AI & AR Mengemudi Permintaan Data – Perangkat Keras Open Source Memenuhi Tantangan

Data adalah darah hidup dari ekonomi digital, dan ketika teknologi baru muncul dan berkembang, permintaan untuk kecepatan transfer data yang lebih cepat, latensi yang lebih rendah, dan daya komputasi yang lebih tinggi di pusat data meningkat secara eksponensial. Teknologi baru ini mendorong batas-batas transmisi dan pemrosesan data, dan mengadopsi teknologi open source dapat membantu operator pusat data memaksimalkan operasi mereka saat ini dan mempersiapkan diri untuk masa depan. Berikut beberapa contoh teknologi yang mendorong permintaan untuk komputasi tinggi dan cara teknologi open source, komunitas, dan standar membantu menangani permintaan ini secara besar-besaran dan berkelanjutan.

Kecerdasan Buatan dan Pembelajaran Mesin

Teknologi kecerdasan buatan (AI) dan pembelajaran mesin (ML) merevolusi berbagai domain seperti pemrosesan bahasa alami, penglihatan komputer, pengenalan suara, sistem rekomendasi, dan mobil self-driving. AI dan ML memungkinkan komputer untuk belajar dari data dan melakukan tugas yang biasanya memerlukan kecerdasan manusia.

Namun, AI dan ML juga memerlukan jumlah data yang besar dan daya komputasi untuk melatih dan menjalankan model dan algoritma yang kompleks. Misalnya, GPT-3, salah satu model bahasa alami yang paling maju di dunia, memiliki 175 miliar parameter dan dilatih pada 45 terabyte data teks. Untuk memproses dataset dan model skala besar ini secara efisien, aplikasi AI dan ML memerlukan sistem komputasi kinerja tinggi (HPC) yang dapat menyediakan kecepatan transfer data yang tinggi, latensi yang rendah, dan daya komputasi yang tinggi.

Salah satu tren yang muncul dalam HPC adalah menggunakan prosesor khusus seperti GPU atau TPU yang dioptimalkan untuk pemrosesan paralel dan operasi matriks yang umum dalam beban kerja AI dan ML. Misalnya, prosesor CPU Grace dari NVIDIA adalah prosesor baru yang dirancang khusus untuk aplikasi HPC yang menggunakan teknologi GPU NVIDIA untuk menyediakan kinerja yang hingga 10 kali lebih cepat daripada CPU x86 saat ini. Prosesor CPU Grace juga mendukung interkoneksi cepat seperti NVLink yang memungkinkan kecepatan transfer data yang tinggi antara CPU dan GPU.

Realitas Tambah dan Realitas Virtual

Apple Vision Pro membuat gelombang besar saat peluncurannya. Realitas tambah (AR) dan realitas virtual (VR) adalah dua teknologi yang paling imersif dan interaktif yang mengubah berbagai industri seperti hiburan, pendidikan, perawatan kesehatan, dan manufaktur. AR menumpangkan informasi digital di atas dunia nyata, sedangkan VR menciptakan lingkungan yang sepenuhnya simulasi yang dapat dialami pengguna melalui headset.

Namun, teknologi ini juga menimbulkan tantangan signifikan untuk transfer dan pemrosesan data. Karena rilisnya yang baru, detail seputar Apple Vision Pro masih belum lengkap. Namun, kita dapat membuat beberapa asumsi berdasarkan VR headset lain yang sudah ada. Misalnya, VR headset seperti Oculus Quest 2 memerlukan koneksi kecepatan tinggi ke PC atau server cloud untuk streaming konten video dan audio berkualitas tinggi, serta data pelacakan dan input dari headset dan pengontrol. Kecepatan bit video, yang merupakan jumlah data yang ditransfer per detik, tergantung pada kecepatan GPU dapat mengkodekan sinyal pada sisi PC atau server, dan kecepatan prosesor Quest 2 dapat mendekode sinyal pada sisi headset.

