AI技术的迅猛发展，对构建其所需的基础设施提出了极高的要求。徐小虎指出，在AI基础设施的建设中，计算、存储、网络、能源、散热和维护等六大核心领域必须展现出前所未有的效能。这些领域不仅要满足当前AI应用的紧迫需求，还必须具备应对未来技术革新的强大灵活性。
计算系统：AI的心脏
人工智能基础设施的核心离不开计算系统，其性能优劣直接关乎AI模型的训练速度与处理效果。特别是对于大型AI模型，训练阶段对计算资源的需求量显著增加。得益于GPU卓越的并行处理能力，它已成为AI计算领域的首选。然而，随着模型复杂度的增加，单GPU的计算能力已无法满足需求，多GPU并行计算技术逐渐成为主流。这一趋势对计算系统的并行处理能力提出更高要求，并迫切需要高效的调度机制，以实现资源利用的最大化。
计算系统的扩展性作为核心评估指标之一，其重要性日益凸显。随着人工智能领域的不断拓展，对计算资源的需求将持续增长。一个理想的计算体系结构应具备出色的扩展性，以应对未来可能出现的技术挑战。这包括硬件层面的扩展，如增加GPU服务器数量，以及软件层面的优化，如改进并行计算框架。
在AI训练过程中，对数据的迅速检索与存储至关重要。对于能够高效并行处理数据存储的系统需求日益凸显。这类系统不仅需实现海量数据的快速读写操作，而且必须保证其高度的稳定性和优异的扩展能力。传统的存储方案通常难以达到这些标准，因此，分布式存储和对象存储等新型存储技术逐渐在业界占据主导地位。
分布式存储系统通过将信息分布至众多节点，显著增强了数据读写速度和稳定性。采用对象存储技术，将数据封装成对象形态，极大地简化了数据的管理与访问流程。这种创新的存储技术不仅大幅提升了数据处理效率，还显著降低了存储成本，为人工智能的发展打下了坚实的物质基础。
网络系统：数据的高速传输
在AI训练周期内，集群内GPU服务器必须同步海量数据。同步效能对GPU利用率产生直接影响，从而对AI网络的整体处理能力极为关键。当前，业界广泛应用的AI大规模模型集群普遍采用单GPU卡400G的接入速率，预计在接下来的一年里，单GPU卡800G的接入速率将逐步替代400G，成为新的行业标准。
鉴于当前需求，传统的InfiniBand（IB）网络技术显现出其局限性。尽管IB网络性能出色，但技术架构封闭，供应商稀少，建设成本高企，难以满足AI大规模应用的需求。鉴于此，基于ECN/PFC机制的RoCE技术逐渐受到关注。然而，RoCE技术也面临诸多难题，包括ECN/PFC参数优化难度大、PFC死锁与风暴等问题，仅适用于小规模网络部署。在应对大规模万卡集群的AI网络环境中，迫切需要对传统以太网的流量与拥塞控制机制进行创新。
AI运算带来的能源消耗挑战不容忽视。随着计算需求的不断上升，电力系统的负担持续加剧。鉴于此，打造高效电力系统对AI基础设施的发展极为关键。这需要确保电力供应充足，同时拥有高效的电力管理策略，以实现电力资源的优化配置与有效利用。
电力系统的拓展性不可或缺。随着人工智能技术的日益普及，电力需求将持续攀升。一个理想的电力系统应具备灵活的拓展性，以适应未来需求的不断增长。这包括硬件的扩充，如增加供电设施，以及软件的优化，如改进电力管理算法。
冷却系统：AI的散热器
AI运算的庞大能耗带来了电力供应和散热处理的严峻考验。随着计算需求的持续增长，设备温度同步升高。因此，建立一套高效冷却系统对于AI基础设施的稳定性极为关键。该系统不仅需具备强大的冷却能力，还须配备高效的管理策略，以确保冷却资源的最大化利用。
维护系统：AI的守护者
AI基础设施的维护任务既复杂又极为关键。随着计算需求的持续增长，维护的难度也在不断上升。因此，建立一个高效维护体系对AI基础设施来说显得尤为必要。该体系不仅要拥有强大的维护能力，还需配备高效的维护管理机制，以确保维护资源的最大化利用。
智算网络的未来
针对人工智能进步的需求，我国移动运营商将智能化网络资源规划整合至全面网络规划体系之中。现阶段，中国移动云已成功构筑起具有完全自主知识产权、行业领先的智能计算中心架构，并确立了“N+X”的智能计算资源布局策略。与此同时，构建了遍布全国的智能计算中心与区域节点网络，并且依托智能计算中心的底层万卡高性能计算资源，移动云还打造了包含高性能计算、AI训练推理平台以及模型服务的完整智能计算产品体系。
N节点体系包括全国性节点和地方性节点两部分。全国性节点聚焦于大规模训练资源，精心选取了低成本的核心节点以及国家“东数西算”战略的关键节点，致力于满足全国范围内跨省、跨区域及大尺度智能计算业务的需求。地方性节点则主要负责提供初期训练及未来训练推广的整合资源，以适应本省及区域内智能计算业务的需求。
构筑人工智能的支撑体系是一项复杂而连续的任务，需在计算、存储、网络、能源、散热以及运维等多个核心领域实现技术革新。唯有达成此目标，才能为人工智能的发展打下坚实的根基，推动AI技术的不断进步。
在深入分析人工智能基础设施构建的关键要素之际，恳请您就何为关键所在提出您的宝贵意见，期待在评论区与您共同交流。
