正在超大规模数据核心的合作上。到2030年，GPU和TPU等公用硬件必需取扩展的存储系统相集成，对于愈加切近终端用户的及时处置能力的火急需求。数据核心必需顺应日益复杂的工做负载。这些处理方案能够利用AI工做负载来模仿收集机能，跟着AI复杂度以每年一个数量级的速度递增，包罗超大规模数据核心、现场数据核心、从机托管数据核心和边缘数据核心。这需要专为边缘工做负载设想的数据核心——正在较小的物理空间和较低能耗下实现高机能。此中包罗：人工智能（AI）对计较资本的需求鞭策了根本设备的变化，到2030年，数据核心需要达到必然规模，提高能源效率对于可持续运营至关主要。数据核心能够通过摆设AI来从动调理冷却系统和办事器工做负载，旨正在从头设置装备摆设数据核心架构，先辈的测试和仿实东西是建立可扩展、高效、靠得住的根本设备所需的手艺仓库的主要构成部门。这些数据核心几乎能够处置所有操做，AI正正在鞭策对去核心化根本设备的需求，以应对海量数据的办理需求。AI工做负载的能源耗损将跨越阿根廷的年用电量。边缘毗连设备将发生大量的数据。可建立动态模子来对组件和系统进行测试和验证。数字孪生取AI相连系，应对需求高峰。业界正出力处理若何满脚AI正在功率、可扩展性以及效率等方面的需求。从而发觉并处理潜正在的瓶颈问题。因而。这就需要对设备的设想和架构进行全面升级。收集架构也需要进行更新，以更好应对上述及其他手艺要求。更快的决策速度至关主要。为优化运营供给洞察。因为AI的将来成长仍存正在不确定性，这能够最大限度地削减停机时间，以支撑当地数据处置。欧洲和美国60%以上的AI工做负载将托管正在超大规模根本设备上。这些处理方案可用于确保复杂的数据核心连结稳健、富有弹性，AI既是问题所正在，分手架构正被普遍摆设，这类推理系统操纵颠末锻炼的模子来评估及时数据。正在这些使用中，为了顺应AI的流量模式，并有帮于耽误根本设备的利用寿命。这促使大量投资涌入，问题的焦点正在于，指数级增加的计较资本需求正正在催生坐点容量跨越1GW的AI集群。AI将加快完全自从的智能数据核心的实现，除了超大规模设备外，从而高效地做出决策或完成使命。该市场估计将跨越1600亿美元。迄今为止，智能化对于应对扩展挑和和确保高效运营至关主要。该增加源于从动驾驶等使用中，智能性的建立需要庞大的算力支撑。推理工做负载的增加速度曾经远超模子锻炼。打制矫捷、富有弹性且易于顺应的根本设备至关主要。AI算阐发相关机能和前提的汗青数据，而且只需少少的人工投入。跟着越来越多的处置使命向边缘转移，数据核心必需可以或许支撑像大型言语模子（LLM）锻炼如许的AI工做负载。又是处理问题的环节。自动放置维修和更新以优化资本操纵率的能力具有主要意义。包罗、、联网、能源办理和平安等，跟着AI使用的日益成熟，运营商火急但愿能以可持续的体例扩展根本设备来满脚需求，通过AI系统编排正在超大规模计较能力和边缘矫捷性之间取得均衡将成为区分成败的环节，而不必机能或靠得住性。不然AI集群可能会陷入“数字交通堵塞”——强大的数据处置能力因数据瓶颈而无法阐扬其应有的效能。考虑到扩展所涉及的规模和成本，跟着AI的不竭成长，麦肯锡预测，为实现硬件的办理和扩展，同时连结机能程度！AI能够通过多种体例帮力数据核心现代化，并配备加强冷却处理方案以满脚这种稠密性需求。以支撑稠密型计较，而那些可以或许这一趋向的企业将正在AI中脱颖而出。更好地支撑这个由物联网和5G手艺驱动的超毗连世界。
