چرا زیرساخت در رقابت برای پذیرش اهمیت دارد؟

هوش مصنوعی برای مشاغل آماده است، اما آیا مشاغل برای هوش مصنوعی آماده هستند؟ این یکی از بزرگترین سوالاتی است که تحلیلگران، کارشناسان و مدیران در حالی که به سوی سال 2025 می رویم از خود می پرسند.

سرعت پیشرفت فناوری‌های جدید هوش مصنوعی در سال گذشته بی‌سابقه است، به طوری که تقریباً هر کسب‌وکاری در حال حاضر کاملاً روی آن کار می‌کند. هوش مصنوعی قطار مدل‌های زبان بزرگ (LLM) اکنون قابلیت استدلال دارند، الگوریتم‌های تصمیم‌گیری بهتر می‌توانند با عدم قطعیت مقابله کنند، ربات‌ها می‌توانند از طریق تقلید و تقویت یاد بگیرند، و ابتکارات ابررایانه‌ای سرعت و مقیاس‌پذیری آموزش سیستم‌های هوش مصنوعی را بهبود بخشیده است – و این فقط سطح را خراش می‌دهد.

طبق یک 2024 بررسی فناوری MIT در نظرسنجی، 95 درصد از کسب و کارها در حال حاضر به نوعی از هوش مصنوعی استفاده می کنند و بیش از نیمی از آنها به دنبال یکپارچگی کامل در دو سال آینده هستند. شتاب پشت هوش مصنوعی قابل توجه نیست، اما مانند هر فناوری در حال ظهور، قبل از رسیدن به حالت تعادل سعادتمندانه، اوج و فرودهایی وجود دارد. با توجه به چرخه هایپ گارتنربسیاری از فناوری‌ها و موارد استفاده از هوش مصنوعی که در بالا ذکر شد، اکنون در مرحله «اوج انتظارات متورم» توسعه خود هستند. انتظارات بالاست و کسب‌وکارها با جدیت هوش مصنوعی را دنبال می‌کنند تا رقبای خود را افزایش دهند. اما قبل از اینکه به «شیب روشنگری» و «فلات بهره‌وری» – هدف نهایی – برسیم، ظاهراً باید ابتدا از «تغار سرخوردگی» عبور کنیم.

مرتبط:هوش مصنوعی ماهیت ساختمان های مرکز داده را در سال 2025 تغییر خواهد داد

البته این سرخوردگی بر هر کسب و کاری تأثیری نخواهد گذاشت. آن‌هایی که به خوبی آماده شده‌اند و زیرساخت‌های مناسب و ذهنیت رشد مرحله‌ای دارند، می‌توانند از هر گونه شکست موقتی عبور کنند، اما اکثر کسب‌وکارها – با “انتظارات متورم” خود – در معرض خطر تلاش برای دویدن هستند قبل از اینکه بتوانند با آنها راه بروند. هوش مصنوعی

یکی از چالش‌های اصلی پیش روی کسب‌وکارها در مورد هوش مصنوعی، داشتن زیرساخت‌های اساسی برای کارکرد آن است. بسته به مورد استفاده، هوش مصنوعی می تواند یک فناوری فوق العاده خواستار باشد. برخی از بارهای کاری هوش مصنوعی الگوریتمی از استنتاج بلادرنگ استفاده می کنند که بدون اتصال مستقیم، پهنای باند بالا و با تأخیر کم، به شدت ضعیف عمل می کند. یک مثال بارز از «دویدن قبل از اینکه بتوانید راه بروید» با هوش مصنوعی، استفاده از چنین موردی بدون اطمینان از اینکه زیرساخت شبکه شما به خوبی انجام شده است، است. بنابراین چگونه شرکت‌ها می‌توانند اطمینان حاصل کنند که زیرساخت هوش مصنوعی برنده دارند تا بتوانند در هوش مصنوعی «برنده» شوند؟

افزایش دسترسی به ابر

مسیر یک سازمان به ابر در واقع ستون اصلی هر استراتژی موفق هوش مصنوعی است. مقیاس بزرگی که در آن سازمان‌ها در حال جمع‌آوری و استفاده از داده‌ها هستند به این معنی است که ذخیره هر قطعه اطلاعات در محل دیگر به سادگی قابل دوام نیست. در عوض، مبتنی بر ابر دریاچه های داده و انبارها در حال حاضر معمولا برای ذخیره داده ها استفاده می شوند و دسترسی ساده به این داده ها ضروری است.

