播客第154期：俄勒岡州立大學的克里斯·沙利文談海上122TB固態硬碟、斑點貓頭鷹以及人工智慧作為資料問題

在拉斯維加斯舉行的 Yotta 2026 大會上，布萊恩與俄勒岡州立大學地球、海洋與大氣科學學院研究與學術計算主任克里斯·沙利文進行了一場現場播客訪談。本集節目為純音訊版本，錄製於展會現場。克里斯一直是我們在邊緣人工智慧領域的重要合作夥伴，從​​去年秋季我們報道的研究船資料中心，到展會當週發布的DGX Spark 共享儲存概念，他都參與其中。本次訪談的主題是科學背後的資料：森林中 4,000 個聲學記錄器、每次五天航次 100TB 的浮游生物影像、護林站中 Solidigm 的大容量固態硬碟，以及他為何常說人工智慧本質上是一個資料問題。

克里斯·沙利文 (Chris Sullivan) 負責俄勒岡州立大學地球、海洋與大氣科學學院的研究和學術計算工作，這意味著他要負責森林監測、海洋觀測以及該大學為合作機構提供的數據中心服務的基礎設施。他首先稱自己為資料科學家，並在本期節目中反覆強調，每位科學家都是資料科學家。我們曾在第 145 期播客節目中首次採訪他，報道了他與 Metrum AI 合作的人工智慧輔助學術評估項目，並在五月邀請他參加了LinkedIn 直播。

本期節目長度約22分鐘。讓我們印象深刻的數據包括：一艘造價150億美元的船舶，每次十天的航程費用高達1萬美元；驗證系統中U.2 QLC閃存的讀取速度為55GB/s；每六到八週從護林站運送250TB的數據；以及一項撥款計劃假設硬體更新周期為18個月，而行業更新周期只有三到六個月。如果您沒有時間從頭到尾收聽，我們已將其分成幾個部分，您可以選擇對您最重要的部分收聽。

[00:00] 大學擔任資料管理員

開篇部分闡述了俄勒岡州立大學的研究為何與大多數 Yotta 研究者不同：數據是從現場儀器收集的，並永久保存，因為沒有人知道哪種模型會在下一個模型中使其有價值。

• 克里斯的觀點是，所有科學家都是資料科學家，因為每個實驗，無論是在實驗室還是在叢集上，都會產生必須儲存和管理的資料。
• 大學歷來擅長整理和證明數據的價值，他認為隨著人工智慧提升舊記錄的價值，大學自然而然地成為了長期的數據管理者。
• 俄勒岡州立大學的既定使命是“廣泛共享繁榮”，而資料中心的工作被視為對這項使命的直接貢獻。

[01:45] 斑點貓頭鷹、4,000台錄音機和一個包含135個物種的模型

克里斯與美國林務局合作進行一項監測北方斑點貓頭鷹的計畫。北方斑點貓頭鷹是一種傘護物種，它的存在很大程度上反映了森林的健康狀況。該計畫已發展成為一項全面的聲學普查。

• 在舊金山和加拿大之間部署了約 4,000 個自主記錄單元，持續記錄森林的情況。
• 他今年春天發表的捲積神經網路可以從聲音中識別 135 種物種，能夠克服雨聲和飛機噪音，並能根據多普勒頻移估計行進方向，還能區分雄性和雌性的叫聲。
• 目標是利用統計模型找到合適的交配樹種，以便木材產業能夠在不破壞棲息地的情況下進行採伐。克里斯強調，這是與木材產業的合作，而不是對抗。
• 這個模型無法解決的一個實際問題是：當人類穿過森林時，動物會變得安靜，因此採樣必須在無人看管的情況下進行。

[04:22] 浮游生物與價值150億美元的船

該計畫的海洋部分以浮游生物為中心，克里斯稱浮游生物是地球上最重要的物種之一，並以由美國國家科學基金會資助的區域級研究船為中心，這些研究船將進行成像工作。

• 克里斯參與編寫了浮游生物辨識演算法。他指出，浮游生物是食物網的基礎，是我們呼吸氧氣的主要來源，也是巨大的碳匯，這就是為什麼水溫升高如此重要。
• 美國國家科學基金會正在資助三艘區域級科考船，俄勒岡州立大學預計今年12月接收第一艘。克里斯在過去一年裡一直在研究船上搭載的技術。
• 這艘船造價15億美元，一次為期十天的航行，硬體和人工成本約為100萬美元，同時大約可以進行150項實驗。光是浮游生物實驗一項，五天內就能產生約1TB的數據。
• 海上數據處理使團隊能夠即時控制船隻駛向浮游生物聚集區。浮游生物隨洋流漂移，如果一次航次返回時沒有在攝影機中發現浮游生物，那麼這次航行就白費了，這種情況也確實發生過。

