合作伙伴

Smartbird为2027年AI部署锁定Expedient数据中心容量

mm
将 Unite.AI 添加到您在 Google 上的首选来源
Exterior of the Expedient Phoenix data center

Smartbird已与Expedient签署一项多年期主机托管协议,在美国一座数据中心锁定超过3.7兆瓦的IT容量,用于计划于2027年上半年部署的专用AI基础设施。继近期与Supermicro和WEKA达成技术合作后,这项协议为该公司的企业级AI服务奠定了实体基础。

这项安排于11月12日公布,旨在解决AI部署中的一项实际限制:购买计算硬件,并不意味着就能获得可为其供电、散热并维持其运行的场地。Smartbird表示,Expedient的数据中心可容纳高密度系统,包括采用液冷技术的机架。

这部分容量旨在满足Smartbird当前客户机会管线中的需求。公告没有说明数据中心的具体位置,也未披露协议的财务条款或将部署的加速器型号。

数据中心容量为何对AI至关重要

兆瓦数值描述的是可供IT设备使用的电力容量,不能直接换算为GPU数量或模型的推理吞吐量。这些指标取决于所选服务器、配套存储和网络设备,以及工作负载对它们的使用方式。

散热同样至关重要。高密度排列的加速器会在很小的空间内集中产生热量,因此,数据中心的散热能力也是计算架构的一部分。液冷通过流体回路传递热量,而不是完全依靠空气流经服务器来散热。支持这类机架能拓宽数据中心可容纳的系统范围,不过公告并未说明Smartbird最终会采用何种配置。

Smartbird总裁兼首席执行官Nadia Carlsten表示:“要大规模交付基础设施,获得电力和适用于AI的数据中心容量是最重要的要求之一。”

对客户而言,运营层面的关键在于计算资源、电力、散热和部署时间表能否相互配合。锁定数据中心容量消除了这一流程中的一项依赖;但集群何时能投入实际工作,仍取决于硬件安装、集成和调试。

Smartbird的托管式基础设施模式如何运作

Smartbird在其网站上介绍,这项服务涵盖基础设施设计、采购、安装、测试、运营和扩展。服务从客户的工作负载出发,围绕相关需求协调计算、存储、网络、电力和散热。

部署完成后,服务还包括监控、维护和性能优化,并会随着工作负载的变化增加容量、升级硬件。这项商业服务旨在让企业使用专用基础设施,而无需自行组建并运营其中的每一层。

这对AI很重要,因为瓶颈会在不同层之间转移。在训练期间,加速器需要持续获得数据,参与其中的系统之间也必须快速通信。在推理期间,内存容量、响应延迟和同时处理的请求数量,都会影响硬件为用户提供服务的效率。集群的实际产出取决于整个系统能否协同运作,而不只是加速器的规格。

Smartbird此前宣布的与Supermicro的合作涉及计算平台和机架级集成。其与WEKA的合作则为专用集群服务增添了NeuralMesh数据与内存基础设施。Expedient协议所涉及的,是该技术栈底层的数据中心设施。

Expedient为部署提供什么

Expedient运营着一个由美国数据中心组成的网络,并提供云、主机托管和托管式基础设施服务。其主机托管服务让组织能够在Expedient的设施中托管设备,同时使用电力、网络连接、实体安保和现场运营支持。

该服务提供商称,其数据中心组件采用N+1或2N冗余设计。这些方案通过预留容量或部署重复系统,在设备无法使用时维持服务。Expedient还提供其各设施之间的专用连接,并安排全天候工作人员值守。

Expedient更广泛的服务组合说明了它在此次合作中的作用,但公告并未具体说明Smartbird这项部署采用的冗余设计或网络配置。协议也不代表Expedient单独提供的AI软件产品将成为Smartbird服务的一部分。

从合作协议到集群投入运行

计划于2027年上半年进行的部署将是下一个里程碑。预留IT容量确定了未来系统可运行的地点;这与已经调试完成并正在为客户提供服务的计算容量并非一回事。

Smartbird 的做法是汇集专业服务商,分别负责基础设施的不同组成部分:计算系统、数据层,以及如今的设施。Smartbird 自身负责围绕企业工作负载整合并运营这些要素。因此,与 Expedient 达成协议的实际意义在于,它将 Smartbird 的托管式 AI 方案与把该方案转化为实际运行基础设施所需的电力和冷却能力连接起来。

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。