Bagaimana kecerdasan buatan mengganggu rangkaian awan

Terdapat banyak perbincangan mengenai cara AI akan mempercepatkan evolusi platform awan dan membolehkan alat dipacu AI generasi baharu untuk mengurus persekitaran awan. Tetapi AI boleh menaikkan satu lagi aspek awan: rangkaian. Apabila semakin banyak beban kerja AI bergerak ke awan, keupayaan untuk menyediakan penyelesaian rangkaian awan yang lebih baik akan menjadi keutamaan utama. Inilah sebabnya, dan rupa masa depan rangkaian awan pada zaman kecerdasan buatan.

Impak AI pada Rangkaian Awan

Sebab AI akan meletakkan permintaan baharu pada rangkaian awan adalah mudah: untuk berfungsi dengan baik pada skala, beban kerja AI memerlukan tahap prestasi yang tidak pernah berlaku sebelum ini daripada rangkaian awan.

Dalam banyak kes, data yang perlu diakses oleh beban kerja AI akan berada pada pelayan jauh yang terletak dalam platform awan yang sama dengan beban kerja, atau dalam awan yang berbeza.

Rangkaian awan akan menyediakan pautan kritikal yang menghubungkan beban kerja dan data AI. Dalam kebanyakan kes, jumlah data akan menjadi besar, jadi melatih model AI yang mudah juga mungkin memerlukan sejumlah besar maklumat, manakala model perlu mengakses data dengan kependaman yang rendah. Oleh itu, rangkaian perlu dapat menyokong lebar jalur yang sangat tinggi pada tahap prestasi yang sangat tinggi.

Adakah rangkaian awan bersedia untuk kecerdasan buatan?

AI bukan sahaja mampu menyampaikan kuasa sambungan rangkaian yang stabil, tetapi ia bukan satu-satunya beban kerja awan yang memerlukan prestasi rangkaian yang cemerlang. Keupayaan untuk menyediakan rangkaian berkependaman rendah, lebar jalur tinggi telah lama menjadi penting untuk kes penggunaan seperti desktop awan dan penstriman video.

Pembekal perkhidmatan awan juga menyediakan penyelesaian jangka panjang untuk membantu memenuhi keperluan prestasi rangkaian ini. Semua awan utama menawarkan perkhidmatan rangkaian "sambungan terus" yang boleh meningkatkan kelajuan dan kebolehpercayaan rangkaian dengan ketara, terutamanya apabila memindahkan data antara awan dalam seni bina berbilang awan, atau sebagai sebahagian daripada model awan hibrid antara pusat data persendirian dan awam Apabila memindahkan data antara awan.

Walau bagaimanapun, untuk beban kerja AI dengan keperluan prestasi rangkaian yang benar-benar istimewa, menyambung terus kepada perkhidmatan mungkin tidak mencukupi. Beban kerja juga mungkin memerlukan pengoptimuman pada peringkat perkakasan dalam bentuk penyelesaian seperti unit pemprosesan data (DPU), yang membantu mengendalikan trafik rangkaian dengan sangat cekap. Malah, vendor seperti Google sudah pun melabur dalam ruang ini, melancarkan platform awan yang disesuaikan untuk AI generatif. Ia menunjukkan bahawa sebuah syarikat yang terkenal terutamanya untuk menjual kad video juga menyedari bahawa membuka kunci potensi penuh kecerdasan buatan juga memerlukan inovasi dalam perkakasan rangkaian.

Tinjauan Masa Depan Rangkaian Awan

Pada masa ini, masih dapat dilihat bagaimana pembekal awan, vendor perkakasan dan pembangun kecerdasan buatan akan bertindak balas terhadap cabaran khas yang dibawa oleh kecerdasan buatan kepada medan rangkaian awan. Walau bagaimanapun, secara umum, kita mungkin melihat perubahan berikut:

Penggunaan sambungan langsung yang lebih meluas: Pada masa lalu, perkhidmatan sambungan terus awan cenderung hanya digunakan oleh perusahaan besar dengan seni bina awan yang kompleks dan keperluan berprestasi tinggi. Tetapi dalam kalangan organisasi yang lebih kecil yang ingin memanfaatkan sepenuhnya aliran kerja AI berasaskan awan, sambungan langsung mungkin menjadi lebih biasa.

Kos Keluar yang Lebih Tinggi: Memandangkan penyedia awan lazimnya mengenakan yuran "keluar" apabila data dialih keluar daripada rangkaian, beban kerja AI yang dijalankan dalam awan boleh meningkatkan yuran rangkaian yang dibayar oleh perusahaan untuk keluar. Melangkah ke hadapan, keupayaan untuk meramal dan mengurus caj keluar yang dicetuskan oleh beban kerja AI akan menjadi bahagian penting dalam pengoptimuman kos awan.

Turun naik penggunaan rangkaian: Sesetengah beban kerja AI akan menggunakan sumber rangkaian awan dengan banyak, tetapi hanya buat sementara waktu. Sebagai contoh, mereka mungkin perlu memindahkan sejumlah besar data semasa latihan tetapi mengurangkan penggunaan rangkaian selepas latihan selesai. Ini bermakna keupayaan untuk menyesuaikan diri dengan turun naik yang besar dalam penggunaan rangkaian mungkin menjadi satu lagi komponen penting dalam pengurusan prestasi rangkaian awan.

Ringkasan

Jika anda ingin menggunakan sepenuhnya awan untuk membantu membawa beban kerja kecerdasan buatan, anda perlu mengoptimumkan strategi rangkaian awan anda, yang memerlukan memanfaatkan perkhidmatan rangkaian dan perkakasan lanjutan, sambil melaraskan pengoptimuman kos awan dan prestasi rangkaian strategi pengurusan.

Pada masa ini, penyelesaian yang tersedia untuk membantu mencapai matlamat ini masih berkembang, tetapi bagi mana-mana perusahaan yang ingin menggunakan beban kerja AI dalam awan, ini adalah ruang untuk diperhatikan dengan teliti.