ความร่วมมือ

Eminence Grey และ Lumen ร่วมมือเพื่อเชื่อมต่อ AI อิสระทั่วสหรัฐอเมริกา

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Conceptual illustration of distributed AI computing facilities connected by private fiber paths within a controlled boundary

ขอบเขตความปลอดภัยของระบบ AI ไม่สิ้นสุดที่แร็คเซิร์ฟเวอร์ เมื่อโมเดลดึงข้อมูลที่ละเอียดอ่อนจากหลายสำนักงาน ศูนย์ข้อมูล และสถานที่ปฏิบัติการ การเชื่อมต่อระหว่างสถานที่เหล่านั้นจึงกลายเป็นส่วนหนึ่งของโครงสร้างพื้นฐานที่องค์กรต้องควบคุม

Eminence Grey และ Lumen Technologies กำลังแก้ไขความท้าทายนี้ผ่านความร่วมมือที่ประกาศเมื่อวันที่ 8 ตุลาคม โดยผสานแพลตฟอร์ม AI อิสระของ Eminence Grey กับเครือข่ายขอบเขตและเครือข่ายที่โปรแกรมได้ของ Lumen ความร่วมมือนี้มุ่งเป้าไปที่หน่วยงานรัฐบาล บริษัท และนักพัฒนา AI ที่ต้องการเชื่อมต่อภาระงานกระจายศูนย์ขณะยังคงควบคุมข้อมูลและสภาพแวดล้อมการดำเนินงานของตน

บริษัทต่างกล่าวว่าข้อเสนอเป็นพื้นฐานสำหรับโครงสร้างพื้นฐาน AI ส่วนตัวและเฉพาะกิจทั่วสหรัฐอเมริกา ลูกค้าจะสามารถจองระบบที่ออกแบบล่วงหน้าหรือออกแบบตามความต้องการได้ โดยความพร้อมใช้งาน การกำหนดค่า และการดำเนินการจะขึ้นอยู่กับข้อกำหนดของพวกเขา

AI อิสระต้องการเครือข่ายเช่นเดียวกับการประมวลผล

ความร่วมมือครอบคลุมสามคำถามที่เชื่อมโยงกัน: ข้อมูลถูกประมวลผลที่ใด, ใครสามารถเข้าถึงได้และข้อมูลเดินทางระหว่างระบบอย่างไร การปรับใช้สามารถใช้ GPU เฉพาะได้ แต่ยังคงพึ่งพาการเชื่อมต่อหรือเส้นทางการจัดการที่อาจเพิ่มความเสี่ยง

Eminence Grey ให้บริการโหนด AI, กลุ่ม GPU และคลัสเตอร์การคำนวณประสิทธิภาพสูง, แพลตฟอร์มควบคุมและสั่งการ Whitehorse, และอุปกรณ์เข้าถึง Outrider ส่วน Lumen จัดหาเครือข่ายที่โปรแกรมได้เพื่อเชื่อมโยงสภาพแวดล้อมเหล่านั้น สนับสนุนภาระงานกระจาย, ความทนทานและความต่อเนื่องในการดำเนินงาน

บริษัทระบุว่าแพลตฟอร์มรวมถูกออกแบบเพื่อมอบโครงสร้างพื้นฐานเฉพาะ, การแยกที่ตรวจสอบได้และไม่มีการเปิดเผยต่ออินเทอร์เน็ตตลอดวงจรชีวิตของข้อมูล นั่นเป็นเป้าหมายสถาปัตยกรรมที่ระบุไว้; การเปิดตัวไม่ได้ให้การประเมินความปลอดภัยเฉพาะการปรับใช้หรือเกณฑ์ประสิทธิภาพอิสระ

“AI อิสระไม่ได้เกี่ยวกับที่ตั้งของข้อมูลเท่านั้น แต่เกี่ยวกับวิธีที่ข้อมูลเคลื่อนที่” นาย Jim Fowler เจ้าหน้าที่เทคโนโลยีและผลิตภัณฑ์ระดับสูงของ Lumen กล่าวในแถลงการณ์ จุดยืนของเขาเน้นความท้าทายด้านวิศวกรรมหลักของความร่วมมือ: การรักษาการควบคุมขณะข้อมูลเคลื่อนที่ออกนอกตำแหน่งใดตำแหน่งหนึ่ง

