全球连接和数字基础设施提供商Arelion宣布完成波罗的海网络的重大扩张,构建了一条连接赫尔辛基和华沙的完全多样化、高容量路由,为瑞典、芬兰、爱沙尼亚、拉脱维亚、立陶宛和波兰之间的流量创建了一个韧性环形网络。该公司表示,此举将为该关键地区的跨国企业降低到西欧的延迟。
芬兰数据中心市场预计到2030年将达到52.3亿美元,年复合增长率达54.6%,这凸显了整个波罗的海地区强大数字基础设施的重要性。该项目部分由欧盟互联欧洲基金2期计划资助,展示了战略投资如何推进历史上服务不足地区的数字主权。
斯堪的纳维亚长期以来被视为连接热点,为在人工智能工作负载增加和网络密集的时代为客户维持这一声誉,Arelion在2025年夏季升级了其斯堪的纳维亚网络,以连接超大规模数据中心并服务该地区蓬勃发展的AI市场。
这条新的陆地路径旨在减少波罗的海与西欧之间的延迟,增加地缘政治敏感地区的多样性,并为这家连接提供商认为服务不足的欧盟地区确保未来容量。
这条多样化的陆地路由通过海底和陆地系统从赫尔辛基经波罗的海各国连接到华沙,绕过哥本哈根和斯德哥尔摩以避免瓶颈,确保为客户提供高可用性连接。该路由使用开放光线系统,配备400G相干可插拔光学器件和来自其Waves项目的1.6 Tbps连接,将提供长期可扩展性,支持预期中欧洲不断增长的AI部门下一代应用程序的大规模数据流。
Arelion声称其扩张还能够提供骨干级性能,具有可预测的服务级别协议,降低停机风险,确保云计算、金融服务、制造业和其他关键部门客户的可靠业务连续性。
Arelion补充说,通过将区域合作伙伴的网络光纤与自有基础设施相结合,此次扩张为企业和服务提供商提供了可扩展、面向未来的连接,满足了对本地市场投资增加的需求。
该基础设施还旨在为客户提供从波罗的海市场到北欧、中欧和西欧数据中心枢纽的可靠、安全连接。Arelion认为,拥有延迟敏感应用程序的组织可以从一致、可预测的性能、韧性基础设施和骨干级安全性中受益,这些安全性可以在DDoS攻击和路由威胁到达企业网络之前减轻其影响。
该路由在华沙和赫尔辛基等主要城市提供城域路由灵活性,支持可扩展的IP传输、专用互联网接入、以太网、DDoS缓解和其他全球服务。
通过此次扩张将连接的该地区各个接入点包括:Arelion在赫尔辛基的Iso-Roobertinkatu 21-25接入点;Greenergy在爱沙尼亚Hüüru的Tallinn DC-1接入点;Tet在拉脱维亚里加的Pērses数据中心;里加电视塔数据中心;立陶宛维尔纽斯的Delska DC2数据中心;维尔纽斯电视塔数据中心;以及Equinix在华沙的WA1数据中心。
Arelion副总裁兼首席传播官Mattias Fridstrom就此路由评论说:"这条新路由增强了波罗的海与西欧之间的多样性和带宽,提供了客户扩展AI和云应用所需的安全、低延迟连接。在欧盟的支持下,我们正在加强欧洲的数字主权,同时确保企业和超大规模运营商能够依靠韧性基础设施推动创新。"
Q&A
Q1:Arelion的波罗的海网络扩张项目具体连接了哪些地区?
A:该项目构建了一条连接赫尔辛基和华沙的高容量路由,为瑞典、芬兰、爱沙尼亚、拉脱维亚、立陶宛和波兰之间的流量创建了韧性环形网络,绕过哥本哈根和斯德哥尔摩以避免瓶颈。
Q2:这个网络扩张项目为什么对AI发展很重要?
A:该项目使用400G相干可插拔光学器件和1.6 Tbps连接,将提供长期可扩展性,支持预期中欧洲不断增长的AI部门下一代应用程序的大规模数据流,并能降低延迟,提升AI工作负载处理能力。
Q3:芬兰数据中心市场的发展前景如何?
A:芬兰数据中心市场预计到2030年将达到52.3亿美元,年复合增长率高达54.6%,这凸显了整个波罗的海地区对强大数字基础设施的迫切需求。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。