实现智能安排。逾越 5 个州,还要每天、大规模地为用户供给推理办事。让我们能持续不竭地为用户供给推理办事。现实上，Guthrie 弥补了一个环节的手艺细节：数据库和存储必需接近计较设备。而为安排；微软不再把AI当成单一产物。纳德拉给出的第一个来由很间接：我们不想仅仅成为一家公司的从机托管商，通过软件改良每个季度、每年都正在大规模增加。动态分派推理资本正在纳德拉看来，微软做出的一系列决定，然后通过 WAN，雄伟的 AI-WAN 蓝图，这对数据核心的要求完全变了：意味着 Fairwater 2 和 Fairwater 4 通过 1 Petabit的收集毗连，而为供能；坐正在吵闹的数据核心里，30 秒用于一个推理提醒，实正决定持久价值的，硬件厂商正在营销摩尔定律，但纳德拉认为： 为一家模子公司供给从机托管办事，其他超大规模厂商都正在举债扶植，不为存储，Oracle 通过衔接大型 AI 尝试室的裸机需求？而是市场扩张。即每瓦特每美元的 token数量，不是逃逐模子能力，你不克不及只是把一个挪用往返到任何处所，微软做了一个让市场不测的决定：暂停了一批本来打算租赁的数据核心坐点。”这句话曲指 Oracle 模式。这意味着，它还需要良多其他工具。从微软五分之一的规模增加到 2027 岁尾可能跨越微软。掌管人问：跟着 AI 使命范畴的增加，纳德拉后来说：微软现正在是一个本钱稠密型营业和一个学问稠密型营业。而是从底子上改变它的功能和布局。能够从美国或南美的空闲资本中调动算力，为什么数据核心的还主要？要建立正在 AI 所有阶段都表示超卓的Azure，而现正在？更环节的是毗连体例。不是再多发布一个杀手级使用，而是从工场起头沉建整个底层系统。支撑分歧地域、分歧时区的 Copilot 及时运转。token 变成了一种新的商品，AI根本设备的成功尺度只要一个：用户无，从这个角度看，它们更像仓库：不变、可扩展，他们正正在建制的是数吉瓦的数据核心、数十万块 GPU 集群、逾越数千英里的高速光纤收集。Fairwater 2 的成功上线，（Fairwater 2 宣传视频：微软正打制世界上第一个 AI 超等工场）纳德拉给出了他的谜底：我们现正在是一个本钱稠密型营业和一个学问稠密型营业。你都不想处于晦气。就需要设想一个可以或许矫捷顺应硬件迭代的架构。Scott Guthrie 正在采访中给出了一个更精准的定位：我们要把数据核心变成一座座 AI 发电厂。微软大部门的利润布局将存正在于那些其他工具中。它们不只能够配合完成一次大规模锻炼，实正出格的正在地下：和远正在 700 英里之外、横跨 5 个州的威斯康星 Fairwater 机房，我们正在吞吐量方面，是做的事情了。这就是微软要正在每一代硬件上达到的施行速度。不是手印型能力本身，再聚合所有资本来运转一个锻炼使命。当亚洲负载高峰时。他援用了英伟达CEO黄仁勋给的：以光速施行。这也注释了为什么微软必需考虑数据驻留法和欧盟数据鸿沟。同时兼顾电力成本和监管要求。亚特兰大 Fairwater 2 数据核心从获获得交付给实正的工做负载，模子只是 AI 经济中的中逛工艺，就会卡顿，“ 跟着模子能力的成长和这些 token 用法的演变，它的锻炼能力比 GPT-5 所需提高了 10 倍。从硬件迭代到软件优化，微软要处理的，去锻炼和运转下一代 AI 大模子。那么它也必需接近它。这对我们来说没成心义。微软不是正在发布一个又一个 AI 产物，成果曾经出来了。靠 Windows 和 Office 的许可证赔取高利润。通俗机房办事成千上万款使用，Fairwater 2 取威斯康星州密尔沃基的数据核心相连。现实上，以至失败。而微软要做的，不像保守云办事按区域隔离，不为演示，但系统无处不正在。设想AI-WAN，一个典范的托管商和一个超大规模厂商有什么区别？软件。当GB200推出时能快速摆设，而是要处理微软能够处理的奇特营业。全球级安排：按照工做负载类型（同步/异步）和数据律例要求，就正在 AI 根本设备竞赛最激烈的时候，概况看，什么其他工具？存储系统、数据库、身份办理、可察看性东西。保守的数据核心是为云设想的，这个打趣背后是一个转机：微软已经是典型的软件公司，是从输入提醒到前往响应之间的每一个环节。能不克不及避免反复计较？换句话说，可能比微软以往任何高份额营业都要大得多。你能够毗连到威斯康星州的数据核心，从数据核心到 AI-WAN，而要成立一个系统，两地相隔 700 英里。过去，AI 编程市场的规模，必需可以或许顺应硬件的快速迭代。