人工智能的清算：为什么基础设施最重要

人工智能是我们一生中最有影响力的技术，我们即将迎来一个重大的转折点，这将重塑商业格局。

采用率正在飙升，到2025年，78%的企业将部署人工智能，预计到2030年市场规模将达到1.81万亿美元。然而，在这种增长背后，却有一个更艰难的真相：许多企业正在努力将人工智能转化为真正的、可扩展的和有形的成果。很明显，许多企业在采用人工智能时，没有做出必要的运营变革来使其在规模上发挥作用和创造全面的价值。

与此同时，支撑人工智能的基础设施并没有跟上所需的增长步伐。组织和模型仍然受到可用GPU计算能力的限制，而全球的数据中心容量正处于历史低位。新的人工智能容量受到电力供应、建设时间表和劳动力短缺的限制。

这就是人工智能的清算——一个分水岭，区分那些能够以所需的速度建设和采用人工智能的企业，以及那些被保守的传统模型所限制的企业。到2035年，可能有一半的今天的公司将会被这一差距所淘汰。竞争已经开始：适应或灭亡。

实现人工智能的承诺

经过多年的头条新闻和多吉瓦的宣布，组织终于将面临一个真实的市场检验。这一年，谁真正实现了人工智能的承诺，谁只是依靠头条新闻和新闻稿来参与讨论，将会变得明显。

执行和叙述之间的差异将变得更加明显，尤其是当人工智能的投资回报率成为真正的董事会焦点时。那些能够将整个技术栈整合在一起的组织，包括GPU供应、电力、资本和一个坚韧的供应链，并在运营和收入中证明这一点，而不仅仅是在营销中， 将会是赢家。那些能够实现的人工智能承诺的组织将会迅速加速，并将成为可信的长期领导者。那些依赖创造性公告的组织将会落后。而两者之间的差距将会继续扩大。

限制因素

计算的规则已经从根本上改变。自2019年以来，人工智能模型背后的计算能力大约每10个月就翻倍。通用人工智能的出现加速了增长，硬件生命周期已经压缩，NVIDIA的极端联合设计已经设定了一个将只会变得更快的步伐。然而，大多数数据中心仍然是为传统工作负载而设计的，而不是为现代GPU计算的功率密度、冷却需求和流量模式而设计的。

传统的方法无法跟上人工智能驱动的变化。尝试在传统环境中运行人工智能工作负载就像将迅速改进的一级方程式引擎安装到一辆家用车中；底盘根本无法承受性能和变化。并且，到传统数据中心上线时，硬件已经超出了其设计参数。

在整个行业中，数十亿美元被投资于传统基础设施，这就产生了一个令人不舒服的现实。要么吸收重建的成本，要么希望旧芯片仍然有价值，要么就落后于那些从一开始就为不断变化的人工智能而设计的组织。重要的是，改造是困难的。进步需要专门为基础设施设计，包括直接到芯片的液体冷却、高带宽网络和重新设计的电力系统。

为不断变化而建设

这个问题的解决方案需要一种完全新的基础设施方法，这种方法已经在获得动力。行业正在转向灵活、标准化的单元，可以根据需求的变化而部署、升级和更换。与其建设固定设施以优化某个时间点，不如运营商越来越多地以阶段性部署容量，并在芯片架构和电力需求变化时添加更高密度的段。

这种更灵活的方法现在可以在几个月内交付GPU优化的容量，而不是几年。离站制造和标准化组件可以使系统在受控环境中构建和测试，从而加快部署速度并减少现场复杂性和所需的熟练劳动力。至关重要的是，升级可以在其他站点仍然运行时进行，退役的部分可以被翻新和重新部署，从而延长寿命、减少浪费并最大限度地增加收入。

在性能需求比传统数据中心生命周期更快地演化的环境中，适应性至关重要。灵活性现在是定义要求，而不是传统的刚性，我们已经习惯了在传统构建中使用它。

清算已经开始

人工智能的清算不再是一个未来场景；它正在实时展开。那些为持续变化而设计的数据中心和那些被传统假设所限制的数据中心之间的分歧已经显现出来，并将从这里开始加速。这不仅仅是一个技术周期；这是基础设施被概念化、融资和交付的结构性重置。那些接受适应性、对齐整个技术栈并以速度执行的组织将定义下一个十年。其他组织不仅会落后；它们将变得无关紧要。从这里开始，这不仅仅是一个技术周期；这是基础设施被概念化、融资和交付的结构性重置。那些接受适应性、对齐整个技术栈并以速度执行的组织将定义下一个十年。其他组织不仅会落后；它们将变得无关紧要。