[07:09] 功率而非機架單元：確定船上資料中心的容量

布萊恩詢問每艘船上的資料中心有多大，得到的答案是，實體空間從來都不是限制因素。海上電力和冷卻才是，這促使儲存設計轉向大容量固態硬碟。

• 這艘船的預算在 30kW 到 50kW 之間，足夠幾個機架使用，但不足以支援最大的新型硬體。測試一台配備四塊 NVIDIA RTX Pro 6000 GPU 的戴爾 PowerEdge XE7745 伺服器，結果顯示 GPU 會迅速消耗這部分預算。
• GPU算力確定後，問題變成如何節省儲存能耗，於是Solidigm D5-P5336系列固態硬碟應運而生。 122TB版本表現良好，而30TB版本則為特定部署提供了更佳的效能。
• 在浮游生物驗證運行中，U.2 硬碟的讀取速度約為 55GB/s，寫入速度約為 15GB/s，足以同時處理六到八個資料流。克里斯指出，瓶頸在於磁碟空間，因為還可以增加更多 GPU，而這次測試是為了向美國國家科學基金會 (NSF) 證明購買的合理性。
• 將所有資料集中到一台機器上，省去了先前圍繞GPU的磁碟陣列，這種簡化對於只有一次資料擷取機會的研究人員來說至關重要。布萊恩將此比作我們最近為PBS攝製組在巴西拍攝珍稀鳥類而配備的QLC RAID陣列盒。

[11:37] 護林站裡的300TB

森林部署在某一方面比船舶部署更難：森林裡根本沒有資料中心，只有一個電力有限且沒有冷卻系統的護林站，因此運算和儲存都必須在邊緣進行。

• 由於護林站沒有空調且電力有限，俄勒岡州立大學與 Supermicro 合作開發了一種液冷 GPU 系統，可在標準的 15A 電路上運作。
• 該系統有兩個硬碟插槽，分別裝有 122TB Solidigm D5-P5336 硬碟，為 Chris 提供了大約 300TB 的本地容量，因此資料在一個地方存儲，並在一個地方進行處理。
• 錄音設備每六到八週大約能收集到250TB的數據，而更長的採樣間隔正是關鍵所在：捕捉無人值守的罕見事件。雌性斑點貓頭鷹一旦配對就會變得安靜，因此，找到一對正在交配的貓頭鷹需要長時間無人值守的錄音，以及用於驗證統計模型的歷史數據。

[13:45] 資料保存50年：磁帶、石碑和OOI

Brian 將企業永不刪除資料的本能與科學領域中同樣的問題聯繫起來，Chris 則解釋了俄勒岡州立大學在實踐中如何進行長期管理。

• 對於「你會如何將資料發送到 50 年後的未來」這個問題，他的回答是石碑或磁帶，而且他至今仍在從磁帶中提取幾十年前的船舶資料進行現代分析。
• 海洋觀測計畫是一個為期25年的項目，利用鋼絲行走器、滑翔機和海底儀器以一分鐘間隔收集數據。俄勒岡州立大學至少保存這些數據25年，並計畫保存50至100年。
• 俄勒岡州立大學為華盛頓大學、羅格斯大學和伍茲霍爾海洋研究所經營該計畫的資料中心。華盛頓大學去年發布的水下地震資料就來自俄勒岡州立大學的資料中心。
• 模型會不斷地根據存檔進行重新訓練，而向 Transformer 模型的轉變旨在同時處理多個任務並減少偏差。

[16:54] 黃氏綜合體與資料中心案例

Jensen 和 Lori Huang 都是俄勒岡州立大學的畢業生，他們共同建立的 Jen-Hsun 和 Lori Huang 合作創新中心在校園內配備了一台 NVIDIA 超級電腦。 Chris 解釋了這台超級電腦如何與邊緣運算工作結合，並闡述了資料中心作為公共產品的價值。

• 該綜合設施包括一個資料中心，配備 Vera Rubin NVL72 系統，克里斯計劃將其用於與實地考察相同的任務：了解地球是如何變化的。
• 俄勒岡州立大學也使用AWS、Azure和Google雲端。克里斯在NOAA的工作完全在谷歌雲端上運行。
• 他對資料中心的批評回應說，每項技術都有需要溝通和解決的問題，沒有資料中心，科學也無法解決地球的問題。

[18:18] 未來 6 至 12 個月：小型資料中心與失靈的撥款週期

Brian 要求展望未來，Chris 則主張採用更小、液冷、分散式的設施，然後解釋了為什麼目前的硬體更新速度對研究預算來說是一個真正的問題。

• 資料中心無需規模龐大。液冷技術能夠在更小的空間內實現更高的性能，並且能夠以更小的影響進行部署。
• 人工智慧是一個資料問題，也是一場軍備競賽：每次處理速度提升，需要處理的資料量就會增加。他用廚房作比喻：處理器就像刀叉，冰箱存放著你關心的一切，而食物則相當於數據。
• 撥款是在報價提交數月後才發放的，而硬體更新週期從 18 個月縮短到 3 到 6 個月，因此獲得的撥款不再用於購買當初制定方案時所依據的技術。
• 八塊 122TB 的硬碟為他提供了 1PB 的數據，並取代了一整架旋轉磁碟，節省的成本不僅體現在硬碟本身，也體現在硬碟周圍的硬體上。
• 資料傳輸是科學研究耗時最耗時的部分。以前，將資料從船上傳輸到目的地意味著需要在碼頭鋪設一條 100GbE 的線路，而高容量固態硬碟則大大減少了資料傳輸的次數。

您可以在俄勒岡州立大學的研究和學術計算服務頁面上找到 Chris Sullivan ，也可以透過上面的連結查看我們先前對該專案的報導。