【投資水資源】Oracle推全球最大AI超級電腦16Zettaflops震撼登場!

✨🎱 Instagram留言 →

AI即回覆下期六合彩預測

🧠 AI 根據統計數據即時生成分析

💬 只要留言,AI就會即刻覆你心水組合

🎁 完!全!免!費!快啲嚟玩!

IG 貼文示意圖
AI 即時回覆示意圖

下期頭獎號碼

📲 去 Instagram 即刻留言


甲骨文推出OCI Zettascale10:全球最大的AI超級電腦,具備16 Zettaflops運算能力

甲骨文公司(Oracle Corp.)近日發佈了一款名為OCI Zettascale10的雲端AI超級電腦,聲稱其為全球最大的雲端AI超級電腦,具備高達16 Zettaflops的峰值運算能力,由多達80萬個Nvidia GPU和5萬個AMD GPU提供動力。該系統預計於2026年下半年推出,預計將挑戰微軟和亞馬遜在雲端AI市場的領導地位。

OCI Zettascale10

OCI Zettascale10:全球最大的雲端AI超級電腦

OCI Zettascale10的架構設計旨在處理最具挑戰性的AI工作負載,從訓練大型語言模型到運行複雜的推理任務。透過在多個數據中心之間互連GPU,甲骨文實現了所謂的多兆瓦集群,使無縫擴展成為可能,而不會出現小型系統常見的瓶頸。這不僅僅是原始運算能力,還包括效率,甲骨文強調低延遲網絡,這可能會重新定義企業如何大規模部署AI。

前所未有的規模和戰略合作夥伴關係

技術媒體TechRadar的報導指出,OCI Zettascale10代表了甲骨文先前產品的六倍增長,整合了Nvidia最新的Blackwell GPU,以提高計算密度。甲骨文與Nvidia的合作在這裡至關重要,利用這家晶片製造商在AI硬體領域的主導地位,推動曾經是理論上的極限。

除了Nvidia,甲骨文還在擴大其生態系統。另一家媒體The Register的報導指出,計劃在額外的集群中整合5萬個AMD Instinct MI450X GPU,這表明甲骨文採取了多供應商策略,以減輕供應鏈風險。這種混合方法可能會吸引那些擔心過度依賴單一供應商的客戶,尤其是在持續的晶片短缺中。

驅動性能的技術創新

Zettascale10的核心是甲骨文的專有Acceleron RoCE網絡,它創建了隔離的平面以最小化延遲和最大化頻寬。根據數據中心動態(Data Center Dynamics)的報導,這項技術允許GPU之間進行通信,就像它們在同一機架中一樣,即使它們跨越了大陸,可能將AI模型的訓練時間從數周縮短為數天。

甲骨文對開放標準的強調,包括與OpenAI的合作,增添了另一層趣味。根據Stock Titan的報導,該系統將於2026年下半年推出,精選合作夥伴將享有早期訪問權。這個時間表與更廣泛的行業趨勢相吻合,超大規模雲服務提供商正在競相建設能夠支持生成式AI對運算資源無止境需求的基礎設施。

市場影響和競爭壓力

對於業界內部人士來說,真正的問題是甲骨文是否能將這項技術成就轉化為市場份額。雖然微軟Azure和AWS等競爭對手擁有龐大的AI能力,但甲骨文的雲業務歷來落後。然而,正如WebProNews所指出的,Zettascale10的規模可能會使先進AI的訪問民主化,允許小型企業在無需建設自己的數據中心的情况下競爭。

然而,批評者指出了潛在的挑戰,包括能源消耗和如此龐大系統的冷卻需求。甲骨文以可持續設計元素作為反駁,但驗證將在部署中進行。在AI重塑經濟的時代,這台超級電腦可能是甲骨文獲得相關性的入場券——如果採用率不佳,它可能是一場昂貴的賭博。

展望:AI基礎設施的前沿

當甲骨文推進時,這一公告呼應了向澤塔規模計算的更廣泛轉變,即性能以每秒數千萬億次運算來衡量。來自SiliconANGLE的見解表明,憑藉高達16 Zettaflops的運算能力,Zettascale10超過了當前公開的產品,可能加速了藥物發現和氣候建模等領域的突破。

最終,甲骨文的賭注反映了AI基礎設施的高風險。通過將大量GPU陣列與創新網絡結合起來,該公司不僅僅是在構建一台超級電腦——它正在為下一代智能系統打造基礎。業界觀察者將熱切地觀察這是否轉化為在競爭激烈的領域中的實質優勢。

作為編輯,我認為甲骨文推出OCI Zettascale10是雲端AI市場的一個重大發展,標誌著該公司在這一領域的雄心壯志和技術實力。然而,市場競爭激烈,甲骨文需要證明其能夠將這項技術成就轉化為市場份額。同時,這也凸顯了AI基礎設施的快速發展和創新,未來幾年將會見證更多令人興奮的發展。

🎬 YouTube Premium 家庭 Plan成員一位 只需 HK$148/年

不用提供密碼、不用VPN、無需轉區
直接升級你的香港帳號 ➜ 即享 YouTube + YouTube Music 無廣告播放

立即升級 🔗