播客第154期：俄勒冈州立大学的克里斯·沙利文谈海上122TB固态硬盘、斑点猫头鹰以及人工智能作为数据问题

在拉斯维加斯举行的 Yotta 2026 大会上，布莱恩与俄勒冈州立大学地球、海洋与大气科学学院研究与学术计算主任克里斯·沙利文进行了一场现场播客访谈。本期节目为纯音频版本，录制于展会现场。克里斯一直是我们在边缘人工智能领域的重要合作伙伴，从去年秋季我们报道的研究船数据中心，到展会当周发布的DGX Spark 共享存储概念，他都参与其中。本次访谈的主题是科学背后的数据：森林中 4,000 个声学记录仪、每次五天航次 100TB 的浮游生物图像、护林站中 Solidigm 的大容量固态硬盘，以及他为何常说人工智能本质上是一个数据问题。

克里斯·沙利文 (Chris Sullivan) 负责俄勒冈州立大学地球、海洋与大气科学学院的研究和学术计算工作，这意味着他要负责森林监测、海洋观测以及该大学为合作机构提供的数据中心服务的基础设施。他首先称自己为数据科学家，并在本期节目中反复强调，每一位科学家都是数据科学家。我们曾在第 145 期播客节目中首次采访过他，报道了他与 Metrum AI 合作开展的人工智能辅助学术评估项目，并在五月份邀请他参加了LinkedIn 直播。

本期节目时长约22分钟。让我们印象深刻的数据包括：一艘造价150亿美元的船舶，每次十天的航程费用高达1万美元；验证系统中U.2 QLC闪存的读取速度为55GB/s；每六到八周从护林站运送250TB的数据；以及一项拨款计划假设硬件更新周期为18个月，而行业更新周期却只有三到六个月。如果您没有时间从头到尾收听，我们已将其分成几个部分，您可以选择对您最重要的部分收听。

[00:00] 大学作为数据管理员

开篇部分阐述了俄勒冈州立大学的研究为何与大多数 Yotta 研究者不同：数据是从现场仪器收集的，并永久保存，因为没有人知道哪种模型会在下一个模型中使其变得有价值。

• 克里斯的观点是，所有科学家都是数据科学家，因为每个实验，无论是在实验室还是在集群上，都会产生必须存储和管理的数据。
• 大学历来擅长整理和证明数据的价值，他认为随着人工智能提升旧记录的价值，大学自然而然地成为了长期的数据管理者。
• 俄勒冈州立大学的既定使命是“广泛共享繁荣”，而数据中心的工作被视为对这一使命的直接贡献。

[01:45] 斑点猫头鹰、4,000台录音机和一个包含135个物种的模型

克里斯与美国林务局合作开展一项监测北方斑点猫头鹰的项目。北方斑点猫头鹰是一种伞护物种，它的存在很大程度上反映了森林的健康状况。该项目已经发展成为一项全面的声学普查。

• 在旧金山和加拿大之间部署了约 4,000 个自主记录单元，持续记录森林的情况。
• 他今年春天发表的卷积神经网络可以从声音中识别 135 种物种，能够克服雨声和飞机噪音，并能根据多普勒频移估计行进方向，还能区分雄性和雌性的叫声。
• 目标是利用统计模型找到合适的交配树种，以便木材行业能够在不破坏栖息地的情况下进行采伐。克里斯强调，这是与木材行业的合作，而不是对抗。
• 该模型无法解决的一个实际问题是：当人类穿过森林时，动物们会变得安静，因此采样必须在无人看管的情况下进行。

[04:22] 浮游生物和价值150亿美元的船

该计划的海洋部分以浮游生物为中心，克里斯称浮游生物是地球上最重要的物种之一，并以由美国国家科学基金会资助的区域级研究船为中心，这些研究船将开展成像工作。

• 克里斯参与编写了浮游生物识别算法。他指出，浮游生物是食物网的基础，是我们呼吸氧气的主要来源，也是巨大的碳汇，这就是为什么水温升高如此重要。
• 美国国家科学基金会正在资助三艘区域级科考船，俄勒冈州立大学预计将于今年12月接收第一艘。克里斯在过去一年里一直在研究船上搭载的技术。
• 这艘船造价15亿美元，一次为期十天的航行，硬件和人工成本约为100万美元，同时大约可以进行150项实验。仅浮游生物实验一项，五天内就能产生约1TB的数据。
• 海上数据处理使团队能够实时控制船只驶向浮游生物聚集区。浮游生物随洋流漂移，如果一次航次返回时没有在摄像机中发现浮游生物，那么这次航行就白费了，这种情况也确实发生过。

