این مقاله در اصل در Light Reading ظاهر شد.
به گفته مدیران و تحلیلگران صنعت، سرمایه گذاری های اولیه در خدمات پیشرفته هوش مصنوعی (AI) به مراکز داده بزرگ هدایت می شود و شامل محاسبات لبه نمی شود. اما ممکن است در آینده تغییر کند.
«وقتی به توزیع مقیاس بزرگ استنتاج می‌رویم [AI] برایان پرایور به لایت ریدینگ گفت، این زمانی است که لبه اهمیت پیدا می‌کند. اما این به این زودی‌ها اتفاق نخواهد افتاد.
Pryor مدیر عامل Houlihan Lokey، یک شرکت بانکداری سرمایه گذاری با تمرکز بر مراکز داده است. او به پیشبرد کار اولیه شرکت در بخش محاسبات لبه‌ای کمک کرد، که شاخه‌ای از بازار رایانش ابری است که تا کنون نتوانسته است به روشی که طرفداران محاسبات لبه اولیه امیدوار بودند توسعه یابد.
به گفته پرایور، رونق فعلی هوش مصنوعی – که بر روی سرویس های هوش مصنوعی مولد مانند ChatGPT متمرکز شده است – به عنوان یک کاتالیزور برای محاسبات لبه ای عمل نخواهد کرد. حداقل الان نه.
او گفت: “سرمایه گذاری های عمده در حال حاضر در مدل های بزرگ یادگیری زبان است.” “این در واقع ارتباط کمی با لبه دارد.”
اما پرایور گفت این امکان وجود دارد که بازار هوش مصنوعی در آینده باعث افزایش تقاضا برای خدمات محاسباتی لبه‌ای شود، زمانی که این مدل‌های یادگیری به یک مدل «استنتاج» برای ارائه سریع قابلیت‌های هوش مصنوعی تغییر می‌کنند. به عنوان مثال، برنامه‌های کاربردی از ماشین‌های متصل یا طبقات کارخانه ممکن است در نهایت از خدمات هوش مصنوعی مبتنی بر استنتاج بهره‌مند شوند – و امکانات محاسبات لبه ممکن است نقش مهمی در ارائه این خدمات در آینده ایفا کنند.
“اون [inference] پرایور گفت، قطعه بسیار حساس‌تر به تأخیر خواهد بود، و بنابراین می‌تواند به زیرساخت لبه نیاز داشته باشد.
لبه هنوز مورد نیاز نیست
دیگران تا حد زیادی با دیدگاه پرایور موافق هستند.
جان دینسدیل گفت: «وظایف هوش مصنوعی معمولاً نیازهای تأخیر مشابه بسیاری از بارهای کاری دیگر را ندارند، و این امر به مقیاس‌کننده‌ها امکان می‌دهد تا سرمایه‌گذاری‌های مبتنی بر هوش مصنوعی را در مراکز داده اصلی خود متمرکز کنند، مراکزی که در مراکز اصلی اقتصادی و بازارهای مترو قرار ندارند.» یکی از تحلیلگران گروه تحقیقاتی سینرژی، در پاسخ به سوالات لایت ریدینگ. او گفت که چنین مراکز اقتصادی شامل نیویورک سیتی، سیلیکون ولی، شیکاگو و دالاس است.
اما دینزدیل استدلال کرد که در نهایت یک شبکه تحویل لبه می تواند برای بازیکنان بزرگ هوش مصنوعی مانند مایکروسافت و آمازون مهم شود.
او توضیح داد: «ترکیبی از حجم کاری ممکن است تغییر کند، اما نیاز کلی برای ارائه خدمات بهتر به ردپای جغرافیایی گسترده‌ای از مشتریان تنها قوی‌تر می‌شود. آنها به سرمایه‌گذاری هنگفت در مناطق محلی، راه‌حل‌های داخلی، گره‌های نوع CDN، نقاط حضور همزمان و روابط مخابراتی ادامه خواهند داد.»
استفان رز، مدیر ارشد صنعت مخابراتی جهانی IBM، به Light Reading گفت که زیرساخت های لبه در حال حاضر برای اکثر تلاش های مولد هوش مصنوعی مورد توجه قرار نمی گیرد. آی‌بی‌ام سرویس جدید هوش مصنوعی watsonx خود را به عنوان راهی برای شرکت‌ها – از جمله شرکت‌هایی که در صنعت مخابرات هستند – قرار می‌دهد تا استفاده خود از مدل‌های پایه هوش مصنوعی و هوش مصنوعی مولد را افزایش دهند.
اما او نیز به این نتیجه رسید که زیرساخت‌های هوش مصنوعی در نهایت راه خود را به لبه‌ها باز خواهد کرد.
