AI i AR napędzają popyt na dane – sprzęt open source odpowiada na wyzwania

Dane są krwią cyfrowej gospodarki, a wraz z pojawieniem się nowych technologii i ich rozwojem, popyt na szybsze transfery danych, niższe opóźnienia i większą moc obliczeniową w centrach danych rośnie wykładniczo. Nowe technologie poszerzają granice transmisji i przetwarzania danych, a przyjęcie technologii open source może pomóc operatorom centrów danych w maksymalizacji ich bieżących operacji i przygotowaniu się na przyszłość. Oto kilka przykładów technologii, które napędzają popyt na wysoką moc obliczeniową i sposobów, w jakie technologie open source, społeczności i standardy pomagają rozwiązywać ten problem w sposób zrównoważony.

Sztuczna inteligencja i uczenie maszynowe

Technologie sztucznej inteligencji (AI) i uczenia maszynowego (ML) rewolucjonizują różne dziedziny, takie jak przetwarzanie języka naturalnego, wizja komputerowa, rozpoznawanie mowy, systemy rekomendacji i samochody autonomiczne. AI i ML umożliwiają komputerom uczenie się z danych i wykonywanie zadań, które normalnie wymagają ludzkiej inteligencji.

Jednak AI i ML wymagają również ogromnych ilości danych i mocy obliczeniowej do szkolenia i uruchamiania złożonych modeli i algorytmów. Na przykład GPT-3, jeden z najbardziej zaawansowanych modeli języka naturalnego na świecie, ma 175 miliardów parametrów i został wyszkolony na 45 terabajtach danych tekstowych. Aby przetwarzać tak duże zestawy danych i modele w sposób wydajny, aplikacje AI i ML wymagają systemów obliczeniowych o wysokiej wydajności (HPC), które mogą dostarczyć wysokie prędkości transferu danych, niskie opóźnienia i wysoką moc obliczeniową.

Jednym z pojawiających się trendów w HPC jest użycie specjalistycznych procesorów, takich jak GPU lub TPU, które są zoptymalizowane do przetwarzania równoległego i operacji macierzowych, które są powszechne w obciążeniach AI i ML. Na przykład, procesor NVIDIA Grace CPU to nowy procesor zaprojektowany specjalnie dla aplikacji HPC, który wykorzystuje technologię GPU NVIDIA, aby dostarczyć do 10 razy wyższą wydajność niż bieżące procesory x86. Procesor Grace CPU obsługuje również szybkie połączenia, takie jak NVLink, które umożliwiają wysokie prędkości transferu danych między procesorami i GPU.

Rzeczywistość rozszerzona i wirtualna

Apple Vision Pro wywołał falę zainteresowania podczas swojego ujawnienia. Rzeczywistość rozszerzona (AR) i wirtualna (VR) to dwie z najbardziej immersyjnych i interaktywnych technologii, które transformują różne branże, takie jak rozrywka, edukacja, opieka zdrowotna i produkcja. AR nakłada informacje cyfrowe na świat rzeczywisty, podczas gdy VR tworzy w pełni symulowany środowisko, które użytkownicy mogą doświadczyć za pomocą zestawu VR.

Jednak te technologie również stawiają znaczne wyzwania dla transferu i przetwarzania danych. Ze względu na niedawne wydanie, szczegóły dotyczące Apple Vision Pro są jeszcze niejasne. Inne zestawy VR były dostępne przez jakiś czas, więc możemy zrobić pewne założenia. Na przykład, zestawy VR takie jak Oculus Quest 2 wymagają połączenia o wysokiej wydajności z komputerem lub serwerem w chmurze, aby przesyłać wysokiej jakości wideo i audio, a także dane śledzenia i wejściowe z zestawu i kontrolerów. Przepływność wideo, która jest ilością danych przesyłanych na sekundę, zależy od szybkości, z jaką GPU może zakodować sygnał po stronie komputera lub serwera, oraz szybkości, z jaką procesor zestawu może odkodować sygnał po stronie zestawu.

