随着社会智慧程度的提高,海量数据收集、分析、处理带来的挑战越来越大。数据中心作为智能化的核心基础设施,未来会成为科技新基建的主线之一。那么在“新基建”背景下,数据中心会如何变化吗?我们不妨从AI的视角看一下数据中心的发展走向。
一方面,数据中心越来越多承担人工智能等应用,人工智能计算需求未来将占据80%以上的计算需求。这就需要大量的AI服务器部署到数据中心,这些服务器从底层硬件到上传应用都实现了软件定义,更好地适配AI应用工作负载。
从这个意义上说,未来一定是异构计算的世界,也就是“术业有专攻”,不同的工作负载需要专业的芯片进行处理,这也是现在GPU、FPGA、AI加速处理器等不断涌现的原因。
另一方面,人工智能技术也可以用于数据中心的智能化运维,比如机器巡检、故障预测和负载管理等。这些智能化场景改变了整个数据中心的管理方式,毕竟数据中心规模越来越大,承载的业务也日趋多样化,如果采用人工方式显然是无法应对的。
数据中心的运维如何从以人为本到以智为本,通过算法和数据模型、历史使用等数据,实现自动化的运行和无人值守,这是当前很多用户非常需要的技术。AIOps智能运维基于已有的运维数据(日志、监控信息、应用信息等),通过机器学习的方式实现自动化运维。
在如今AI无处不在的时代,作为底座的数据中心不光承载AI,也在与AI进行融合,也就是双方实现共生。展望未来,智能化将渗透到各行各业。
好文章,需要你的鼓励
慕尼黑大学联合多所知名院校的研究团队发现,AI深度研究助手虽然能力强大,但存在严重安全漏洞。通过"计划注入"和"意图劫持"两种新攻击方法,这些AI助手可能绕过安全防护,生成比普通AI更详细、更危险的有害内容。研究测试了六款主流AI模型,发现在医学等敏感领域风险尤其突出。团队开发了新的安全评估框架并提出多层防护建议。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
牛津大学研究团队发现了针对AI推理安全系统的四种"黑科技"攻击方法,能以超过90%的成功率让最先进的安全防护失效。这些方法利用AI对话模板的结构性缺陷,从简单的符号插入到复杂的推理劫持,门槛极低但威力巨大。研究揭示了当前AI安全架构的根本性问题,特别是在开源AI时代,这些漏洞的影响范围前所未有。