Whitehorse เพิ่มอะไรให้กับโครงสร้างพื้นฐาน

Eminence Grey’s เว็บไซต์ อธิบายว่า Whitehorse เป็นแพลตฟอร์มควบคุมที่เป็นกรรมสิทธิ์และกำลังขอจดสิทธิบัตร ซึ่งประสานการทำงานของโครงข่าย AI ส่วนตัวของบริษัททั่วหลายสถานที่ มันถูกออกแบบให้รวมสิ่งอำนวยความสะดวก, เครือข่าย, การประมวลผลและความปลอดภัยไว้ในสภาพแวดล้อมการทำงานเดียว พร้อมด้วยการจัดการ, การแบ่งส่วน, การบังคับใช้นโยบายและการมองเห็นระดับภาระงาน

บริษัทนำเสนอธุรกิจโดยรวมของตนเป็น Infrastructure-as-a-Service: การออกแบบ, การสร้างและการดำเนินการสภาพแวดล้อม AI ส่วนตัวสำหรับองค์กรที่ต้องการการควบคุมและความทนทาน กระบวนการมีส่วนร่วมของบริษัทเริ่มตั้งแต่การประเมินและการกำหนดสถาปัตยกรรมผ่านการทดลอง, การขยายและการเพิ่มประสิทธิภาพ

แนวทางนี้ขยายข้อเสนอออกไปไกลกว่าการซื้อความจุ GPU มูลค่าการดำเนินงานจะมาจากการจัดตำแหน่ง, กฎการเข้าถึง, การเฝ้าติดตามและความต่อเนื่องทั่วโครงสร้างพื้นฐานที่สนับสนุนแอปพลิเคชัน AI

ให้พิจารณาเอเจนต์ระดับองค์กรที่ดึงเอกสารภายในและกระตุ้นกระบวนการทำงานในระบบธุรกิจ การสรุปผลที่เร็วขึ้นเพียงอย่างเดียวไม่สามารถกำหนดได้ว่าการปรับใช้นั้นเหมาะสมหรือไม่ องค์กรยังต้องทราบว่าเอเจนต์สามารถเข้าถึงระบบใด, ขอบเขตข้อมูลใดที่ใช้บังคับและหลักฐานใดจะเหลืออยู่เมื่อทำการกระทำ ควบคุมแพลตฟอร์มคือที่ที่นโยบายโครงสร้างพื้นฐานสามารถประสานงานระหว่างส่วนที่เคลื่อนที่เหล่านั้น

การประกาศระบุว่า Outrider เป็นอุปกรณ์เข้าถึง แต่ไม่ได้ระบุโปรโตคอลหรือความสามารถโดยละเอียด บทบาทและการกำหนดค่าที่แม่นยำของมันจึงต้องกำหนดเป็นส่วนหนึ่งของการออกแบบระบบของลูกค้า

Lumen จัดหาเลเยอร์การเชื่อมต่อ

Lumen’s Connectivity Fabric ให้บริบทที่เป็นประโยชน์สำหรับด้านเครือข่ายที่โปรแกรมได้ของความร่วมมือ บริษัทอธิบายว่ามีพอร์ทัลบริการตนเองและระบบอัตโนมัติวงจรชีวิตสำหรับการซื้อ, การปรับใช้และการจัดการระยะไกลของบริการเครือข่ายตามการใช้

พอร์ตโฟลิโอเครือข่ายโดยรวมของบริษัทผสานโครงสร้างพื้นฐานไฟเบอร์, คลาวด์ขอบและบริการการเชื่อมต่อสำหรับแอปพลิเคชันกระจาย ความสามารถที่มีอยู่เหล่านี้ช่วยอธิบายบทบาทของ Lumen ในความร่วมมือที่ต้องเชื่อมต่อความจุ AI ข้ามหลายไซต์ แม้ว่าการประกาศจะไม่ได้ระบุว่าบริการแต่ละรายการใดจะรวมอยู่ในการกำหนดค่าของลูกค้าแต่ละราย

