
Equinix公司可能不被熟知,但他们的服务却支撑着总值数万亿美元的全球网络商务体系。这家总部位于加利福尼亚州红木城的企业,拥有720亿美元市值,去年收入总额达60亿美元,在26个国家或地区运营着由220多处数据中心构成的全面基础设施网络。
Equinix的客户,使用这些数据中心提供的大量服务器(总面积达240多万平方米)存储并处理在线业务所必需的海量数据。此外,客户还可以通过Equinix管理的近40万条光纤链路,在自有服务器及其他企业的服务器间传输数据,享受通畅便捷的互连支持。
Milind Wagle于2016年9月出任Equinix公司CIO,在他看来,“公司已经成为数字化经济的引擎室。毕竟互联网总要有物理基础才能构成并保持运行,而这种基础正是数据中心。”
图:Milind Wagle, Equinix公司CIO
由Equinix公司负责运营的基础设施,以及Digital Realty Trust与CyrusOne等竞争对手提供的服务资源,并不会直接出现在客户们的视野当中。但这些设施的故障却很可能造成严重破坏:本月初,另一家网络骨干企业Fastlyl就遭遇事故,导致涉及亚马逊、《纽约时报》以及福布斯等客户在内的多个网站受到影响。虽然事件本身受到高度关注,但还有很多人们根本感受不到的严重问题,而Wagle等技术高管也一直在寻求增强网络弹性的方法。
数据中心的「前瞻性思维」
与其他竞争对手一样,Equinix公司也需要衡量数据中心内的服务器何时可能达到用量上限、何时需要购买土地,并规划新的数据中心建设、新的设施可能需要多少电力。Wagle解释道,“准确预估数据中心的电力消耗与空间占用量,是一项非常重要的工作。”根据Equinix的数据,可容纳数千台服务器的数据中心往往需要投入上亿美元,而实际费用取决于具体位置、当地电价、所选设备以及硬件配置。
数据中心企业还需要认真考虑设计远期电力采购合同,这是因为,每处数据中心都会消耗掉数兆瓦的电力,而任何计算错误都可能带来巨大代价。Equinix公司的发言人还分享了一份硅谷数据中心合同示例,其中包含一项每月22万3千美元的罚款条文,强调该中心的预期用电量不得低于承诺使用量3兆瓦。
长期以来,Equinix公司一直通过规划流程、手动电子表格和专职规划人员回顾历史趋势,并结合来自客户渠道的信息对未来需求做出明确估计。但随着业务的发展,这项工作变得越来越复杂。为此,Wagle团队开始寻求AI技术的新应用,希望开发出算法以协助Equinix规划人员提高工作效率、增强预测水平。
但早期结果却给了大家当头一棒。Wagle回忆道,“最初大家的兴致不高,多数员工都对此抱有怀疑态度,我们的模型也并不是百分之百准确。”但在探索当中,他也体会到AI技术的巨大潜力,力主给团队预留更多时间。他坚定地认为,算法以及来自客户渠道及历史使用模式的大量数据,正是公司实现规划流程升级的关键所在。
Wagle的IT团队发现,其AI模型在早期预测需求方面之所以表现不佳,一个重要原因在于部分输入信息本身不够准确。为此,他开始说服同事们共同参与,帮助他广泛改善整个企业之内的数据质量。
不少观察人士认为,此次事件也是Wagle赢得反对者们信任与支持的重要节点。曾在Web域名注册服务商Verisign与Wagle共事的Brian Lillie表示,“他的意志非常坚定。只要是他看准的事,他总能迸发出强大的意志力与工作热情,务必要把反对者拉到自己这边。”也正是凭着对他的了解,Lillie才决定邀请Wagle加入Equinix并担任CIO职务。
数据中心的「AI探索」
Wagle还表示,Equinix公司现在已经全面推开了使用AI推动设施规划的新思路。“这给我们带来了一种极具价值的建模工具,我们可以预测数据中心容量会在多久之后被彻底耗尽,借此做出更好的供应链决策。”这些模型还帮助Equinix更有针对性地优化自身电力消耗,尽可能改善业务的环境可持续性。
他的团队也一直尝试在其他领域引入AI技术。在销售方面,他们建立起新模型以识别并吸引新客户。这套模型吸纳约100种不同的输入指标,包括目标企业的财务状况与预期增长轨迹等。他们还使用AI技术推动工作流程自动化,包括与内部财务团队合作开发算法,将每年需要处理的手动审批工作量缩减至约三分之一。
图:位于阿姆斯特丹的一处Equinix数据中心。
一处处全新Equinix数据中心的建成,也体现出Wagle的心血给企业自身带来的巨大助益——今年以来,Equinix公司的股价已经上涨17%,大大超过纳斯达克指数的整体涨幅。该公司表示,2021年已经成为其历史上最活跃的业务扩张年份之一,目前正在19个国家或地区建设36个基础设施项目。他们的计划还包括建设更多“超大规模”巨型数据中心,足以支持亚马逊及谷歌等互联网巨头的数据与处理需求。今年6月14日,Equinix公司宣布与新加坡主权财富基金GIC达成一项39亿美元交易,用于继续扩大设施建设工作。
Equinix公司还在不断扩展其光纤线缆网络,用于保持企业客户之间的数据高效流动。投资银行奥本海默分析师Timothy Horan认为,“很多客户之所以选择Equinix,是因为在这里能更便利地与其他企业开展联系。”Horan将Equinix比作互联网的中央车站。Wagle和他的团队计划进一步推动AI技术的全面应用,确保这些关键互联体系以及支撑网络体系的数据中心始终保持稳定可靠的运行状态。
好文章,需要你的鼓励
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。
南洋理工大学研究团队开发了Dr. MAS训练方法,专门解决多智能体大语言模型系统的训练不稳定问题。该方法通过为每个AI智能体使用个性化的评价标准,避免了传统全局标准化导致的梯度爆炸问题。在数学推理和多轮搜索任务中,Dr. MAS显著提升了系统性能和训练稳定性,为构建更强大的AI协作系统提供了重要技术支撑。
腾讯AI实验室开发的Covo-Audio是首个真正实现端到端语音对话的7B参数大模型,能直接处理语音输入并生成自然回应。该系统突破了传统流水线式处理的局限,实现了智能与声音分离、全双工交互等创新功能,在多项基准测试中表现优异,特别是在情感理解和自然对话方面达到了新的水准,为语音交互技术的实用化和个性化应用开辟了新路径。