有一家初创公司的负责人表示,高端处理器和加速器应该被作为一项服务进行售卖。他还提到了一种出现在互联网边缘的小型数据中心,以及来自Open19 Foundation的规范。
Packet是一家提供运行在自有数据中心内的服务的初创公司,该公司创始人、首席执行官Zac Smith表示,“我们再次迎来了芯片的黄金时代......我们看到很多硬件创新正在发生,”这是个好消息。
但坏消息是,“企业不想购买硬件,他们甚至不想堆叠英特尔CPU,更不用说那些他们没有试过的东西。”他成立的第一家初创公司名为Voxel,该公司在帮助那些基础设施即服务领域的先驱公司的同时,也与亚马逊AWS进行合作。
Voxel在2011年被收购。Smith新打造的初创公司Packet则是专注于满足各种需求和特殊要求——特别是在机器学习等新兴领域——的中小型客户。
如今,很多企业越来越多地由千禧一代经营着,他们自己“并不想拥有一辆汽车或者一所房子,所以他们可能也不想购买一个会在未来18个月贬值的AI加速器。”相反,他们想要有一种芯片即服务,可以像消费产品一样不断升级换代。
AWS和谷歌等公有云巨头半导体公司带来了挑战。他表示,“大多数公司把他们所有资金都用在了研发上,然后却遇到了分销问题”,因为传统上使用的参考设计和OEM渠道对于公有云提供商和用户来说,不仅速度太慢,而且不够灵活。
云服务——包括第二梯队的数据中心运营商,例如Equinix和Packet——代表了一个新的分销渠道,产品上市时间进一步缩短。“目前,硬件虽然不用像软件那样快速迭代,但硬件要能够做到这一点,”Smith说。
云巨头已经开创了芯片即服务的先河。AWS提供了越来越多基于FPGA、GPU、x86以及自定义芯片的各种服务。
到目前为止,Packet已经在成立三年半的时间里,从戴尔、三星和软银等公司那里筹集了4000万美元的风险资金。如今,Packet为近800家客户运行着19个数据中心,但只有大约100名员工。
在网络边缘“播种”小型数据中心
Packet正在探索的另一个增长领域,是位于网络边缘的中小型数据中心。
AT&T等电信公司也计划构建这种数据中心网络,以改善和扩展自己向城区的服务,一部分是通过在本地更多地匹配Netflix等内容供应商来实现的。但是Smith说,到目前为止,有很多专注于向重点领域提供特定应用的公司走在了前沿。
作为其90天边缘访问计划的一部分,Packet在今年3月份发布了3个站点,与40家客户一起做概念测试,包括Sprint和Federated Wireless。他说:“我们还处于培养皿阶段,目标是向客户学习。”
他补充说:“这就像云计算的早期阶段一样,”在云计算初期,亚马逊、Voxel和其他一些公司提供了各式服务,他们从客户那里学到他们想要的东西,并且会为此付费。
目前的重点是小范围地展示他们能够快速提供地理位置服务的能力。他表示:“如果没有人知道这种商业模式,那么大规模推出这种方法并且做错了的话,代价是很大的。”
“我们还在与芯片公司合作,让他们更贴近客户及他们的需求。如果新的边缘模型在90天内将你带入100个城市,那么你就可以轻松添加新的技术功能了。”
另外,Open19 Foundation也正式推出了第一个针对使用标准19英寸机架中小型数据中心的规范,包括特有的电源架设计和简化的布线系统,面向那些一个月可能要采购几十台或几百台服务器的公司。
Smith说,使用该规范的早期版本,“我用不到1万美元就部署了无服务器的多个机架,随后轻松地添加服务器,将部署时间从数月缩短到数个小时”,减少用于支付给布线专家(每小时收费300美元)的费用。
这个消息是在开放计算项目(OCP)年度峰会召开前两天发布的。OCP为数据中心巨头们规定了各种系统外形尺寸。Apple、Facebook、谷歌和微软等OCP成员都可以推出他们自己的规范,他们通常会购买数千台所谓的L11系统、预配置的服务器和交换机机架。
作为Open19基金会成员之一,Smith表示,该组织的下一个重要举措是在5月即将举办的活动上展示基于该组织规范的商业产品,以及公布这些产品的客户名单。OCP的各项活动已经吸引了很多希望可以赢得网络巨头青睐的厂商,这些巨头们每个月可能要部署数千台服务器。
Open19的下一步就是研究针对液体冷却子系统的规范,以及加强网络规格以支持八个光学通道。一些成员企业已经开始研究“水冷却的简化设计,现在这种设计成本极高且非常复杂,并且不是必需的”。
Smith希望第一批规范和系统将吸引更多成员加入Open19。他说:“今年是把范围扩大到早期采用者之外,我们的挑战就是要跨越这个鸿沟。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。