维度网讯，诺基亚（Nokia）AI 与高性能网络负责人 Clayton Wagar 在 BizClik 主办的一场网络研讨会上表示，AI 基础设施真正的挑战在于数据移动的速度必须足够快，才能跟上节奏。他认为，AI 基础设施正进入一个新阶段，其间网络的重要性已与计算能力并驾齐驱。

对数据中心运营商和电信服务提供商来说，这场转变带来的机遇似曾相识。Clayton 解释说，云服务商花了几十年才学会超大规模运营，而 AI 则将传统超大规模基础设施的需求与超级计算的性能要求合为一体，促使运营商重新考虑如何把分布在楼宇、园区乃至不同区域的 AI 集群连接起来。随着 AI 系统借助智能体 AI（agentic AI）变得日益复杂，查询依赖分布式存储、多项服务和地理上分离的基础设施，高性能网络因此成为用户体验的基础。

这场网络研讨会的五个关键要点包括：AI 的性能瓶颈正在转移，决定 AI 性能和可扩展性的关键因素正从单纯计算转向数据移动；AI 部署朝着数百万 GPU 的规模扩展，对土地、电力和网络的需求空前；物理限制推动电连接加速转向光连接，光网络能在更长距离上以更高效率提供更大带宽；AI 基础设施越来越像服务提供商网络，长距离连接、弹性恢复与精细化管理变得更加必要；传统数据中心必须通过新的冷却技术和重新设计的布局，来适应 AI 日益提高的算力密度。

Clayton 认为，最大的挑战或许在于为远超当前预期的基础设施增长做好准备。AI 集群已从数万 GPU 扩展到数十万 GPU，目前一些设施已围绕百万级甚至更多 GPU 来设计。在这种规模下，网络开始更像电信基础设施，而非传统企业网络。他说：“每当我们触及规模的极限，就会看到还有另一个极限，而且通常是此前所需的 10 倍或 100 倍。”随着企业连接跨越数百或数千公里的 AI 园区，长距离连接、弹性和可视性都变得至关重要。

Clayton 还提到，一场从电互连到光互连的技术转型正在进行。电技术正接近物理极限，光网络则能在更长距离上提供更高速度，同时降低功耗，只是需要对通信设备进行重大重新设计。旧数据中心是另一重挑战，它们并未为 AI 的功率密度或散热量而设计，因此液冷和混合冷却方法对希望复用现有场地的运营商尤为关键。他相信，随着 AI 基础设施从单个设施扩展到相互连接的 AI 园区，自动化与高容量光网络将成必需，行业积累的网络专业知识会带来有利条件。