Menurut Oculus, kecepatan bit yang disarankan untuk streaming VR adalah antara 150 Mbps hingga 500 Mbps, tergantung pada resolusi dan frame rate. Ini berarti bahwa streaming VR memerlukan kecepatan transfer data yang jauh lebih tinggi daripada kegiatan online lainnya seperti browsing web atau streaming musik. Selain itu, streaming VR juga memerlukan latensi yang rendah, yang merupakan waktu yang dibutuhkan untuk sinyal untuk melakukan perjalanan dari satu titik ke titik lain. Latensi yang tinggi dapat menyebabkan gameplay yang laggy atau jittery, yang dapat merusak imersi dan menyebabkan mabuk perjalanan.

Latensi tergantung pada beberapa faktor seperti kecepatan jaringan, jarak antara perangkat, dan algoritma pengkodean dan pendekodean. Menurut Oculus, latensi ideal untuk streaming VR adalah di bawah 20 milidetik. Namun, mencapai tingkat kinerja ini tidaklah mudah, terutama melalui koneksi nirkabel seperti Wi-Fi atau 5G.

Teknologi Open Source untuk Optimasi Pusat Data

Ketika teknologi baru mendorong permintaan untuk kecepatan transfer data yang lebih cepat, latensi yang lebih rendah, dan daya komputasi yang lebih tinggi di pusat data, operator pusat data menghadapi beberapa tantangan seperti konsumsi daya yang meningkat, persyaratan pendinginan yang baru, utilisasi ruang, biaya operasional, dan kecepatan inovasi dan penyegaran perangkat keras yang cepat. Untuk mengatasi tantangan ini, operator pusat data perlu mengoptimalkan infrastruktur mereka saat ini dan mengadopsi standar dan teknologi baru yang dapat meningkatkan efisiensi dan skalabilitas mereka.

Ini adalah tujuan dari Proyek Open19, sebuah inisiatif Sustainable and Scalable Infrastructure Alliance yang sekarang menjadi bagian dari Linux Foundation. Proyek Open19 adalah standar terbuka untuk perangkat keras pusat data yang berbasis pada faktor bentuk umum dan menyediakan distribusi daya yang sangat efisien, komponen yang dapat digunakan kembali, dan peluang untuk interkoneksi kecepatan tinggi yang muncul. Misi SSIA dan standar terbuka yang dibuat melalui Proyek Open19 sejalan dengan upaya industri yang lebih luas untuk mencapai efisiensi, skalabilitas, dan keberlanjutan untuk infrastruktur yang memungkinkan kehidupan digital dan komunitas kita. Proyek Open Compute adalah upaya lain untuk mendukung permintaan yang meningkat pada infrastruktur komputasi secara efisien. Proyek ini juga memfasilitasi kolaborasi komunitas di antara mitra industri untuk mengembangkan solusi pusat data, dengan fokus pada ukuran rak server 21 inci yang biasanya digunakan oleh penyedia layanan colocation dan hyperscaler. Ruang lingkup OCP juga mencakup fasilitas pusat data, serta komponen IT internal server.

Kesimpulan

Teknologi baru mendorong permintaan untuk kecepatan transfer data yang lebih cepat, latensi yang lebih rendah, dan daya komputasi yang lebih tinggi di pusat data, sementara komunitas, pemerintah, dan perusahaan fokus pada manajemen sumber daya dan kekhawatiran keberlanjutan seputar penggunaan air, manajemen daya, dan aspek karbon intensif lainnya dari teknologi penciptaan, penggunaan, dan penerapan. Mengadopsi teknologi open source, yang dikembangkan dalam forum komunitas seperti SSIA dan Linux Foundation, dapat membantu operator pusat data memaksimalkan operasi mereka saat ini dan mempersiapkan diri untuk masa depan yang lebih berkelanjutan saat mereka memenuhi permintaan aplikasi baru yang menarik ini.