数据存储和容灾公司 Lonestar 与半导体和存储公司 Phison 于周三通过 SpaceX 火箭发射了一套将前往月球的数据中心基础设施。
这两家公司正在通过计划于 3 月 4 日着陆的 SpaceX Falcon 9 火箭,发送装载了 Lonestar 客户数据的 Phison Pascari 存储设备——专为数据中心打造的固态硬盘 (SSD)。这标志着首个月球数据中心的诞生,两家公司计划在未来继续扩展,直到其存储容量达到 1PB。
Lonestar 的创始人、董事长兼首席执行官 Chris Stott 向 TechCrunch 表示,在太空建设数据中心的想法可以追溯到 2018 年——远早于当前 AI 驱动的数据中心需求激增。他表示,客户们一直在寻求将数据存储在地球之外的方法,以使其免受气候灾害和黑客攻击的影响。
"除了人类自身,数据是人类最宝贵的资产," Stott 说。"人们将数据视为新石油。我认为它比石油更珍贵。"
Stott 表示,与 Phison 合作建设太空数据中心是一个自然的选择。Phison 已经通过 NASA 的火星探测器 Perseverance 为太空任务提供存储解决方案。该公司还提供名为 Imagine Plus 的设计服务,为独特项目开发定制存储解决方案。
"当 Chris 打来电话时,我们非常兴奋," Phison 总经理兼总裁 Michael Wu 向 TechCrunch 表示。"我们采用了标准产品,并能够根据他们的需求进行定制,然后我们发射了它。这是一段非常令人兴奋的旅程。"
Lonestar 于 2021 年与 Phison 建立合作关系,此后一直在开发专为太空设计的 SSD 存储单元。Stott 补充说,在首次发射之前,公司花费了数年时间测试产品,因为这项技术必须非常可靠——一旦出现问题就很难修复。
"这就是为什么 SSD 如此重要," Stott 说。"没有移动部件。这项令人惊叹的技术使我们能够为这些政府,以及未来几乎世界上所有的政府、公司和企业提供服务。"
Stott 表示,该技术从 2023 年起就已经具备发射条件,公司在 2024 年初成功进行了一次测试发射。
周三的发射包含了各类客户数据,从对灾难恢复感兴趣的多个政府,到测试大语言模型的航天机构。就连乐队 Imagine Dragons 也参与其中,发送了他们为 Starfield 太空游戏原声带创作的一首歌的音乐视频。
Lonestar 并不是唯一一家致力于将数据中心带入太空的公司。另一个竞争者 Lumen Orbit 从 Y Combinator 2024 年夏季批次中脱颖而出。这家初创公司获得了该批次 YC 最引人注目的种子轮融资之一,筹集了超过 2100 万美元,并更名为 Starcloud。
随着 AI 驱动的硬件需求加速,我们可能会看到更多公司追求基于太空的存储解决方案,这些解决方案提供了几乎无限的存储容量和太阳能,这是地球上的数据中心无法比拟的优势。
对于 Lonestar 来说,如果一切顺利,公司计划与卫星制造商 Sidus Space 合作,建造六艘数据存储航天器,预计将在 2027 年至 2030 年间发射。
"看到如此高水平的专业性真是令人着迷," Stott 说。"这与 60 年前的阿波罗计划不可同日而语。阿波罗飞行计算机只有 2KB 的 RAM 和 36KB 的存储空间。而在这次任务中,我们使用 Phison Pascari 配备了 1GB 的 RAM 和 8TB 的存储空间。这是巨大的进步。"
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。