微軟正式推出其首座“AI超級工廠”，通過將跨越不同州的數(shù)據(jù)中心連接為統(tǒng)一系統(tǒng)，構(gòu)建起一個具備行星際規(guī)模算力的分布式AI超級工廠。

這一架構(gòu)將分散的算力資源整合為虛擬超級計(jì)算機(jī)，以前所未有的規(guī)模加速AI模型訓(xùn)練，將原本需數(shù)月的復(fù)雜任務(wù)縮短至數(shù)周，標(biāo)志著AI基礎(chǔ)設(shè)施從獨(dú)立站點(diǎn)建設(shè)正式邁向“行星級”網(wǎng)絡(luò)化協(xié)同的新階段。

據(jù)微軟披露，位于亞特蘭大的新一代AI數(shù)據(jù)中心已于10月投入運(yùn)營，這是“Fairwater”系列中的第二個設(shè)施，并通過專用網(wǎng)絡(luò)與威斯康星州的首個Fairwater站點(diǎn)相連。該系統(tǒng)整合了數(shù)十萬個最新NVIDIA Blackwell GPU，構(gòu)建起全球首個真正意義上的跨州AI計(jì)算集群。

這一進(jìn)展正值科技巨頭間AI算力競爭白熱化。據(jù)《華爾街日報》報道，微軟計(jì)劃在未來兩年內(nèi)將其數(shù)據(jù)中心總面積擴(kuò)大一倍。該“AI超級工廠”將支持OpenAI、微軟Copilot、法國Mistral AI及埃隆?馬斯克的xAI等關(guān)鍵客戶，進(jìn)一步鞏固其在AI基礎(chǔ)設(shè)施領(lǐng)域的領(lǐng)先地位。

背后是巨額資本投入。微軟上一財季資本支出超過340億美元，并預(yù)計(jì)將持續(xù)加大投入。行業(yè)預(yù)計(jì)，全球科技公司今年AI相關(guān)投資總額將達(dá)4000億美元。微軟的分布式網(wǎng)絡(luò)策略不僅是技術(shù)革新，更是其應(yīng)對算力需求爆發(fā)、保持市場競爭力的核心舉措。

“AI超級工廠”：從獨(dú)立站點(diǎn)到分布式網(wǎng)絡(luò)

微軟的“AI超級工廠”概念，核心在于將多個地理上分散的數(shù)據(jù)中心融合成一個虛擬的單一超級計(jì)算機(jī)，這與傳統(tǒng)數(shù)據(jù)中心的設(shè)計(jì)理念截然不同。

微軟Azure基礎(chǔ)設(shè)施總經(jīng)理Alistair Speirs解釋稱：“傳統(tǒng)數(shù)據(jù)中心旨在為多個客戶運(yùn)行數(shù)百萬個獨(dú)立的應(yīng)用程序，而我們將此稱為‘AI超級工廠’，是因?yàn)樗跀?shù)百萬個硬件上運(yùn)行一個復(fù)雜的作業(yè)?！边@種模式下，不再是單個站點(diǎn)訓(xùn)練一個AI模型，而是由一個站點(diǎn)網(wǎng)絡(luò)共同支持同一項(xiàng)訓(xùn)練任務(wù)。

位于亞特蘭大費(fèi)爾沃特園區(qū)的所有GPU之間通過高速、高吞吐量的網(wǎng)絡(luò)共享信息。圖片由微軟提供。

這個分布式網(wǎng)絡(luò)將連接多個站點(diǎn)，整合數(shù)十萬個最先進(jìn)的GPU、EB級的存儲空間和數(shù)百萬個CPU核心。其設(shè)計(jì)目標(biāo)是支持參數(shù)規(guī)模達(dá)到數(shù)萬億級別的未來AI模型訓(xùn)練。隨著AI訓(xùn)練流程日益復(fù)雜，涵蓋預(yù)訓(xùn)練、微調(diào)、強(qiáng)化學(xué)習(xí)和評估等多個階段，這種跨站點(diǎn)的協(xié)同能力變得至關(guān)重要。

專為AI打造：新一代數(shù)據(jù)中心的設(shè)計(jì)與技術(shù)

為了實(shí)現(xiàn)“超級工廠”的愿景，微軟從零開始設(shè)計(jì)了“Fairwater”系列數(shù)據(jù)中心。位于亞特蘭大的設(shè)施占地85英畝，建筑面積超過100萬平方英尺，其設(shè)計(jì)完全為AI工作負(fù)載優(yōu)化。

