人工知能がクラウド ネットワーキングをどのように破壊しているか

人工知能がどのようにクラウド プラットフォームの進化を加速し、新世代の AI 駆動ツールによるクラウド環境の管理を可能にするかについて、多くの議論が行われてきました。しかし、AI はクラウドの別の側面、つまりネットワークを一変させる可能性があります。ますます多くの AI ワークロードがクラウドに移行するにつれて、より優れたクラウド ネットワーキング ソリューションを提供する機能が重要な優先事項になります。その理由と、人工知能の時代におけるクラウド ネットワーキングの将来はどのようになるのかを説明します。

人工知能がクラウド ネットワークに与える影響

人工知能がクラウド ネットワークに新たな要求を課す理由は単純です。大規模な環境で適切に機能するには、人工知能が負荷をかけて機能する必要があります。クラウド ネットワークには前例のないレベルのパフォーマンスが要求されます。

多くの場合、AI ワークロードがアクセスする必要があるデータは、ワークロードと同じクラウド プラットフォームまたは別のクラウドにあるリモート サーバーに存在します。

クラウド ネットワークは、AI ワークロードとデータを接続する重要なリンクを提供します。多くの場合、データの量は膨大になるため、単純な AI モデルのトレーニングにも大量の情報が必要になる可能性がありますが、モデルは低遅延でデータにアクセスする必要があります。したがって、ネットワークは非常に高いパフォーマンス レベルで非常に高い帯域幅をサポートできる必要があります。

クラウド ネットワークは人工知能を導入する準備ができていますか?

人工知能は安定したネットワーク接続電力を提供できるだけでなく、優れたネットワーク パフォーマンスを必要とする唯一のクラウド ワークロードではありません。低遅延、高帯域幅のネットワークを提供する機能は、クラウド デスクトップやビデオ ストリーミングなどのユースケースにとって長年重要でした。

クラウド サービス プロバイダーも、こうしたネットワーク パフォーマンスのニーズを満たすためのソリューションを長期にわたって提供してきました。すべての主要なクラウドは、特にマルチクラウド アーキテクチャ内のクラウド間でデータを移動する場合、またはプライベート データ センターとパブリック データ センター間でデータを移動するハイブリッド クラウド モデルの一部として、ネットワークの速度と信頼性を大幅に向上させることができる「ダイレクト コネクト」ネットワーク サービスを提供しています。雲。

ただし、本当に特殊なネットワーク パフォーマンスが必要な人工知能ワークロードの場合、サービスへの直接接続では不十分な場合があります。ワークロードには、ネットワーク トラフィックを超効率的に処理するのに役立つデータ処理ユニット (DPU) などのソリューションの形でハードウェア レベルでの最適化が必要になる場合もあります。実際、Google などのベンダーはすでにこの分野に投資しており、生成 AI に合わせたクラウド プラットフォームを立ち上げています。これは、主にビデオ カードの販売で知られる企業が、人工知能の可能性を最大限に引き出すには、ネットワーク ハードウェアの革新も必要であることを認識していることを示しています。

クラウド ネットワークの将来展望

現在、クラウド プロバイダー、ハードウェア サプライヤー、人工知能開発者は、人工知能がクラウド ネットワーク分野にもたらす課題にどのように対処するのでしょうか?具体的な課題はまだ明らかになっていない。ただし、全体としては、次のような変化が見られる可能性があります。

ダイレクト コネクトの利用拡大: 以前は、クラウド ダイレクト コネクト サービスは、複雑なクラウド アーキテクチャと高度なクラウド アーキテクチャを備えた企業に限定される傾向がありました。大企業が使用するパフォーマンス要件。しかし、クラウドベースの AI ワークフローを最大限に活用したいと考えている小規模な組織では、直接接続がより一般的になる可能性があります。

下りコストの上昇: 通常、クラウド プロバイダーはデータがネットワークの外に移動するときに「下り」料金を請求するため、クラウドで AI ワークロードを実行すると、企業の下りコストが増加する可能性があります。料金。将来的には、AI ワークロードによって引き起こされる下り料金を予測および管理する機能が、クラウド コストの最適化の重要な部分になるでしょう。

ネットワーク消費量の変動: 一部の人工知能ワークロードは大量のクラウド ネットワーク リソースを消費しますが、それは一時的なものにすぎません。たとえば、トレーニング中に大量のデータを移動する必要がある場合でも、トレーニングの完了後にネットワークの使用量を減らすことができます。これは、ネットワーク消費量の大きな変動に適応する能力が、クラウド ネットワーク パフォーマンス管理のもう 1 つの重要な要素になる可能性があることを意味します。

概要

人工知能ワークロードの実行にクラウドを最大限に活用したい場合は、クラウド ネットワーク戦略を最適化する必要があり、これには高度なネットワークを活用する必要があります。クラウドコストの最適化とネットワークパフォーマンス管理戦略を調整しながら、サービスとハードウェアを調整します。

これらの目標の達成に役立つソリューションはまだ進化していますが、AI ワークロードをクラウドに展開しようとしている企業にとって、これは注視すべき領域です。