สำหรับ AI ที่กระจาย การเชื่อมต่อเครือข่ายมีผลต่อความเร็วที่ข้อมูลจะถึงการประมวลผลและความเชื่อถือได้ของแอปพลิเคชันในการดำเนินต่อเมื่อสภาพแวดล้อมเปลี่ยนแปลง การเปิดตัวระบุว่าระบบถูกออกแบบสำหรับภาระงานที่ทนทานและความหน่วงต่ำโดยใช้ GPU กระจายและทรัพยากรการคำนวณประสิทธิภาพสูง แต่ไม่ได้ให้เป้าหมายความหน่วงเวลาสากล, สเปคความจุ หรือกำหนดการปรับใช้ใด ๆ

ประโยชน์เชิงปฏิบัติขึ้นอยู่กับการจับคู่การออกแบบเครือข่ายกับภาระงาน ระบบที่ประมวลผลข้อมูลใกล้แหล่งที่มามีความต้องการที่แตกต่างจากการโอนข้อมูลขนาดใหญ่ระหว่างศูนย์คอมพิวเตอร์ ตัวเลือกการออกแบบตามสั่งของความร่วมมือเปิดโอกาสให้มีการแยกแยะเหล่านี้

ข้ออ้างด้านความปลอดภัยต้องมีหลักฐานระดับการใช้งานจริง

คำอธิบายบริษัทของ Eminence Grey ยังรวมถึงการเชื่อมต่อไฟเบอร์ส่วนตัวและการเข้ารหัสหลังควอนตัม รายงานไม่ได้ระบุอัลกอริทึมการเข้ารหัสเฉพาะ, การรับรอง หรือรายละเอียดการดำเนินการสำหรับข้อเสนอร่วมนี้

ในทำนองเดียวกัน การแยกโครงสร้างพื้นฐานออกจากอินเทอร์เน็ตสาธารณะเป็นการกำหนดขอบเขตการเปิดเผย ซึ่งโดยตัวมันเองไม่ได้กำหนดวิธีการจัดการตัวตน, การอัปเดตซอฟต์แวร์, การบริหาร, การบันทึกหรือการกู้คืน รายละเอียดเหล่านี้เป็นส่วนหนึ่งที่ลูกค้าต้องประเมินเมื่อแปลงการออกแบบของแพลตฟอร์มให้เป็นสภาพแวดล้อมการทำงานสำหรับภาระงาน AI ของตนเอง

สำหรับองค์กรที่ต้องปกป้องการวิจัยที่เป็นทรัพย์สินส่วนบุคคล, บันทึกที่อยู่ภายใต้การควบคุม หรือข้อมูลที่มีความสำคัญต่อภารกิจ ความสำคัญของความร่วมมือครั้งนี้คือความพยายามที่จะนำการประมวลผลและการเคลื่อนย้ายข้อมูลมาอยู่ภายใต้โมเดลการดำเนินงานที่ประสานกัน Eminence Grey และ Lumen กำลังเชื่อมต่อชั้นโครงสร้างพื้นฐานที่เสริมกันในช่วงที่การใช้งาน AI ต้องการทั้งสองอย่างมากขึ้น

มาตรการต่อไปของความร่วมมือจะเป็นระบบที่ลูกค้าสามารถกำหนดค่าและดำเนินการได้จริง ได้แก่ ขอบเขตการแยกส่วน, พฤติกรรมของเครือข่าย, หลักฐานการตรวจสอบและความสามารถในการรักษาการให้บริการเมื่อต้องเผชิญกับการหยุดชะงัก รายละเอียดเหล่านี้จะกำหนดว่าคำสัญญาของ AI แบบอธิปไตยจะกลายเป็นสภาพแวดล้อมการผลิตที่ใช้งานได้อย่างไร

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว