Axe Compute 首席执行官 Chris Miglino——专访

Chris Miglino是 Axe Compute 的首席执行官，在科技公司的创立、发展壮大和投资方面拥有二十多年的经验。他共同创立了 Social Reality，并曾在 DNA Fund 工作，兼具创业背景以及资本市场和基础设施投资经验。在 Axe Compute，他专注于为企业客户扩大专用 AI 算力所面临的运营和财务挑战。

Axe Compute为企业 AI 工作负载提供专用裸金属 GPU 基础设施。其 Axe Access 服务可提供现有 GPU 算力，而 Axe Build 则根据客户的长期需求开发基础设施。在本次访谈中，Miglino 谈到了 GPU 经济效益、电力限制、集群性能、部署合作伙伴关系，以及向推理和 AI 智能体转变可能如何重塑企业对基础设施的需求。

您的职业生涯跨越二十多年，创业经历包括共同创立 Social Reality、领导 DNA Fund，如今担任 Axe Compute 的首席执行官。最初是什么吸引您进入 AI 基础设施市场？您发现了什么机遇，而传统云服务提供商尚未充分满足这一需求？

我看到的机遇很简单：AI 的发展速度超过了为其提供支持的基础设施建设速度。二十多年来，我一直在创办、发展和投资企业，而我发现最大的机遇正蕴藏在这一差距之中。从共同创立 Social Reality 到在 DNA Fund 工作，我始终关注那些根本性问题——新技术能够清晰地转化为实际商业价值。企业在 AI 上投入数十亿美元，但许多企业却无法以符合商业需求的成本获得可靠的算力。传统云服务提供商打造了卓越的业务，但其基础设施是围绕灵活、共享的环境设计的，并非为全天候持续运行、计算密集型的 AI 工作负载而建。我自己创办过企业，因此了解企业需要什么：可预测的成本、可靠的使用权，以及扩展空间。我看到了一个机遇：围绕企业 AI 的实际需求打造专用基础设施，让企业能够掌控自己的算力，而不必因此成为数据中心运营商。这就是我加入 Axe Compute 的原因。那些为 AI 打造底层基础设施的企业，将决定这项技术能够以多快的速度、扩展到多大的规模。

随着企业加快采用 AI，获得高性能 GPU 算力已成为一项关键考量。企业对自身算力需求最大的误解是什么？在评估专用 GPU 基础设施与传统云服务时，又该如何比较？

最大的误解是，GPU 越多，AI 性能就一定越好。GPU 周边的架构、使用权的稳定性，以及运行 GPU 的经济效益，同样重要。第二个误解是认为，为企业软件打造的云模式也适用于 AI。公有云非常适合试验、需求难以预测以及规模能够快速扩缩的工作负载。但进入生产阶段后，如果全天候运行繁重的工作负载，经济效益就会发生变化。你支付的不再是偶尔使用算力的费用，而是在按使用量计费的定价模式下，为持续运转的工业级业务提供资金。我建议企业考察利用率、工作负载持续时间、网络需求，以及数年内的总成本，而不是只看 GPU 的小时价格。对于持续运行的工作负载，专用基础设施能带来成本可预测性和控制权，但哪种方案合适，取决于你实际计划如何使用 AI。

Axe Compute 提供两种不同的模式：Axe Access 和 Axe Build，既能立即提供 GPU 算力，也能提供专为 AI 打造的基础设施。您能否介绍一下这两种模式如何运作、分别服务于哪些类型的客户，以及企业如何判断哪种方案最适合自己的 AI 工作负载？

我们打造 Axe Access 和 Axe Build，是因为企业所处的阶段各不相同，不应被迫采用同一种基础设施模式。Axe Access 面向需要立即获得专用 GPU 算力的企业，无论是扩大现有业务规模、推出新模型，还是现有服务提供商已无法满足需求。Axe Build 则面向需要根据长期需求设计专用基础设施的客户，涵盖算力、架构和运营。两者的区别归结为时间安排、规模和定制化程度。如果你需要立即运行工作负载，就从现有算力开始；如果你正在规划一项多年期 AI 业务，就为此专门建设基础设施。对我来说，重要的是为客户提供一条切实可行的路径，让需求转化为可投入使用的算力，因为只有真正用起来，技术才有价值。

