返回列表
SK电讯携手英伟达打造吉瓦级AI云,首座AI工厂将于2027年上线
行业新闻SK Telecom英伟达AI基础设施

SK电讯携手英伟达打造吉瓦级AI云,首座AI工厂将于2027年上线

SK电讯(SK Telecom)宣布将与英伟达(NVIDIA)合作,在韩国构建吉瓦(Gigawatt)规模的AI云基础设施。该项目将采用英伟达DSX™平台,旨在通过超大规模算力支持韩国的AI创新。根据规划,双方合作的首座“AI工厂”预计将于2027年正式投入运营,标志着韩国AI基础设施建设进入新阶段。

NVIDIA Newsroom

核心要点

  • 战略合作:SK电讯与英伟达达成深度合作,共同推进韩国AI基础设施建设。
  • 规模宏大:计划构建吉瓦(Gigawatt)级别的超大规模AI云服务。
  • 技术底座:全面采用英伟达DSX™平台作为核心技术支撑。
  • 关键节点:首座“AI工厂”已定于2027年正式上线运营。

详细分析

吉瓦级AI云的战略布局

SK电讯与英伟达的此次合作,核心在于打造吉瓦级规模的AI云。在AI算力需求呈指数级增长的今天,吉瓦级的电力容量意味着该基础设施将具备承载极高密度计算资源的能力。这一规模的布局不仅能够满足大规模语言模型(LLM)的训练需求,也将为复杂的AI推理任务提供坚实的算力保障,助力韩国在全全球AI竞赛中占据有利位置。

英伟达DSX™平台的赋能作用

此次基础设施建设将深度集成英伟达DSX™平台。作为先进的AI基础设施解决方案,DSX™平台能够有效整合硬件资源与软件环境,为AI开发提供高效、稳定的运行底座。通过引入该平台,SK电讯能够实现算力资源的灵活调度与优化管理,从而提升AI云服务的整体效能,降低企业及研究机构使用先进AI技术的门槛。

2027年:AI工厂的落地与展望

双方明确提出了“AI工厂”的建设目标,并确立了2027年首座工厂上线的明确时间表。AI工厂的概念预示着AI生产将从零散的开发模式转向标准化、规模化的工业化生产模式。到2027年,随着首座工厂的落成,韩国将拥有更加成熟的AI生产线,能够源源不断地为各行各业输出AI能力,推动社会整体的数字化与智能化转型。

行业影响

这一合作对AI行业具有深远意义。首先,它展示了电信运营商(Telco)向AI基础设施供应商转型的清晰路径。其次,吉瓦级规模的建设设定了行业新标杆,强调了能源规模与算力规模协同发展的重要性。最后,英伟达与韩国本土领军企业的深度绑定,将进一步巩固其在AI生态系统中的核心地位,同时加速韩国本土AI生态的繁荣。

常见问题

什么是“吉瓦级AI云”?

吉瓦级AI云是指其电力供应规模达到吉瓦(1,000兆瓦)级别的超大规模数据中心集群。这种规模通常用于支持成千上万颗GPU协同工作,是构建国家级或全球级AI算力中心的重要指标。

此次合作中提到的英伟达DSX™平台有何作用?

根据新闻信息,英伟达DSX™平台是构建该AI云的技术基础。它主要负责提供高效的AI基础设施管理与调度能力,确保SK电讯的AI云能够高效运行英伟达的硬件资源。

首座“AI工厂”何时能够投入使用?

根据SK电讯与英伟达公布的计划,首座AI工厂预计将于2027年正式上线并开始提供服务。

相关新闻

Anthropic年化营收飙升至650亿美元:两个月内实现180亿美元惊人增长
行业新闻

Anthropic年化营收飙升至650亿美元:两个月内实现180亿美元惊人增长

根据TechCrunch最新报道,知名AI模型制造商Anthropic的财务数据录得爆发式增长。目前,该公司的年化营收已正式攀升至650亿美元。尤为引人注目的是,在过去的短短两个月时间内,Anthropic的年化营收就增加了180亿美元。这一数据不仅刷新了AI初创企业的增长记录,也充分证明了市场对高质量AI模型及服务的强劲需求和极高的商业化变现效率。

同样集群利用率提升33%:Hugging Face揭秘任务排序对GPU效率的影响
行业新闻

同样集群利用率提升33%:Hugging Face揭秘任务排序对GPU效率的影响

本文深入分析了Hugging Face发布的关于GPU管理策略的最新进展。研究指出,在硬件集群配置保持不变的情况下,仅通过优化任务的执行顺序(Order),即可将GPU利用率显著提升33个百分点。这一由Dharma AI团队实现的突破,为解决当前AI算力紧缺与资源浪费并存的难题提供了极具价值的调度优化思路。

Rust实现高性能GPU卸载:兼具移植性、安全性与极致速度
行业新闻

Rust实现高性能GPU卸载:兼具移植性、安全性与极致速度

本文介绍了一项关于Rust语言在GPU编程领域的重大突破。研究人员开发了一种内置于Rust编译器(rustc)和LLVM后端的零开销、多厂商GPU编译框架。该框架利用Rust的所有权系统和严格的别名保证,解决了传统GPU编程中内存安全与执行效率之间的权衡难题。实验表明,该方案在RAJAPerf基准测试中达到了与原生CUDA和HIP C++相当的性能水平。