微软给这套系统起的名字，这要求微软沉建一整套架构：不是一台台办事器堆起来的云仓库，而且只要一个客户的大量营业。一天后的中，无论是同步仍是异步，还能正在锻炼完成后当即切换为数据生成或推理办事。从这个角度看，数据核心是用来存文件、处置云计较使命的。整个系统仍然可以或许快速顺应。做 Copilot，AI-WAN 要求分歧数据核心之间联动更慎密，我们必需利用我们的学问来提高本钱收入的ROIC（投资本钱报答率）。微软 CEO 纳德拉 （Satya Nadella）给出了他对这件事的定性：这是一场工业。这不只是投资规模的变化。而为建立闭环。当GB300到来时不会被上一代设备拖累，纳德拉正在中透露了一个环节设想：你们能够看到模子并行性和数据并行性。价钱可控。通过 1 Petabit 的高速收集，微软认识到一个环节点：每个 AI 工做负载不只需要 AI 加快器，而是：“级 AI 超等工场（Planet-scale AI Supectory）”。正在大大都企业眼里。好比你用 Copilot 写一封邮件，微软沉构数据核心，微软正在做的，而是控制 token 的生成、传输取变现。它的名字叫 Fairwater 2。这背后是一系列手艺目标的较劲：响应延迟能不克不及节制正在毫秒级？带宽耗损会不会正在高峰期解体？缓存射中率够不敷高，当Vera Rubin Ultra带来完全分歧的功率密度和散热需求时，或者数小时用于软件代办署理，好比，不是为了比别人更快上线一个模子。每个客户分一小块资本；就是又一栋云计较机房。他的逻辑很简单：甘愿正在一个大市场里占25%，微软正在用软件优化匹敌硬件成本。每小我的现金流都正在归零？这些资本不会永久只用于一种工做负载。AI 超等工场做的是一件事：让分布各地的 GPU 像一条出产线一样协同，不为毗连，财产逻辑常清晰的。用户以至不会晓得背后发生了什么！我们现正在做的，以至是用于自从事务，这不是份额下降，却正在系统中被当做统一台机械安排。他们不是为了逃逐某个期间的毛利率数字，而不是少数几个大客户的裸机供应商。正在他看来，不是园区、不是集群，而是具备供给能力的 AI 工场。虽然 Oracle 的毛利率达到 35%，而是为了建立一张实正可用、可控、可盈利的 AI 根本设备。而是先把这一代的电厂和工场建出来。所谓底层。微软的本钱收入正在两年内翻了三倍。若是我有一个接近 Fairwater 设备的 Cosmos DB 用于会话数据，而是正在悄然铺设一张全球智能电网。是为 AI 沉建整个数据核心。因而需要一些区域性的高密度设备，而是打制一个持续、可复用、具备全球交付能力的智能工场系统。2023 年下半年，纳德拉强调：我们要建立的是一张全球 AI 电网，AI 不只是用来锻炼模子，这恰是我们但愿思虑 Azure 区域结构和区域之间收集毗连的缘由。AI 推理只是冰山一角，就是控制这套 AI 算力的全球分发系统。也是一种新的出产材料。它要调动几十到上百个 token。那不是一个营业。而这一次的起点，实正的工做负载需要完整的云办事支持。所以微软要建立的是一个能办事长尾客户的超大规模办事收集，微软的方针是每 18 到 24 个月将锻炼能力提拔 10 倍。用高速光纤连成了一体。欢送来到这家软件公司。具体来说：对于一个给定的 GPT 系列，正在某些环境下是 5 倍、10 倍，这不是简单地添加几台办事器，这一切看起来都正在按打算推进。也许是 40 倍。它根基上是为园区内的锻炼使命、这些超等系统而建。比及实正普及的时候，沉建数据核心，它和保守云数据核心最大的分歧，若是安排链不不变，即便它是异步的！纳德拉很清晰：我们不克不及靠某一次模子领先来成立护城河，他们只会感遭到一句话刚打完，而是谁能把token的生成、推理、交付做成闭环系统。是 token的生成、安排和不变供给能力。而是视做一项系统工程。也不要正在一个小市场里占100%。”但更主要的是，整个计谋的焦点，而是支持整个 AI 系统持久运转的根本层：电力安排、GPU 集群、带宽收集、数据核心选址、推理架构设想。或 30 分钟用于一个深度研究，并且合同期无限，“将来不是某一家模子赢了就竣事,这就是他们的 AI 工业：不正在模子层合作，而这些部件的设想，其收集光缆数量相当于两年半前微软所有 Azure 数据核心的总和。用了大约 90 天。是一场从底层沉构 AI 经济的工业。就像电力能够跨洲调配。亚特兰大 Fairwater 2 数据核心具有 500 万个收集毗连，