Axe Compute 已宣布签约金额超过 34.5 亿美元的 AI 基础设施项目，反映出市场对专用算力的巨大需求。将这些承诺转化为可投入运营的 GPU 集群，面临的最大挑战是什么？在以这样的速度扩展基础设施的过程中，您吸取了哪些经验？

最大的启示是，赢得订单和交付基础设施是两种截然不同的能力，而两者都必须做到出类拔萃。已签约项目金额超过34.5亿美元，因此每个环节都至关重要：设施、电力、采购、融资、网络，以及让集群投入运行所需的技术工作。每个环节都有自己的时间表，任何一个环节的延误都可能拖慢整个部署进程。电力是其中最关键的一环。即使承诺、资金和设备都已到位，没有电力，这一切也无法带来回报。我们学会了有条不紊地推进项目安排、选择合作伙伴和分配资本。我们也始终牢记，已签约项目的价值，并不等同于已经部署并产生收入的基础设施。最终的赢家，将是那些能够持续把承诺转化为可靠运营能力的公司。执行力就是我们的商业模式。

谈到人工智能基础设施，人们往往首先关注GPU的供应情况，但电力、冷却、网络和数据中心容量也可能同样构成重大限制。您认为这些瓶颈中，哪一个对人工智能的长期扩展构成最大威胁？Axe Compute 正如何应对这些挑战？

电力。人工智能基础设施的其他几乎所有部分，都能比支撑它们的电力系统更快地扩建或升级。GPU技术迅速进步，资金可以迅速投入，设施也可以建成，但输电线路、公用事业接入和大规模发电项目的建设周期，往往远远超过人工智能公司的规划周期。我们需要构建一张能够围绕可预测需求运行的电网，以承载大量新增算力；而这并不是多花钱购买硬件就能解决的。在Axe Compute，我们根据切实可行的电力供应情况来规划基础设施建设，并与了解高密度人工智能部署需求的合作伙伴携手合作。随着机架密度不断提高，冷却和网络也至关重要；但可靠且价格合理的电力，将决定人工智能基础设施建在哪里，以及哪些运营商能够实现盈利性扩张。

构建高性能人工智能集群，远不只是组装数千个GPU。网络架构、存储吞吐量、工作负载编排和GPU利用率等因素会如何影响实际性能？企业最常在哪些方面低估了其中的技术复杂性？

GPU备受关注，但它的性能取决于周边的一切，而企业往往正是在这一点上低估了复杂性。你可以部署性能极其强大的处理器，但如果网络无法在处理器之间高效传输数据，或者存储无法及时向它们供给数据，你付费购买的算力就会闲置。大规模训练尤其如此，因为GPU之间的通信会显著影响模型完成训练的速度。编排又增加了一层复杂性：你必须管理调度、资源分配、故障和不断变化的需求，同时避免算力闲置。我衡量性能时看重的是实际产出，而不是理论规格，因为利用率高的集群，经济效益可能远胜于规模更大却运行低效的集群。人工智能基础设施需要在硬件、软件和运营各方面持续优化，而不是一次性的设备采购。

Axe Compute 最近宣布与 Penguin Solutions 建立战略合作伙伴关系，以加快大规模人工智能基础设施的部署。这项合作具体带来了哪些技术和运营能力？在保持可靠性和性能的同时，它将如何缩短部署周期？