Zgodnie z informacjami od Oculus, zalecana przepływność dla strumieniowania VR wynosi od 150 Mbps do 500 Mbps, w zależności od rozdzielczości i częstotliwości klatek. Oznacza to, że strumieniowanie VR wymaga znacznie wyższej prędkości transferu danych niż inne działania online, takie jak przeglądanie sieci lub strumieniowanie muzyki. Ponadto, strumieniowanie VR wymaga również niskich opóźnień, które są czasem potrzebnym do przejścia sygnału z jednego punktu do drugiego. Wysokie opóźnienia mogą powodować opóźnienia lub szumy w grze, co może zniszczyć immersję i spowodować chorobę lokomocyjną.

Opóźnienia zależą od kilku czynników, takich jak szybkość sieci, odległość między urządzeniami i algorytmy kodowania i dekodowania. Zgodnie z informacjami od Oculus, optymalne opóźnienie dla strumieniowania VR jest poniżej 20 milisekund. Jednak osiągnięcie tego poziomu wydajności nie jest łatwe, zwłaszcza w przypadku połączeń bezprzewodowych, takich jak Wi-Fi lub 5G.

Technologie open source dla optymalizacji centrów danych

Wraz z pojawieniem się nowych technologii, które napędzają popyt na szybsze transfery danych, niższe opóźnienia i większą moc obliczeniową w centrach danych, operatorzy centrów danych stają przed kilkoma wyzwaniami, takimi jak zwiększony pobór mocy, wymagania dotyczące chłodzenia, wykorzystanie miejsca, koszty operacyjne i szybki postęp innowacji i odnowienia sprzętu. Aby rozwiązać te wyzwania, operatorzy centrów danych muszą zoptymalizować swoją bieżącą infrastrukturę i przyjąć nowe standardy i technologie, które mogą poprawić ich wydajność i skalowalność.

To jest cel projektu Open19, inicjatywy Sustainable and Scalable Infrastructure Alliance, która jest teraz częścią Linux Foundation. Projekt Open19 to otwarty standard dla sprzętu centrum danych, który opiera się na wspólnych formach i zapewnia następną generację wysoko wydajnych rozwiązań dla dystrybucji mocy, ponownie wykorzystywanych komponentów i możliwości dla nowych, wysokich połączeń. Misja SSIA i otwarte standardy stworzone w ramach projektu Open19 są zgodne z większymi trendami w branży w kierunku efektywności, skalowalności i zrównoważoności dla infrastruktury, która napędza nasze cyfrowe życie i społeczności. Projekt Open Compute Project to kolejna inicjatywa, która wspiera efektywne wsparcie rosnących wymagań dotyczących infrastruktury obliczeniowej. Ten projekt również promuje współpracę między partnerami branżowymi w celu rozwoju rozwiązań dla centrów danych, z uwzględnieniem rozmiarów szaf 21 cali, które są typowo używane przez duże centra danych i hyperscalery. Zakres OCP obejmuje również obiekty centrum danych, a także wewnętrzne komponenty IT serwerów.

Podsumowanie

Nowe technologie napędzają popyt na szybsze transfery danych, niższe opóźnienia i większą moc obliczeniową w centrach danych, podczas gdy społeczności, rządy i firmy koncentrują się na zarządzaniu zasobami i rosnących problemach związanych z zrównoważonym rozwojem, takich jak zużycie wody, zarządzanie energią i inne aspekty intensywnego zużycia węgla w tworzeniu, użytkowaniu i wdrożeniu technologii. Przyjęcie technologii open source, opracowanych w ramach społeczności, takich jak SSIA i Linux Foundation, może pomóc operatorom centrów danych w maksymalizacji ich bieżących operacji i przygotowaniu się na przyszłość, która jest bardziej zrównoważona, jednocześnie spełniając wymagania tych nowych, ekscytujących aplikacji.