合作伙伴

Eminence Grey 与 Lumen 合作在美国连接主权 AI

mm
将 Unite.AI 添加到您在 Google 上的首选来源
Conceptual illustration of distributed AI computing facilities connected by private fiber paths within a controlled boundary

AI 系统的安全边界并不止于服务器机柜。当模型在办公室、数据中心和运营现场之间使用敏感信息时,这些地点之间的连接也成为组织必须控制的基础设施的一部分。

Eminence Grey 和 Lumen Technologies 正在通过 10 月 8 日宣布的合作伙伴关系应对这一挑战,将 Eminence Grey 的主权 AI 平台与 Lumen 的边缘布局和可编程网络相结合。此合作面向希望在保留数据和运行环境控制权的同时连接分布式工作负载的政府机构、企业和 AI 开发者。

两家公司将该产品描述为在美国范围内提供专用、私有 AI 基础设施的基础。客户可以预留预先架构好的或定制设计的系统,系统的可用性、配置和实施将根据其需求决定。

主权 AI 需要网络与计算

该合作解决了三个相互关联的问题:数据在哪里处理,谁可以访问,以及它在系统之间如何传输。部署可以使用专用 GPU,但仍可能依赖引入额外风险的连接或管理路径。

Eminence Grey 提供 AI 节点、GPU 与高性能计算集群、其 Whitehorse 指挥控制平面以及 Outrider 访问设备。Lumen 提供用于连接这些环境的可编程网络,支持分布式工作负载、弹性和运营连续性。

两家公司表示,组合平台旨在提供专用基础设施、可验证的隔离以及整个数据生命周期的零互联网暴露。这些是声明的架构目标;公告未提供针对特定部署的安全评估或独立的性能基准。

“主权 AI 不仅关乎数据存放在哪里,更关乎数据如何流动,”Lumen 首席技术与产品官 Jim Fowler 在公告中表示。他的话概括了合作的核心工程挑战:在信息超出单一地点时保持控制权。

Whitehorse 为基础设施带来的增益

Eminence Grey 的 网站 将 Whitehorse 描述为一种专有、正在申请专利的控制平面,用于在各地点协调其私有 AI 结构。它旨在将设施、网络、计算和安全整合到一个运行环境中,并在工作负载层面提供编排、分段、策略执行和可视化。

该公司将其更广泛的业务定位为基础设施即服务(IaaS):为需要控制和弹性的组织设计、构建并运营私有 AI 环境。其参与流程从评估和架构定义一直到试点、扩展和优化。

这种方法将产品提供超越单纯的 GPU 容量采购。运营价值来自于在支持 AI 应用的基础设施中对位置、访问规则、监控和连续性进行对齐。

设想一个企业代理检索内部文档并在业务系统中触发工作流。仅更快的推理并不能决定该部署是否合适。组织还需要了解代理能够访问哪些系统、适用哪些数据边界,以及在执行操作时留下了哪些证据。控制平面正是用于在这些移动部件之间协调基础设施策略的地方。

公告将 Outrider 标识为一种访问设备,但未说明其协议或详细功能。因此,其具体角色和配置需在客户系统设计时加以确定。

Lumen 提供连接层

Lumen 的 Connectivity Fabric 为合作中的可编程网络部分提供了有用的背景。该公司描述了一个自助门户以及用于购买、部署和远程管理基于消费的网络服务的生命周期自动化。

其更广泛的网络产品组合将光纤基础设施、边缘云和连接服务结合,为分布式应用提供支持。这些现有能力有助于阐明 Lumen 在必须跨多个站点连接 AI 能力的合作中的角色,尽管公告未具体说明每个客户配置将包含哪些单独服务。

对于分布式 AI,网络影响数据到达计算资源的速度以及在条件变化时应用能够持续运行的可靠性。发布称这些系统旨在使用分布式 GPU 和高性能计算资源处理弹性、低延迟的工作负载。它未提供统一的延迟目标、容量规格或部署时间表。

实际收益取决于将网络设计与工作负载匹配。靠近数据源处理信息的系统与在计算设施之间进行大规模传输的系统需求不同。合作的定制设计选项为这些差异留有余地。

安全声明需要部署层面的证据

Eminence Grey 的公司描述还包括专用光纤连接和后量子加密。该发布未指明组合产品的具体加密算法、认证或实现细节。

同样,将基础设施置于公共互联网之外仅描述了一种暴露边界。它本身并未确定身份验证、软件更新、管理、日志记录或恢复的处理方式。这些细节是客户在将平台设计转化为自有 AI 工作负载的运行环境时需要评估的内容。

对于保护专有研究、受监管记录或关键任务信息的组织而言,此合作的意义在于尝试将计算和数据传输纳入统一的运营模型。Eminence Grey 与 Lumen 正在于 AI 部署日益同时需要这两者的时点,整合互补的基础设施层。

合作的下一步衡量标准将是客户实际能够配置和运行的系统:其隔离边界、网络行为、审计证据以及在中断情况下维持服务的能力。这些细节将决定主权 AI 的承诺如何转化为可行的生产环境。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。