是的,无穷无尽的堆叠机架,构成了云计算体系的基础。
去年,全球前二十大云计算与互联网服务供应商的资本支出大幅增长至1200亿美元,而其中大部分资金都被用于为庞大的数据中心提供设备支持。
根据Synergy Research Group的调查数据,2018年谷歌与微软等企业在建筑与设备等实物性资产方面的投资额增长了43%。与此同时,电信服务供应商的资本开支数字则与2016年基本持平。
当然,这并不是说电信企业在基础设施身上花的钱比较少——Synergy解释称,在过去一年,全球四十家最大规模电信公司投入了超过2400亿美元以支持自家网络与服务。
另外,虽然电信领域的投资水平并没有明显波动,但2018年每一季度都创下了超大规模支出的新纪录,其中第四季度的投入金额更是增长到320亿美元。
面对最终统计结果,相信没人会感到意外——2018年排名前五的超大规模基础设施投入方分别为:谷歌、亚马逊、微软、Facebook以及苹果。但真正有趣的是,其支出数字与电信行业中的前五名大致相当,分别为中国移动、AT&T、Verizon、NTT以及德国电信。
Synergy公司首席分析师John Dinsdale表示,“超大规模服务运营商正在迅速成为IT世界中的核心资本支出力量。平均而言,随着云服务、电子商务、社交媒体以及在线广告在体量上的持续扩张,超大规模服务运营商的收入正以每年20%的比例增长;另外值得注意的是,领先企业正在持续投资以不断提升营收增幅。而这一切,同收入及资本支出都没什么显著增长的电信公司形成了鲜明的对比。在我们看来,这些趋势在短期之内都不会发生显著变化。”
今年1月,Synergy公司发布报告,称全球超大规模数据中心总量已经达到430座,而接下来的2个月间又有9座超大规模数据中心竣工投产。
Synergy公司并没有公布其对于“超大规模”这一表述的确切定义,仅暗示称该词汇与基础设施的成本水平有关。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。