Чтобы полноценно использовать облако для размещения рабочих нагрузок искусственного интеллекта, необходимо оптимизировать стратегию работы с облачными сетями, пишет на портале ITPro Today независимый аналитик Кристофер Тоцци.

Уже много говорилось о том, что ИИ ускорит рост облачных платформ и позволит создать новое поколение инструментов для управления облачными средами, основанных на ИИ.

Но вот еще один аспект облака, который, вероятно, изменит ИИ: сетевые технологии. Поскольку в облаке появляется все больше рабочих нагрузок, связанных с ИИ, способность предоставлять лучшие сетевые решения для облака станет одним из ключевых приоритетов.

Как может выглядеть будущее облачных сетей в эпоху ИИ?

Влияние ИИ на облачные сети

Причина, по которой ИИ предъявит новые требования к облачным сетям, достаточно проста: чтобы эффективно работать в масштабе, рабочие нагрузки ИИ потребуют от облачных сетей беспрецедентного уровня производительности.

Это связано с тем, что данные, к которым должны обращаться рабочие нагрузки ИИ, во многих случаях будут находиться на удаленных серверах, расположенных либо на той же облачной платформе, на которой работают рабочие нагрузки, либо в другом облаке; в некоторых случаях данные могут находиться на локальных серверах, а рабочие нагрузки — в облаке, или наоборот.

Облачные сети станут важным звеном, соединяющим рабочие нагрузки ИИ с данными. Во многих случаях объемы данных будут огромными (даже для обучения простой модели ИИ может потребоваться много терабайт информации), и моделям потребуется доступ к данным с низкой задержкой. Таким образом, сети должны быть способны поддерживать очень высокую пропускную способность при очень высоком уровне производительности.

Готовы ли облачные сети к ИИ?

Безусловно, ИИ — не единственный тип облачных рабочих нагрузок, требующих высокой производительности сети. Способность обеспечивать низкие задержки и высокую пропускную способность сети уже давно важна для таких сценариев использования, как облачные десктопы и потоковое видео.

Облачные провайдеры уже давно предлагают решения для удовлетворения этих потребностей в производительности сети. Все основные облака предоставляют сетевые услуги «прямого подключения», которые могут значительно повысить скорость и надежность сети, особенно при перемещении данных между облаками в мультиоблачной архитектуре или между частным дата-центром и публичным облаком в рамках гибридной облачной модели.

Но для рабочих нагрузок ИИ с действительно исключительными требованиями к производительности сети услуг прямого подключения может быть недостаточно. Рабочие нагрузки могут потребовать оптимизации на аппаратном уровне в виде таких решений, как процессоры данных (DPU), которые помогут обрабатывать сетевой трафик с высокой эффективностью. Действительно, такие производители, как Nvidia, которая представила платформу Ethernet, предназначенную для генеративного ИИ, уже инвестируют в эту область — и это говорит о многом, поскольку компания, известная в основном продажей видеокарт, также признает, что раскрытие полного потенциала ИИ требует инноваций в сетевом оборудовании.

Будущее облачных сетей: чего ожидать

На данный момент еще предстоит выяснить, как именно поставщики облачных вычислений, аппаратного обеспечения и разработчики ИИ будут реагировать на особые вызовы, которые ИИ привносит в сферу облачных вычислений. Но в целом, скорее всего, мы увидим следующие изменения:

  • Более широкое использование прямых подключений. В прошлом облачные сервисы прямого подключения использовались, как правило, только крупными компаниями со сложной облачной архитектурой и высокими требованиями к производительности. Однако прямые подключения могут стать более распространенными среди небольших организаций, стремящихся в полной мере использовать преимущества облачных рабочих процессов ИИ.
  • Более высокие затраты на вывод данных. Поскольку облачные провайдеры обычно взимают плату за вывод данных из своих сетей, рабочие нагрузки ИИ, выполняемые в облаке, могут увеличить сетевые расходы предприятий. В будущем способность прогнозировать и управлять расходами на вывод, вызванными рабочими нагрузками ИИ, станет важным элементом оптимизации расходов на облачные вычисления.
  • Нестабильное потребление сети. Некоторые рабочие нагрузки ИИ будут потреблять облачные сетевые ресурсы в больших объемах, но только в течение временного периода. Например, им может потребоваться перемещать огромные объемы данных во время обучения, но по окончании обучения использование сети снижается. Это означает, что способность учитывать большие колебания в потреблении сети, вероятно, станет еще одним важным компонентом управления производительностью облачной сети.

Заключение

Без этого не обойтись: если вы хотите в полной мере использовать преимущества облака для размещения рабочих нагрузок ИИ, вам необходимо оптимизировать свою стратегию работы с облачными сетями — для этого нужно использовать преимущества передовых сетевых сервисов и оборудования, а также скорректировать стратегии оптимизации расходов на облако и управления производительностью сети.

На данный момент решения, доступные для достижения этих целей, все еще развиваются, но за этим направлением следует внимательно следить всем компаниям, стремящимся развернуть рабочие нагрузки ИИ в облаке.