Η Λύση του AI: Γιατί η Υποδομή έχει τη Μεγαλύτερη Σημασία

Το AI είναι η πιο σημαντική τεχνολογία της εποχής μας και προσεγγίζουμε ένα σημαντικό σημείο εκτόξευσης που θα αναδιαμορφώσει το επιχειρηματικό τοπίο.

Η υιοθέτηση αυξάνεται, με 78% των επιχειρήσεων που αναπτύσσουν το AI το 2025 και προβλέψεις αγοράς 1,81 τρισεκατομμυρίων δολαρίων μέχρι το 2030. Ωστόσο, πίσω από αυτήν την αύξηση κρύβεται μια πιο δύσκολη αλήθεια: πολλές επιχειρήσεις παλεύουν να μεταφράσουν το AI σε πραγματικά, κλιμακωτά και ορατά αποτελέσματα. Γίνεται σαφές ότι πολλές από αυτές υιοθετούν το AI χωρίς τις αναγκαίες λειτουργικές αλλαγές για να το τρέξουν σε κλίμακα και με πλήρη αξία.

Την ίδια στιγμή, η υποδομή που υποστηρίζει το AI δεν τηρεί το ρυθμό της αύξησης που χρειάζεται. Οι οργανισμοί και τα μοντέλα εξακολουθούν να περιορίζονται από τη διαθέσιμη υπολογιστική ισχύ GPU, ενώ η διαθέσιμη ικανότητα των κέντρων δεδομένων είναι σε ιστορικά χαμηλά επίπεδα σε όλο τον κόσμο. Η νέα ικανότητα AI περιορίζεται από τη διαθεσιμότητα ενέργειας, τις προθεσμίες κατασκευής και τις ελλείψεις εργατικού δυναμικού.

Αυτή είναι η λύση του AI – ένας διαχωρισμός μεταξύ εκείνων που χτίζουν και υιοθετούν το AI με το απαιτούμενο ρυθμό και εκείνων που περιορίζονται από συντηρητικάlegacy μοντέλα. Μέχρι το 2035, είναι πιθανό ότι αυτό το χάσμα θα μπορούσε να διεκδικήσει το ήμισυ των σημερινών εταιρειών. Ο αγώνας έχει ξεκινήσει: προσαρμόσου ή πεθαίνεις.

Εκπληρώνοντας την υπόσχεση του AI

Μετά από χρόνια ανακοινώσεων που κερδίζουν τις επικεφαλίδες, οι οργανισμοί θα αντιμετωπίσουν τελικά μια δοκιμή αλήθειας φέτος. Ποιος είναι πραγματικά αποτελεσματικός και ποιος βασίζεται μόνο σε επικεφαλίδες και δελτία τύπου για να είναι μέρος της συζήτησης.

Η διαφορά μεταξύ αφηγήματος και εκτέλεσης θα γίνει πιο σαφής, ιδιαίτερα既然 το ROI του AI είναι πραγματικό εστιασμένο στο δωμάτιο του διοικητικού συμβουλίου σήμερα. Οι νικητές θα είναι οι οργανισμοί που μπορούν να φέρουν μαζί το πλήρες στοίβαγμα, δηλαδή, την προμήθεια GPU, την ενέργεια, το κεφάλαιο και μια ανθεκτική αλυσίδα εφοδιασμού, και να το αποδείξουν στις επιχειρήσεις και τα έσοδα, όχι μόνο στη μάρκετινγκ. Αυτοί που θα εκτελέσουν θα επιταχύνουν γρήγορα και θα αναδυθούν ως πιστόι μακροπρόθεσμοι ηγέτες. Αυτοί που είναι αγκυροβολημένοι σε δημιουργικές ανακοινώσεις θα μείνουν πίσω. Και το χάσμα θα συνεχίσει να διευρύνεται μεταξύ των δύο.

Οι περιοριστικοί παράγοντες

Οι κανόνες της υπολογιστικής έχουν αλλάξει θεμελιωδώς. Από το 2019, η υπολογιστική ισχύς πίσω από τα μοντέλα AI έχει διπλασιαστεί περίπου κάθε 10 μήνες. Η έλευση του Gen AI έχει επιταχύνει την αύξηση, καθώς οι κύκλοι ζωής του υλικού έχουν συμπιεστεί και η ακραία συν-σχεδιασμός της NVIDIA έχει ορίσει einen ρυθμό που θα γίνει μόνο πιο γρήγορος. Ωστόσο, τα περισσότερα κέντρα δεδομένων παραμένουν αρχιτεκτονικά για legacy φορτία, όχι για την πυκνότητα ισχύος, τις απαιτήσεις ψύξης και τα πρότυπα κυκλοφορίας της σύγχρονης υπολογιστικής GPU.

