AI基建而家面對嘅，唔單止係「夠唔夠GPU」問題，亦愈來愈係「資料搬得夠唔夠快」嘅問題。由Intel資深人士創立嘅新創公司Delos Data，宣布籌得超過1億美元，研發讓資料能夠喺AI資料中心內更快流動嘅晶片及軟件，目標係減少昂貴加速器等候資料、做唔到運算嘅時間。12

Delos Data想解決乜嘢？

Delos Data開發嘅係資料中心網絡晶片及軟件，負責令運算器、記憶體同儲存設備之間可以高效交換資料。公司推出嘅 Delos Nonstop AI，包括Data Interface同參考架構，主打為代理式AI（agentic AI）工作負載提供低延遲、高頻寬同具韌性嘅基建。27

簡單講，資料中心營運商未來未必想將整個網絡綁死喺單一種加速器架構；Delos嘅構想係，無論叢集入面採用邊一款處理器，都可以有效率噉連接同傳送資料。路透社報道指，Delos瞄準嘅正係愈來愈異質化嘅AI叢集：底層晶片組合持續變，但各裝置仍要高速溝通。1

點解AI熱潮去到今日，網絡變得咁重要？

AI熱潮早期，大型叢集好多時以Nvidia GPU為主，並以Nvidia自家網絡技術互連。不過，資料中心嘅重心逐漸由訓練模型，轉向處理用戶請求，即係推論（inference）；當中亦包括由AI代理逐步完成嘅多步驟任務。同一時間，營運商可選擇嘅運算硬件愈來愈多，包括AMD、Cerebras，以及Nvidia本身不同類型嘅產品。1

呢個轉變令網絡設計唔可以再假設所有處理器都係同一款。系統需要喺不同元件之間快速傳送資料，同時維持互動式推論同代理式AI所需嘅低延遲。Delos嘅核心論點係：當算力架構愈唔統一，能夠靈活調度資料嘅網絡就愈值錢。17

1億美元要處理嘅，係硬件「等料到」嘅浪費

Delos表示，資金會用作擴充軟件及硬件工程團隊、加快產品研發，以及發展銷售業務。2

背後要解決嘅成本問題相當直接：GPU等加速器雖然昂貴又耗電，但如果資料未能及時由系統其他部分送到，佢哋就只能開住機等，未能產生實際運算。

前Intel行政總裁、現為投資方Playground合夥人嘅Pat Gelsinger形容，若裝置之間協調不足，營運商最終會得到「熱辣辣嘅硬件、燒緊嘅瓦數」（“hot hardware, burning watts”），但硬件實際上卻處於閒置狀態。1 換句話講，單靠加更多加速器，未必會提升有效算力；網絡若供應唔切資料，新增硬件都可能只係空轉。

唔押注邊款晶片贏，而係押注資料一定要流動

Delos共同創辦人兼技術總監Dan Daly表示，公司無法知道「代理式AI下一代基建架構會係點」；其策略係提供一條極高速嘅資料通道，配合未來任何架構所需。1

呢個分別正正係Delos嘅賣點：佢唔係要求客戶預測最後邊款AI晶片、邊種代理式AI設計會勝出，而係將網絡定位成一層共通基礎，讓資料中心可以隨住新處理器同新工作模式出現而調整。

重點：AI算力競爭，開始鬥埋「資料運輸力」

Delos Data籌得逾1億美元，反映業界愈來愈重視一件事：AI容量受制於嘅，不只係GPU同其他加速器嘅供應，仲包括連接佢哋嘅網絡。12

如果由AI代理驅動、使用混合晶片嘅推論工作負載成為資料中心常態，邊個可以令各組件持續快速交換資料、減少高耗電硬件閒置，邊個就可能喺AI基建競爭中佔優。

AI基建而家面對嘅，唔單止係「夠唔夠GPU」問題，亦愈來愈係「資料搬得夠唔夠快」嘅問題。由Intel資深人士創立嘅新創公司Delos Data，宣布籌得超過1億美元，研發讓資料能夠喺AI資料中心內更快流動嘅晶片及軟件，目標係減少昂貴加速器等候資料、做唔到運算嘅時間。12

Delos Data想解決乜嘢？

Delos Data開發嘅係資料中心網絡晶片及軟件，負責令運算器、記憶體同儲存設備之間可以高效交換資料。公司推出嘅 Delos Nonstop AI，包括Data Interface同參考架構，主打為代理式AI（agentic AI）工作負載提供低延遲、高頻寬同具韌性嘅基建。27

簡單講，資料中心營運商未來未必想將整個網絡綁死喺單一種加速器架構；Delos嘅構想係，無論叢集入面採用邊一款處理器，都可以有效率噉連接同傳送資料。路透社報道指，Delos瞄準嘅正係愈來愈異質化嘅AI叢集：底層晶片組合持續變，但各裝置仍要高速溝通。1

點解AI熱潮去到今日，網絡變得咁重要？

AI熱潮早期，大型叢集好多時以Nvidia GPU為主，並以Nvidia自家網絡技術互連。不過，資料中心嘅重心逐漸由訓練模型，轉向處理用戶請求，即係推論（inference）；當中亦包括由AI代理逐步完成嘅多步驟任務。同一時間，營運商可選擇嘅運算硬件愈來愈多，包括AMD、Cerebras，以及Nvidia本身不同類型嘅產品。1

呢個轉變令網絡設計唔可以再假設所有處理器都係同一款。系統需要喺不同元件之間快速傳送資料，同時維持互動式推論同代理式AI所需嘅低延遲。Delos嘅核心論點係：當算力架構愈唔統一，能夠靈活調度資料嘅網絡就愈值錢。17

1億美元要處理嘅，係硬件「等料到」嘅浪費

Delos表示，資金會用作擴充軟件及硬件工程團隊、加快產品研發，以及發展銷售業務。2

背後要解決嘅成本問題相當直接：GPU等加速器雖然昂貴又耗電，但如果資料未能及時由系統其他部分送到，佢哋就只能開住機等，未能產生實際運算。

前Intel行政總裁、現為投資方Playground合夥人嘅Pat Gelsinger形容，若裝置之間協調不足，營運商最終會得到「熱辣辣嘅硬件、燒緊嘅瓦數」（“hot hardware, burning watts”），但硬件實際上卻處於閒置狀態。1 換句話講，單靠加更多加速器，未必會提升有效算力；網絡若供應唔切資料，新增硬件都可能只係空轉。

唔押注邊款晶片贏，而係押注資料一定要流動

Delos共同創辦人兼技術總監Dan Daly表示，公司無法知道「代理式AI下一代基建架構會係點」；其策略係提供一條極高速嘅資料通道，配合未來任何架構所需。1

呢個分別正正係Delos嘅賣點：佢唔係要求客戶預測最後邊款AI晶片、邊種代理式AI設計會勝出，而係將網絡定位成一層共通基礎，讓資料中心可以隨住新處理器同新工作模式出現而調整。

重點：AI算力競爭，開始鬥埋「資料運輸力」

Delos Data籌得逾1億美元，反映業界愈來愈重視一件事：AI容量受制於嘅，不只係GPU同其他加速器嘅供應，仲包括連接佢哋嘅網絡。12

如果由AI代理驅動、使用混合晶片嘅推論工作負載成為資料中心常態，邊個可以令各組件持續快速交換資料、減少高耗電硬件閒置，邊個就可能喺AI基建競爭中佔優。