Fairwater AI 數(shù)據(jù)中心的設(shè)計(jì)共有兩層。圖片由微軟提供。

其關(guān)鍵技術(shù)特征包括：

高密度架構(gòu)：采用創(chuàng)新的雙層建筑設(shè)計(jì)，以便在更小的物理空間內(nèi)容納更多GPU，從而縮短內(nèi)部通信延遲。
尖端芯片系統(tǒng)：部署了英偉達(dá)的GB200 NVL72機(jī)架規(guī)模系統(tǒng)，可擴(kuò)展至數(shù)十萬個英偉達(dá)Blackwell架構(gòu)GPU。
高效液冷系統(tǒng)：為應(yīng)對GPU集群產(chǎn)生的高熱量，微軟設(shè)計(jì)了復(fù)雜的閉環(huán)液體冷卻系統(tǒng)。該系統(tǒng)幾乎不消耗水資源，其初次注水量僅相當(dāng)于20個美國家庭一年的用水量。
內(nèi)部高速互聯(lián)：在數(shù)據(jù)中心內(nèi)部，通過高速網(wǎng)絡(luò)將所有GPU緊密連接，確保信息在芯片之間快速流通。

“在人工智能領(lǐng)域取得領(lǐng)先，不僅僅是增加更多的GPU，而是要構(gòu)建能讓它們作為一個系統(tǒng)協(xié)同工作的基礎(chǔ)設(shè)施?！蔽④浽婆c人工智能部門執(zhí)行副總裁Scott Guthrie表示。他強(qiáng)調(diào)，F(xiàn)airwater的設(shè)計(jì)凝聚了微軟多年的端到端工程經(jīng)驗(yàn)，旨在以真實(shí)世界的性能滿足日益增長的需求。

Fairwater數(shù)據(jù)中心GPU的物理密度使微軟能夠在更小的空間內(nèi)集成更強(qiáng)大的計(jì)算能力，從而降低延遲。圖片由微軟提供。

跨州互聯(lián)：AI廣域網(wǎng)與算力分配策略

將相隔遙遠(yuǎn)的多個數(shù)據(jù)中心連接成一個整體，依賴于微軟專門打造的AI廣域網(wǎng)（AI WAN）。微軟為此部署了12萬英里的專用光纖電纜，構(gòu)建了一條專供AI流量的“高速公路”，使數(shù)據(jù)能夠以接近光速的速度無擁堵傳輸。

微軟Azure首席技術(shù)官M(fèi)ark Russinovich指出，隨著模型規(guī)模的增長，訓(xùn)練所需的算力早已超出單個數(shù)據(jù)中心所能承載的極限。如果網(wǎng)絡(luò)中任何一部分出現(xiàn)瓶頸，整個訓(xùn)練任務(wù)就會停滯。Fairwater網(wǎng)絡(luò)的目標(biāo)就是讓所有GPU始終保持忙碌狀態(tài)

之所以選擇跨州建設(shè)，而非將所有算力集中一處，主要是出于土地和電力供應(yīng)的考量。Alistair Speirs在接受《華爾街日報》采訪時表示，將電力需求分散到不同地區(qū)，可以避免對任何單一電網(wǎng)或社區(qū)造成過度負(fù)擔(dān)。他坦言：“你必須做到能夠跨多個區(qū)域進(jìn)行訓(xùn)練，因?yàn)檫€沒有人達(dá)到我們現(xiàn)在的規(guī)模，所以也沒有人真正遇到過這個問題?！?/p>

需求激增下的“軍備競賽”

微軟的“AI超級工廠”是其應(yīng)對AI算力需求激增并與對手競爭的核心資產(chǎn)。盡管微軟此前曾調(diào)整過部分?jǐn)?shù)據(jù)中心租賃計(jì)劃，但Alistair Speirs澄清這只是“產(chǎn)能規(guī)劃的轉(zhuǎn)變”，公司目前面臨的需求遠(yuǎn)超其供應(yīng)能力。

在這場算力競賽中，微軟并非孤身一人。其主要競爭對手亞馬遜最近在印第安納州啟動了占地1200英畝的Project Rainier數(shù)據(jù)中心集群，預(yù)計(jì)將消耗2.2吉瓦的電力。此外，Meta Platforms、甲骨文等公司也公布了龐大的建設(shè)計(jì)劃，而AI初創(chuàng)公司Anthropic則宣布計(jì)劃在美國投資500億美元用于計(jì)算基礎(chǔ)設(shè)施。

通過將數(shù)據(jù)中心連接成一個統(tǒng)一的分布式系統(tǒng)，微軟不僅在技術(shù)上開辟了新路徑，也在商業(yè)上為滿足頂級AI公司的龐大需求做好了準(zhǔn)備。正如Scott Guthrie所說：“我們讓AI站點(diǎn)作為一個整體運(yùn)行，能夠幫助我們的客戶將突破性的模型變?yōu)楝F(xiàn)實(shí)?！?/p>