Equinix联合英伟达、Together AI推分布式推理平台

2026年9月2日，美国红木城，Equinix 宣布大幅扩展与 NVIDIA 的长期合作，推出面向全球企业的分布式 AI 推理项目 Equinix Inference Exchange，同时与 Together AI 建立新的合作关系。该方案在 Equinix 首届客户与合作伙伴大会 Equinix Horizon 上发布，同场还推出了 Equinix Fabric One。

三层分工：机房、算力、模型服务

按官方与 StorageReview 的说明，整套方案在物理设施、算力与软件三层做了明确切分。

Equinix 负责底层的物理与互联基础：供电、先进液冷、日常机房运维，以及通过 Equinix Fabric 提供的到网络、公有云与 SaaS 平台的私有互联。

NVIDIA 提供算力与验证层，即经过验证的企业参考架构（Enterprise Reference Architectures）与 AI 基础设施，目标是提高 AI 工厂的 token 吞吐、降低单次查询的推理成本。

Together AI 提供推理服务软件层，支持 200 多个开源模型，并同时支持共享多租户环境与独占单租户拓扑——前者面向通用场景的算力效率，后者面向对隔离与容量确定性有要求的负载。

据 CNBC 报道，Together AI 将作为记录卖方（seller of record）向使用该项目的终端客户计费，项目预计在第一季度可用。

为什么大家开始抢“推理放在哪”

Equinix 的论点是：当 AI 在模型、供应商与地域之间横向扩展时，推理运行在什么位置，已经从技术细节变成战略问题，因为它同时决定性能、成本与合规姿态。

这个判断在企业侧的体感很直接。训练可以集中在少数超大集群里完成，推理却必须贴近数据、用户与业务应用——延迟直接影响体验，数据跨境直接影响合规，而调用量一旦上规模，单位 token 成本就会主导整体账单。

Equinix 的底牌是其互联网络：目前在 77 个都市拥有 280 多个数据中心、230 个云接入点、10,500 多家互联企业。官方还提到，前十大 AI 模型提供商中有 8 家、前十大 AI 云提供商中有 9 家已在 Equinix 部署。

Equinix CEO 兼总裁 Adaire Fox-Martin 表示，企业今天做出的基础设施决策将在未来数年定义其竞争位置。NVIDIA 全球 AI 云与基础设施生态副总裁 Raj Mirpuri 则称，该项目把 Equinix 的互联平台转化为面向 AI 推理的全球化织网。

消息公布当日，Equinix 股价上涨约 2%。

这类"推理即服务"方案的出现，实际上把一个问题摆到了所有企业面前：算力到底该放在离数据近的地方，还是离便宜的地方近？

我们的观察是，多数中小企业并不需要一开始就做这道题。更常见的情况是先把结构分清：

先分清训练、推理与常规业务。训练需要高密度 GPU 集群与高速互联，推理需要低延迟与稳定吞吐，而 Web、数据库这些常规负载对 GPU 完全没有需求。把它们混在同一批高价机器上，是最常见的成本浪费来源。

推理节点按用户分布选址，而不是按价格选址。如果用户主要在东南亚，把推理放在北美再回传，省下的机器成本很可能被延迟带来的转化损失抵消。

关注节点间网络与显存，而非只看 GPU 型号。同样的卡，在不同的互联架构与存储吞吐下，实际可用性能差异很大。

需要弹性 GPU 加速能力的用户，可参考 SellBGP 的 香港 GPU 服务器，部署于香港 T3+ 数据中心，搭载 GeForce RTX 系列计算单元，适用于实时渲染、深度学习与 HPC 场景；对存储吞吐要求较高的推理与数据预处理环节，可搭配 高存储服务器。

声明：本文由SellBGP编辑部依据主办方及公开渠道信息独立撰写。转载请注明出处。