引言: 科技行业再次鼓吹，宣称人工智能需要对我们的全球计算基础设施进行彻底的拆解和重新设计。尽管先进人工智能的承诺无疑令人心动，但仔细审视后发现，这些“革命性”转变中的许多，要么是旧瓶装新酒的熟悉挑战，要么伴随着天文数字般的成本和巨大的实际障碍，而极少有人真正愿意承认这些。

核心提炼

• 所谓的计算骨干“重新设计”，往往代表着回归到专业化、专有系统，而非一种新颖的范式，这可能导致新形式的供应商锁定和增加的总拥有成本（TCO）。
• 关于庞大AI集群中“纳秒级时延”和“全互联”通信的说法，往往忽视了网络拓扑和实际流量所带来的巨大且常常难以逾越的工程与成本挑战。
• 这些“超密集”AI系统的能源和冷却需求，不仅仅是技术难题，更是根本性的基础设施挑战，需要数吉瓦级的电网和复杂的液冷方案，而这些在当今的数据中心中基本是不存在的。

深度解读

原文描绘了一幅由生成式AI永无止境的需求所驱动的、必要且不可避免的架构变革图景。然而，作为一个对技术周期谙熟的资深观察者，我感到一种强烈的似曾相识感。专业计算取代通用硬件、克服“内存墙”的紧迫性以及对定制互连的需求，这些论调几十年来一直在HPC（高性能计算）和超级计算领域回响。这里的新意并非问题本身，而是其呈现的规模，以及包裹在AI不可抗拒的魅力之中。

从“通用硬件”转向专用ASIC、GPU和TPU，虽然在每瓦性能上提供了诱人的提升，但也同时开启了一个新的厂商依赖时代。NVLink、ICI——这些并非开放标准。它们是为最大化主导厂商的价值而设计的严密受控的生态系统。这直接违背了松散耦合、商品化、使计算民主化的互联网时代精神。企业，警惕过去的专有陷阱，在投入这一波新的“围墙花园”之前，应格外谨慎。工作负载部署和资源利用的灵活性，曾一度备受赞誉，现在似乎被牺牲在了原始浮点运算能力（FLOPS）的祭坛上。

此外，在庞大集群中实现“纳秒级延迟”的“全互联”通信的浪漫化愿景，对于广泛普及而言，更像是憧憬而非工程现实。尽管在超级计算机等高度受控的定制环境中技术上可行，但要在大规模部署到数十万个组件上，并同时保证可靠性和成本效益，则是一项巨大的壮举。现有基于成熟以太网的网络，可能“不适合”AI的理论峰值需求，但其普及性、成本效益和既定的运营模式，使其具备顽强的韧性。传统分层网络协议栈的“开销”之所以存在，有其充分理由——可管理性、健壮性和互操作性。绕过它们会引入复杂性和脆弱性。

最后，关于功耗、散热和容错的讨论，感觉像是对前方艰巨任务的轻描淡写。“多吉瓦级微电网控制器”和“数据中心冷却基础设施的根本性重新设计”并非小修小补；它们代表着数十亿美元的投资和长达数十年的基础设施项目。液冷虽然高效，但也引入了新的操作复杂性、潜在故障点和显著的前期成本。对于数百万个紧密同步处理器进行“频繁检查点”和“快速分配备用资源”的概念，是一项巨大的软件和编排挑战，而不仅仅是硬件层面的解决方案。

对比观点

这种“重新设计”的支持者会认为，我的怀疑完全没有抓住重点。他们会争辩说，先进AI模型极高的计算强度和对数据极度依赖的特性，要求脱离传统架构。他们会断言，渐进式的改进根本不足以满足需求，并且专用硬件和紧密集成系统所带来的性能提升，不仅仅是可取的，更是实现人工智能能力下一个质的飞跃的绝对必要条件。从这个角度来看，成本、复杂性和供应商专有性并非缺点，而是释放前所未有价值的必要投资，这类似于互联网早期建设所需的社会变革。他们可能还会提出，企业将简单地以服务的形式从超大规模提供商那里获取这些能力，从而免除底层基础设施的麻烦。

前景探讨

在未来一到两年内，“重新设计整个计算骨干”将主要只对超大规模云服务提供商以及少数拥有资金和工程实力来承担这项艰巨任务的顶级科技公司而言是现实。对于绝大多数企业来说，“AI时代”将继续运行在增强而非完全重新架构的基础设施上。我们将看到更多配备HBM的GPU、更专业的互连技术，以及现有数据中心内逐渐向更高效冷却解决方案的转变。“多吉瓦微电网”和激进的新型容错方法的广泛采用将牢牢地停留在长期路线图上。最大的障碍将是所需的天文数字般的资本支出、整合多样化专有系统的固有复杂性、高专业领域持续的人才短缺，以及现有IT投资的巨大惯性。这场革命，如果它真的到来，将是缓慢的、不均衡的，并且远比宣传的要昂贵。

---

原文参考: Why the AI era is forcing a redesign of the entire compute backbone (VentureBeat AI)

Read English Version (阅读英文版)