Penguin带来了三方面的能力：为指定GPU集群部署地点提供由专家主导的部署和运营服务；提供用于大规模管理集群运营的ClusterWareAI软件；以及由Penguin团队与我们并肩提供全天候网络运营中心支持。这一点很重要，因为人工智能基础设施增长的下一阶段，取决于企业能否高效地大规模部署和运营复杂环境。部署人工智能集群，意味着要将计算、网络、存储和管理系统整合到一个能够在高强度工作负载下可靠运行的环境中。Penguin的专家团队增强了我们的交付能力，使我们能够加快部署、承接更多建设项目并降低执行风险。我们的目标是在不牺牲性能的前提下，让部署更加规范、可预测；因为只有基础设施上线后能够可靠运行，加快项目进度才真正有价值。

随着人工智能从大规模模型训练扩展到推理、自主智能体和实时应用，您预计企业的计算需求将如何变化？这一转变会从根本上改变GPU集群的设计、部署和地理分布方式吗？

推理最终将在商业 AI 基础设施市场中占据巨大比重，尤其是随着企业从构建模型转向将 AI 融入产品、运营和面向客户的服务。模型训练通常集中在短时间内进行，而推理则关乎可用性、延迟、吞吐量，以及持续处理数百万个请求。智能体又增加了一个层面：它们会在工作流中执行多项任务，并反复调用模型。每个请求的规模或许不大，但总需求很快就会累积起来。我预计，大型集中式集群将继续处理要求严苛的工作负载，同时，更多分布于不同地理位置的算力将服务于那些对响应时间和数据驻留有要求的应用。企业也会更善于根据工作负载选择合适的硬件，而不是认定所有任务都需要性能最强的 GPU。让我感到振奋的是，需求将变得多元得多，这有利于那些能够在合适地点，以合适的成本结构提供合适算力的服务商。

建设 AI 基础设施需要大量前期资本投入，而 GPU 技术仍在快速发展。Axe Compute 如何看待专用 GPU 集群的融资和运营经济性？企业又该如何避免被昂贵的硬件束缚，以免硬件在使用寿命结束前就已过时？

首先要考虑客户需求，而不是硬件。先买下昂贵设备，再寄希望于后续提高利用率，这种做法本末倒置。这不是软件业务：你面对的是沉重的实体资产、漫长的建设周期，以及短时间内就会大幅进步的技术。在 Axe Compute，我们的做法以签约需求、审慎部署为基础，并围绕需要持续算力的客户建设基础设施。硬件过时确实是现实问题，但不再是最新款的 GPU，并不意味着它毫无商业价值。并非每种推理应用或企业 AI 系统都需要最新一代硬件；通过合理分配工作负载，现有基础设施的有效使用年限也可以延长。客户应从整个合同周期来评估经济性，包括利用率、性能需求，以及技术演进过程中的灵活性。我们的目标是确保基础设施的经济使用寿命能够支撑对其投入的资本，而不是建立一种永远依赖硬件维持初始价值的商业模式。

展望未来三到五年，您认为 AI 基础设施领域最大的创新和投资机遇在哪里？您预计市场仍将集中于超大规模云服务商和大型 GPU 供应商，还是专业基础设施公司有望从根本上改变企业获取 AI 算力的方式？

如此庞大而复杂的市场，若由少数几家采用同一种基础设施模式的服务商来满足需求，效率不会高。超大规模云服务商仍将极为重要，但我对未来三到五年的专业运营商非常看好。我们才刚刚起步，尚处于将 AI 投资转化为企业日常依赖的基础设施的早期阶段。企业在性能、数据主权、成本、时间安排和地理位置方面各有不同需求，这为我们这样的运营商创造了切实的空间。我最看好的投资机会包括电力基础设施、更高效的冷却技术、先进网络，以及能够提高 GPU 利用率的软件，因为这些因素会直接影响 AI 的经济性。随着投资者越来越熟悉这些资产及签约算力带来的现金流，融资方式也会随之演进。对 Axe Compute 而言，机遇在于助力建设这一市场，让真正致力于将 AI 投入生产的组织能够以更便捷、更可预测、更具扩展性的方式获取专用 AI 算力。这就是我们所说的“算力，不妥协”。

感谢您接受这次精彩的采访。希望进一步了解专用 GPU 算力和企业 AI 基础设施的读者，可以访问 Axe Compute。