انتظارات متورم
محاسبات لبه در سال های اخیر موضوع تبلیغات زیادی بوده است. این عمدتاً به دلیل این باور است که تقاضا برای محاسبات نزدیک به آنی، سرمایه‌گذاری‌ها را به سمت شبکه‌ای پراکنده از مراکز داده محاسباتی کوچک‌تر سوق می‌دهد. چنین شبکه ای نشان دهنده انحراف قابل توجهی از معماری اینترنت امروزی است که در درجه اول توسط ده ها مرکز داده عظیم که عمدتاً در شهرهای بزرگ مانند آتلانتا، فینیکس و شیکاگو قرار دارند پشتیبانی می شود.
با توجه به نیاز به متمرکز کردن منابع محاسباتی برای کارایی، فشار اینترنت و رایانش ابری باعث ایجاد این نوع از امکانات مرکز داده گسترده شد. اما محاسبات لبه با قرار دادن منابع محاسباتی نزدیک‌تر به کاربران نهایی، عملکردهای اینترنت را سرعت می‌بخشد.
و یا حداقل در تئوری اینگونه است.
همانطور که Light Reading قبلا گزارش کرده بود، تقاضا برای محاسبات لبه اساساً در طول همه‌گیری COVID-19 کاهش یافت زیرا شرکت‌های مخابراتی و مراکز داده در بحبوحه افزایش ترافیک اینترنت در عملیات اصلی خود سرمایه‌گذاری مجدد کردند. این باعث شد که اکثر شرکت کنندگان اولیه در محاسبات لبه بالا و خشک باشند.
پرایور Houlihan Lokey در میانه آن هیاهوی محاسباتی اولیه قرار داشت و پذیرفت که بازیکنان در این فضا خیلی زود بودند. اما او گفت که هوش مصنوعی در نهایت می تواند به افزایش تقاضا برای محاسبات لبه کمک کند.
هوش مصنوعی تقاضا را افزایش خواهد داد
بسیاری از شرکت‌ها روی تقاضای جدید برای محاسبات لبه حساب می‌کنند.
ما فکر می‌کنیم دارایی‌های واقعاً خوبی در آنجا داریم که واقعاً ممکن است در آینده از طریق محاسبات لبه‌ای و برخی از تقاضاهایی که از نظر شبکه‌های 5G پایین می‌آیند به دارایی‌های برج متصل شوند – برنامه‌هایی که به تأخیر کمتری نیاز دارند، راد اسمیت، مدیر ارشد مالی امریکن تاور، در جریان یک رویداد سرمایه‌گذار اخیر گفت: نیاز به ظرفیت بالاتری دارد، که می‌تواند از داشتن قدرت محاسباتی نزدیک‌تر به رادیوهای پایه سود ببرد. American Tower در سال 2021 اپراتور مرکز داده CoreSite را به عنوان بخشی از تلاشی برای موقعیت خود برای محاسبات لبه خریداری کرد.
اسمیت از جمله کسانی است که منتظر هوش مصنوعی برای افزایش تقاضا برای محاسبات لبه است.
او توضیح داد: “ما مطمئناً فکر می کنیم که هوش مصنوعی یک محرک بزرگ برای تقاضای مرکز داده برای فضای مرکز داده خواهد بود. در مراحل اولیه اینجا تقاضا برای مقیاس های بزرگ را افزایش می دهد … تجارت ما متمرکز بر مقیاس بزرگ نیست.” بنابراین، ما فکر نمی‌کنیم که هوش مصنوعی برای چند سال واقعاً سطح مادی کسب‌وکار را برای ما هدایت کند، اما فکر می‌کنیم که در راه است.»
تحلیلگران مالی در TD Cowen موافق هستند.
«ترجیح هایپراسکیلرز ادامه دادن است [data center] آنها در یادداشت اخیر خود خطاب به سرمایه گذاران در مورد افزایش داده های مرتبط با هوش مصنوعی نوشتند که اجاره در بازارهای سطح 1 انعطاف پذیر است، زیرا این ظرفیت می تواند برای پشتیبانی از یک منطقه موجود (AZ) یا برای حمایت از موارد استفاده مرتبط با هوش مصنوعی مورد استفاده قرار گیرد. سرمایه گذاری های مرکز
تحلیلگران توضیح دادند که شرکت‌های بزرگ فناوری مانند مایکروسافت و آمازون در حال خرید سخت‌افزار محاسباتی با کارایی بالا از شرکت‌هایی مانند Nvidia برای اجرای مدل‌های یادگیری هوش مصنوعی اولیه هستند. آنها گفتند که این سرمایه گذاری ها در درجه اول به مراکز داده موجود شرکت ها، که عموماً در شهرهای بزرگ ایالات متحده واقع شده اند، انجام می شود.