近日，微软宣布正在建设一系列跨越洲际的数据中心超级集群，以应对未来人工智能模型的训练需求。这些新设施将连接多个数据中心，通过高速网络实现数据的高效传输，目标是支持高达数百万亿个参数的 AI 模型训练。
10月，微软在威斯康星州的 Mount Pleasant 数据中心校园启动了首个节点，连接到位于乔治亚州亚特兰大的设施。这些数据中心并非普通设施，微软称之为 “Fairwater” 集群。它们为两层建筑，采用直连芯片的液体冷却技术，几乎不消耗水资源。未来，微软计划将这些集群扩展到数十万台多样化的 GPU，以应对不同的工作负载需求。
通过互联数据中心，微软能够训练更大规模的模型，并选择在土地成本低、气候宜人和电力资源丰富的地区建设新设施。尽管微软尚未透露连接这两座数据中心所使用的具体技术，但业内有多种选择。包括 Cisco 的51.2Tbps 路由器和 Broadcom 的新款 Jericho4硬件，这些设备可以有效连接距离达1000公里的数据中心。
同时，Nvidia 也在积极推动网络技术的发展，以应对 AI 训练的需求。微软在高性能计算环境中普遍采用 Nvidia 的 InfiniBand 网络协议，显示了其在高效数据传输方面的决心。在 AI 工作负载的分布上，减少带宽和延迟问题仍然是研究者们关注的重点。
AI 领域的进展显著。早前，谷歌的 DeepMind 团队发布了一项报告，表明通过在训练过程中压缩模型和合理安排数据中心之间的通信，可以克服许多挑战。
划重点:
🌐 微软正在构建跨洲数据中心超级集群，以支持未来大规模 AI 模型的训练。
💧 新设施采用高效的液体冷却技术，几乎不消耗水资源。
🚀 多种先进网络技术将连接这些数据中心，以提高 AI 训练的效率。
