美国科技巨头微软（microsoft）近日正式启用其首座「人工智慧超级工厂」（ai superfactory），透过高速光纤网络连接分布于不同区域的资料中心，构建出可长时间高效运作、专为大型ai模型训练而生的新一代运算基础设施。
此一布局的核心目标，是将原本各自独立运作的资料中心整合成一台虚拟化的超级电脑，集中应对需要庞大计算资源的人工智慧任务负载。
延伸阅读：DeepMind发表WeatherNext 2 2週天气预报快8倍、比传统模式更準
根据微软官方说明，目前该系统已成功串联位于美国威斯康辛州与乔治亚州亚特兰大的两座大型AI专用资料中心。借由专属光纤链路高速传输训练数据，有效减少资料壅塞情形，使大量GPU能持续保持高利用率，避免因等待远端节点回应而导致的闲置状况。
整体机房采用双层楼高的高密度架构设计，将晶片与伺服器更紧密地排列于有限空间中，不仅提升了单位面积内的运算密度，也缩短了机架间的物理距离，进一步降低通讯延迟。
微软Azure基础架构总经理Alistair Speirs指出，这项建设并非只是在多个资料中心之间增加几条连线，而是打造一个经过精心设计的分散式网络系统，能够以虚拟超级电脑的形式协同运行，专门处理最复杂的AI训练任务。
他表示，之所以称其为「人工智慧超级工厂」，是因为整个系统能在数百万个硬件组件上同步协调执行同一项高度复杂的任务，而非各自分散处理小型独立作业。
在网络层面，微软建置了名为AI WAN的专用广域网络，整合新建及现有光纤资源，并优化网络协议与架构，精简资料跨站点传输路径，极力压缩延迟时间。
透过此网络，各地区资料中心得以近乎即时协作，共同训练同一个AI模型——每个据点依自身算力承担部分运算工作，实现整体效率的最大化。
微软云端与人工智慧事业执行副总裁斯科特·格思里（Scott Guthrie）强调，在AI领域维持领先地位，关键不只是不断堆叠GPU数量，更重要的是建立一套能让所有GPU「如同单一系统」般无缝协作的底层基础设施。
他指出，唯有如此的设计，才能真正满足下一代超大规模模型的训练需求，并为客户提供稳定、可靠且具备弹性扩展能力的云端AI服务。
为了因应高吞吐量的运算挑战，这些新设立的据点采用了Fairwater布局方案，导入如Nvidia GB200 NVL72等高端硬件模组，并规划未来逐步扩展至更大规模的Blackwell GPU丛集，以支撑日益增长的模型训练需求。
在散热方面，微软结合先进的液体冷却技术，将伺服器运转所产生的热能导出建筑外部进行降温后再循环使用。公司表示，除必要时需调整冷却液化学成分外，日常运作几乎不消耗额外水资源，兼顾高性能与环境永续目标。
微软Azure首席技术长Mark Russinovich表示，随着AI模型规模不断扩大，参数量与训练资料集持续飙升，所需的基础设施早已超出单一或双资料中心所能负荷的范围。
「如今要完成这些模型的训练，必须依赖由多个地理据点构成的超级网络。」他说。
他进一步说明，此次启用的AI超级工厂具备EB级（Exabyte）储存容量与数百万个CPU核心，专门支援大规模模型训练流程及相关辅助运算，已成为OpenAI等外部合作伙伴，以及微软内部AI研发团队背后的关键算力支柱。
