人工智能正在对数据中心产生巨大影响 - 从建设和设计到电力和计算。现在,数据中心的网络需求也在不断演进以保持同步。
人工智能对数据中心的能源影响已有充分记录,其电力需求在可持续性方面发挥着重要作用。AI 也在加速新数据中心的建设需求。AI 影响数据中心的另一个核心领域是网络。
Ciena 公司委托进行的一项新的全球调查显示,AI 正以前所未有的规模重塑数据中心网络基础设施。这项调查收集了来自 13 个国家超过 1,300 名数据中心决策者的见解,突出显示了 AI 日益增长的影响力如何重塑数据中心网络架构的规划和实施。
AI 网络调查:主要发现
根据 Ciena 的调查,43% 的新数据中心设施预计将专门用于 AI 工作负载。此外:
- 数据中心专家预测,未来五年数据中心互联 (DCI) 带宽需求将增加至少 6 倍 - 53% 的受访者认为 AI 工作负载将在未来两到三年内对 DCI 基础设施产生最大需求 - 87% 的参与者预计需要 800 Gb/s 或更高的每波长光纤容量 - 98% 认为可插拔光模块对于降低功耗和物理占用空间很重要
"AI 将推动 DCI 基础设施转型这一点对我们来说一直很明确。真正的问题是程度如何," Ciena 首席技术官 Jürgen Hatheier 向 Data Center Knowledge 表示。
"通常,宽带网络流量的年增长率在 20-30% 左右,但我们的调查发现,由于 AI 应用的原因,这个增长率可能会翻倍。"
不仅仅是 Ciena 报告了与 AI 相关的网络需求大幅增长。分析公司 Dell'Oro 报告称,销售数据创下记录,这主要是由 AI 需求推动的。
"2024 年,数据中心交换机销售额同比增长超过 90% 归因于 AI 建设," Dell'Oro 数据中心交换机和 AI 网络研究副总裁 Sameh Boujelbene 表示。
"随着以太网在 AI 网络中获得发展势头,我们预计这一趋势将继续。"
可持续性考虑推动对可插拔光模块的兴趣
随着带宽需求激增,数据中心运营商越来越关注网络扩展的可持续方法。
Ciena 调查发现,几乎所有 (98%) 数据中心专家都认同可插拔光模块是降低功耗和网络基础设施物理占用空间的重要技术。可插拔光模块是用于光数据传输的模块化设备。
"可插拔光模块的优势在于网络设计扩展的灵活性,当然还有能效," Hatheier 说。"随着容量扩展到更高速率,传统数据中心技术将开始达到物理极限,相干技术将进入数据中心并围绕数据中心发展,减少硬件占用空间和设备的整体功耗。"
这位 CTO 指出,实际的功耗和空间节省将取决于具体用例。他补充说,数据中心的绝大部分功耗,特别是那些专门用于 AI 的数据中心,将来自分布在网络中的推理,而光学技术至少能够更高效地处理这些流量。
超越带宽:数据中心网络还需要什么来支持 AI?
虽然下一代所谓的"AI 工厂"需要更多带宽,但这只是方程式的一部分。
Hatheier 指出,AI 带来了新的网络需求、多样化的流量类型和动态流量模式,仅仅通过添加更多硬件来增加网络容量是无法处理的。
在他看来,需要能够动态适应特定时间需求的智能网络。
"智能自动化平台...可以驱动闭环优化,确保 AI 流量被优先处理和高效路由,无需人工干预," Hatheier 说。"跨光层和 IP 层的多层自动化可以动态调整带宽、优化功耗并实时防止拥塞。"
Hatheier 还指出,网络切片将通过允许运营商创建针对 AI 应用特定需求定制的虚拟网络来补充自动化框架。每个切片都可以针对延迟、吞吐量和安全性等关键参数进行优化,确保为高优先级 AI 任务提供专用资源。
"结合自动化,网络切片使数据中心能够按需动态分配、重新配置和管理资源,提供可扩展、适应性强且具有成本效益的环境,完全支持 AI 工作负载不断发展的需求," 他说。
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里巴巴联合浙江大学开发的OmniThink框架让AI学会像人类一样慢思考写作。通过信息树和概念池的双重架构,系统能够动态检索信息、持续反思,突破了传统AI写作内容浅薄重复的局限。实验显示该方法在文章质量各维度均显著超越现有最强基线,知识密度提升明显,为长文本生成研究开辟了新方向。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
腾讯混元3D 2.0是一个革命性的3D生成系统,能够从单张图片生成高质量的带纹理3D模型。该系统包含形状生成模块Hunyuan3D-DiT和纹理合成模块Hunyuan3D-Paint,采用创新的重要性采样和多视角一致性技术,在多项评估指标上超越现有技术,并提供用户友好的制作平台。作为开源项目,它将大大降低3D内容创作门槛,推动3D技术的普及应用。