[07:09] 功率而非机架单元：确定船载数据中心的容量

布莱恩询问每艘船上的数据中心有多大，得到的回答是，物理空间从来都不是限制因素。海上电力和冷却才是，这促使存储设计转向大容量固态硬盘。

• 这艘船的预算在 30kW 到 50kW 之间，足够几个机架使用，但不足以支持最大的新型硬件。测试一台配备四块 NVIDIA RTX Pro 6000 GPU 的戴尔 PowerEdge XE7745 服务器，结果表明 GPU 会迅速消耗掉这部分预算。
• GPU算力确定后，问题就变成了如何节省存储能耗，于是Solidigm D5-P5336系列固态硬盘应运而生。122TB版本表现良好，而30TB版本则为特定部署提供了更佳的性能。
• 在浮游生物验证运行中，U.2 硬盘的读取速度约为 55GB/s，写入速度约为 15GB/s，足以同时处理六到八个数据流。克里斯指出，瓶颈在于磁盘空间，因为还可以添加更多 GPU，而这次测试是为了向美国国家科学基金会 (NSF) 证明购买的合理性。
• 将所有数据集中到一台机器上，省去了之前围绕GPU的磁盘阵列，这种简化对于只有一次数据获取机会的研究人员来说至关重要。布莱恩将此比作我们最近为PBS​​摄制组在巴西拍摄珍稀鸟类而配备的QLC RAID阵列盒。

[11:37] 护林站里的300TB

森林部署在某一方面比船舶部署更难：森林里根本没有数据中心，只有一个电力有限且没有冷却系统的护林站，因此计算和存储都必须在边缘进行。

• 由于护林站没有空调且电力有限，俄勒冈州立大学与 Supermicro 合作开发了一种液冷 GPU 系统，该系统可在标准的 15A 电路上运行。
• 该系统有两个硬盘插槽，分别装有 122TB Solidigm D5-P5336 硬盘，为 Chris 提供了大约 300TB 的本地容量，因此数据在一个地方存储，并在一个地方进行处理。
• 录音设备每六到八周大约能收集到250TB的数据，而更长的采样间隔正是关键所在：捕捉无人值守的罕见事件。雌性斑点猫头鹰一旦配对就会变得安静，因此，找到一对正在交配的猫头鹰需要长时间无人值守的录音，以及用于验证统计模型的历史数据。

[13:45] 数据保存50年：磁带、石碑和OOI

Brian 将企业永不删除数据的本能与科学领域中同样的问题联系起来，Chris 则解释了俄勒冈州立大学在实践中如何进行长期管理。

• 对于“如何将数据发送到 50 年后的未来”，他的回答是石碑或磁带，而且他仍然会从磁带中提取几十年前的船舶数据进行现代分析。
• 海洋观测计划是一个为期25年的项目，利用钢丝行走器、滑翔机和海底仪器以一分钟间隔收集数据。俄勒冈州立大学至少保存这些数据25年，并计划保存50至100年。
• 俄勒冈州立大学为华盛顿大学、罗格斯大学和伍兹霍尔海洋研究所运营着该项目的数据中心。华盛顿大学去年发布的水下地震数据就来自俄勒冈州立大学的数据中心。
• 模型会不断地根据存档进行重新训练，而向 Transformer 模型的转变旨在同时处理多个任务并减少偏差。

[16:54] 黄氏综合体与数据中心案例

Jensen 和 Lori Huang 都是俄勒冈州立大学的毕业生，他们共同建立的 Jen-Hsun 和 Lori Huang 合作创新中心在校园内配备了一台 NVIDIA 超级计算机。Chris 解释了这台超级计算机如何与边缘计算工作相结合，并阐述了数据中心作为公共产品的价值。

• 该综合设施包括一个数据中心，配备 Vera Rubin NVL72 系统，克里斯计划将其用于与实地考察相同的任务：了解地球是如何变化的。
• 俄勒冈州立大学也使用AWS、Azure和谷歌云。克里斯在NOAA的工作完全在谷歌云上运行。
• 他对数据中心的批评回应说，每项技术都有需要沟通和解决的问题，没有数据中心，科学也无法解决地球的问题。

[18:18] 未来 6 至 12 个月：小型数据中心和失灵的拨款周期

Brian 要求展望未来，Chris 则主张采用更小、液冷、分布式的设施，然后解释了为什么当前的硬件更新速度对研究预算来说是一个真正的问题。

• 数据中心无需规模庞大。液冷技术能够在更小的空间内实现更高的性能，并且能够以更小的影响进行部署。
• 人工智能是一个数据问题，也是一场军备竞赛：每次处理速度提升，需要处理的数据量就会增加。他用厨房作比喻：处理器就像刀叉，冰箱存放着你关心的一切，而食物则相当于数据。
• 拨款是在报价提交数月后才发放的，而硬件更新周期从 18 个月缩短到 3 到 6 个月，因此获得的拨款不再用于购买当初制定方案时所依据的技术。
• 八块 122TB 的硬盘为他提供了 1PB 的数据，并取代了一整架旋转磁盘，节省的成本不仅体现在硬盘本身，也体现在硬盘周围的硬件上。
• 数据传输是科学研究耗时最耗时的部分。以前，将数据从船上传输到目的地意味着需要在码头铺设一条 100GbE 的线路，而高容量固态硬盘则大大减少了数据传输的次数。

您可以在俄勒冈州立大学的研究和学术计算服务页面上找到 Chris Sullivan ，也可以通过上面的链接查看我们之前对该项目的报道。