Οι παραδοσιακές προσεγγίσεις δεν θα τηρήσουν το ρυθμό της αλλαγής που οδηγείται από το AI. Η προσπάθεια να τρέξει φορτία AI σε legacy περιβάλλοντα είναι σαν να συνδέεις einen γρήγορο κινητήρα Formula 1 σε ένα οικογενειακό αυτοκίνητο· το σασί απλά δεν είναι χτιστό για να χειριστεί την απόδοση και την αλλαγή. Και μέχρι να ολοκληρωθεί ένα παραδοσιακά χτιστό κέντρο δεδομένων, το υλικό έχει ήδη εξελιχθεί πέρα από τις παραμέτρους του σχεδιασμού του.

Σε όλη την βιομηχανία, με δισεκατομμύρια επενδυμένα σε παραδοσιακή υποδομή, αυτό δημιουργεί μια άβολη πραγματικότητα. Ή να απορροφήσετε το κόστος της ανοικοδόμησης, να ελπίζετε ότι οι παλαιότερες ψηφίες παραμένουν πολύτιμες, ή να μείνετε σταθερά πίσω από εκείνους που σχεδίασαν για την αλλαγή του AI από την αρχή. Σημαντικά, η ανακαίνιση είναι δύσκολη. Η πρόοδος απαιτεί purpose-χτιστή υποδομή, συμπεριλαμβανομένης της ψύξης απευθείας στο chip, υψηλής ταχύτητας δικτύου και ανασχεδιασμένων συστημάτων ενέργειας.

Χτίζοντας για συνεχή αλλαγή

Η λύση σε αυτό το πρόβλημα απαιτεί μια εντελώς νέα προσέγγιση στην υποδομή, η οποία έχει ήδη κερδίσει ώθηση. Η βιομηχανία μετατοπίζεται προς ευέλικτους, стандαρδισμένους μονάδες που μπορούν να αναπτυχθούν, να αναβαθμιστούν και να αντικατασταθούν σε τμήματα καθώς οι απαιτήσεις εξελίσσονται. Αντί να χτίζουν σταθερές εγκαταστάσεις που είναι βελτιστοποιημένες για ένα σημείο στο χρόνο, οι оперάτορες αναπτύσσουν όλο και περισσότερο ικανότητα σε φάσεις, προσθέτοντας τμήματα υψηλότερης πυκνότητας καθώς οι αρχιτεκτονικές chip και οι απαιτήσεις ενέργειας αλλάζουν.

Αυτή η πιο ευέλικτη προσέγγιση μπορεί τώρα να παραδώσει ικανότητα GPU-βελτιστοποιημένη σε μήνες αντί για χρόνια. Η κατασκευή εκτός εργοστασίου και τα стандαρδισμένα компонента επιτρέπουν τα συστήματα να χτίζονται και να ελέγχονται σε ελεγχόμενα περιβάλλοντα, επιταχύνοντας την ανάπτυξη και μειώνοντας την πολυπλοκότητα και την εξειδικευμένη εργασία που απαιτείται στο χώρο. Κρίσιμο, οι αναβαθμίσεις μπορούν να thựcτούνται ενώ το υπόλοιπο τμήμα του χώρου παραμένει ενεργό, και τα αποσυναρμολογημένα τμήματα μπορούν να ανακαινισθούν και να αναployed, επεκτείνοντας τη διάρκεια ζωής ενώ μειώνουν τα απόβλητα και μεγιστοποιούν τα έσοδα.

Η προσαρμοστικότητα είναι ζωτικής σημασίας σε ένα περιβάλλον όπου οι απαιτήσεις απόδοσης εξελίσσονται γρήγορα από τις παραδοσιακές κύκλους ζωής των κέντρων δεδομένων. Η ευελιξία είναι τώρα η οριστική απαιτούμενη ιδιότητα πάνω από την παραδοσιακή σκληρότητα που είμαστε συνηθισμένοι στις legacy κατασκευές.

Η λύση είναι ήδη εδώ

Η λύση του AI δεν είναι πλέον ένα μελλοντικό σενάριο· εξελίσσεται σε πραγματικό χρόνο. Η διάσταση μεταξύ των κέντρων δεδομένων που σχεδιάζονται για συνεχή αλλαγή και εκείνων που περιορίζονται από legacy υποθέσεις είναι ήδη ορατή, και θα επιταχύνει από εδώ. Αυτό δεν είναι απλά ένας τεχνολογικός κύκλος· είναι μια δομική επαναφορά του τρόπου με τον οποίο η υποδομή συλλαμβάνεται, χρηματοδοτείται και παραδίδεται. Οι οργανισμοί που θα ενστερνιστούν την προσαρμοστικότητα, θα ευθυγραμμίσουν το πλήρες στοίβαγμα και θα εκτελέσουν με ρυθμό θα ορίσουν την επόμενη δεκαετία. Οι υπόλοιποι δεν θα μείνουν μόνο πίσω. Θα γίνουν άσχετοι.