面对企业对网络容量和计算能力的空前需求,尤其是在云服务和人工智能 (AI) 应用方面的快速增长,所有网络运营商都面临着为企业提供服务的巨大挑战。
为应对这一挑战,Verizon Business 推出了一套集成解决方案和产品组合,旨在帮助企业大规模部署 AI 工作负载。
全新推出的 Verizon AI Connect 包含了专门设计的网络基础设施和产品套件,使全球企业能够大规模部署 AI 工作负载。该方案整合并重新构想了现有资源,包括电信设施中的电力、空间和冷却系统;Verizon 的 One Fiber 基础设施;长途、城域和本地光纤网络;以及支持网络切片等功能的 Verizon 5G 网络。
Verizon Business 指出,目前训练高级 AI 模型已经需要庞大的计算资源。根据 McKinsey 最新研究显示,预计到 2030 年,60-70% 的 AI 工作负载将转向实时推理,这就需要在边缘部署超越当前需求的低延迟连接计算和安全能力,为未来做好准备。
Verizon 补充说,支持 AI 工作负载的可扩展基础设施需求从未如此迫切,没有强大的网络支撑,这项工作将无法实现。该公司表示已经看到了这方面的市场需求,目前已有包括 Google Cloud 和 Meta 在内的主要云服务提供商签约,项目管道价值达 10 亿美元。
Verizon Business CEO Kyle Malady 表示:"我们看到市场对能够支持现有 AI 工作负载的可靠网络基础设施有着巨大需求。随着技术的发展,我们的行业领导地位、一流的边缘到云连接、可编程网络和资产将使我们能够满足这些需求并加速创新。"
在构建能够满足客户需求的生态系统方面,Verizon 强调了关键合作伙伴关系的重要性,其合作伙伴包括 NVIDIA、Vultr、Google Cloud 和 Meta。与全球 GPU 即服务 (GPUaaS) 和云计算提供商 Vultr 的合作是最新宣布的,而 Verizon 最近还宣布与 NVIDIA 合作,重新构想如何将基于 GPU 的边缘平台集成到 5G 专用网络中。
Verizon 已经与 Google Cloud 在网络维护和异常检测的高级 AI 解决方案方面展开合作,并与 Meta 在众多产品、技术和业务部门建立了战略合作伙伴关系。Verizon AI Connect 将扩大这种合作关系,进一步推动 AI 生态系统的建设。
Meta 网络基础设施副总裁 Gaya Nagarajan 表示:"在我们继续为应用和技术提供关键基础设施的同时,我们正在通过 AI 加强网络建设,并着眼于未来。这意味着要与 Verizon 合作构建和运营网络,不仅支持我们现有的服务,还要加速发展更智能和预测性的功能,以服务于使用我们产品的用户。"
Vultr 的 CEO J.J. Kardwell 补充道:"GPU 在支持 AI 工作负载方面发挥着关键作用,对实时推理日益增长的需求正在推动边缘 AI 基础设施的需求。在数据中心和 GPU 处理能力需求超过供应的情况下,Verizon 的连接基础设施独特地支持着我们的增长。通过 Verizon AI Connect,我们可以扩展我们的全球云业务版图,为 Verizon Business 的全球客户提供前沿的 AI 解决方案。"
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。