תמונה: נוצרה באמצעות AI עבור מערכת ITPortal
כשמדברים על תשתיות AI, רוב תשומת הלב הולכת למעבדים של Nvidia ולשרתי GPU. בפועל, מרכז נתונים עמוס במאיצים אינו שווה הרבה אם המידע לא זורם ביניהם במהירות. לכן ציוד שנחשב במשך שנים לאפור ומשעמם חוזר עכשיו למרכז הבמה.
סיבים אופטיים, לייזרים, רכיבי תקשורת ומתגים מהירים הפכו לחלק חיוני בשרשרת האספקה של ה-AI. חברות ותיקות כמו Cisco, Corning, Coherent ו-Lumentum נהנות מחדש מביקוש לתשתיות שמחברות בין שרתים, ארונות ומרכזי נתונים שלמים.
ה-GPU הוא רק חלק מהמערכת
אימון והפעלת מודלים גדולים דורשים העברה רציפה של כמויות עצומות של נתונים. כאשר אלפי מאיצים עובדים יחד, כל עיכוב ברשת פוגע בניצול החומרה היקרה. במילים פשוטות, ארגון יכול להשקיע הון ב-GPU ועדיין לקבל ביצועים בינוניים בגלל תכנון רשת חלש.
האתגר אינו רק רוחב פס. צריך להתמודד עם השהיה, חום, צריכת חשמל, אמינות ויכולת להרחיב את המערכת בלי לבנות הכול מחדש. כאן נכנסים לתמונה חיבורי אופטיקה מהירים, מתגים ייעודיים ותשתיות סיבים שהונחו לעיתים לפני עשרות שנים.
הזדמנות חדשה לטכנולוגיה ותיקה
הגל הנוכחי מחזיר ערך לחברות שבנו את עמוד השדרה של האינטרנט עוד בתקופת הדוט-קום. חלק מהתשתיות הישנות, כולל תעלות וסיבים קיימים, מקבלות עכשיו חיים חדשים כחלק מחיבור בין אזורי ענן ומתקני AI.
עבור מנהלי IT, הלקח ברור: פרויקט AI תשתיתי צריך להתחיל בתכנון כולל של מחשוב, אחסון ורשת. לא מספיק לבחור שרת. כדאי לבחון את קצב התעבורה בין הרכיבים, יתירות, ניטור ויכולת גדילה.
זה גם השלב הבא של המגמה שסקרנו בכתבה על העתיד הארגוני של AI לפי AWS: פחות הדגמות, יותר מערכות שעובדות בפועל בתוך העסק, ותלויות בתשתית יציבה מאחוריהן.