مرتبط:دریاچه‌های داده تکامل می‌یابند: معماری تفرقه‌انگیز عصر جدید تجزیه و تحلیل هوش مصنوعی را تقویت می‌کند

اما این تغییر فقط مربوط به مقیاس یا ذخیره سازی نیست – بلکه مربوط به آن است قابلیت. مدل‌های هوش مصنوعی، به‌ویژه آن‌هایی که نیاز به آموزش فشرده دارند، اغلب در فضای ابری قرار دارند، جایی که مقیاس‌کننده‌های بزرگ می‌توانند چگالی توان و قابلیت‌های GPU را ارائه دهند که مراکز داده داخلی معمولاً نمی‌توانند از آن پشتیبانی کنند. انتخاب ارائه دهنده ابر مناسب در این زمینه البته حیاتی است، اما تغییر دهنده واقعی بازی در این نیست سازمان بهداشت جهانی از اتصال، اما چگونه.

تکیه بر اینترنت عمومی برای دسترسی به ابر، تنگناها و خطراتی را با مسیرهای غیرقابل پیش بینی، تأخیر متغیر و امنیت به خطر می اندازد. اینجاست که پلتفرم های اتصال متقابل مجهز به قابلیت های ابری و تبادل هوش مصنوعی وارد عمل می شوند. نسخه‌های مرکز داده و شرکت‌های خنثی این پلتفرم‌ها – که به طور فزاینده‌ای محبوب می‌شوند – مسیرهای انعطاف‌پذیر، مستقیم و ایمن را برای چندین اپراتور ابر پیشرو به کسب‌وکارها ارائه می‌کنند که توسط قراردادهای سطح سرویس (SLA) پشتیبانی می‌شوند که عملکرد و قابلیت اطمینان بالا را تضمین می‌کنند.

مرتبط:شبکه های نسل بعدی: بررسی کاربرد روترهای هوشمند در مراکز داده

علاوه بر این، آنها با فعال کردن راه‌حل‌های اتصال خصوصی مبتنی بر SLA که هزینه‌های خروج از ابر را به حداقل می‌رسانند، هزینه‌های مرتبط با جابجایی داده‌ها را کاهش می‌دهند. برای سازمان‌هایی با عملیات چندمکانی یا نیاز به افزونگی، استفاده از مناطق ابری متنوع، نزدیکی داده‌ها به کاربران را تضمین می‌کند، تأخیر را به حداقل می‌رساند و انعطاف‌پذیری را افزایش می‌دهد. رویکرد چند ابری از این هم فراتر می رود و به کسب و کارها اجازه می دهد از قفل شدن فروشنده اجتناب کنند و تنظیمات خود را با بهترین خدمات موجود بهینه کنند. با راه‌حل‌های پیشرفته مسیریابی ابری که پیچیدگی‌ها را مدیریت می‌کنند، کسب‌وکارها می‌توانند از قابلیت همکاری یکپارچه و تبادل داده با تأخیر کم اطمینان حاصل کنند و برنامه‌های هوش مصنوعی را قادر می‌سازند در زیرساختی قوی، کارآمد و ایمن رشد کنند.

کاوش در چشم انداز مرکز داده

چشم انداز مرکز داده در حال شکوفایی است. طبق تحقیقات ما، ایالات متحده اکنون بیش از 11000 مگاوات ظرفیت مرکز داده دارد و تعداد اپراتورهای مرکز داده در دهه گذشته 250 درصد افزایش یافته است. انتخاب مرکز داده یک سازمان برای تحول هوش مصنوعی حیاتی است – یک رویکرد متعادل که ترکیبی از مقیاس‌کننده‌های فرامقیاس، مراکز داده هم‌محل و حتی برخی از امکانات داخلی است، راه خوبی برای تنوع بخشیدن به نیازهای هوش مصنوعی آینده است.

در حالی که هایپراسکیلرها به دلیل چگالی توان و قابلیت‌های GPU برای آموزش مدل‌های بزرگ هوش مصنوعی ضروری هستند، مراکز داده کولوکیشن، در حالی که معمولا کوچک‌تر هستند، همچنان نقش مهمی را ایفا می‌کنند. استنتاج – فرآیندی که طی آن الگوریتم های هوش مصنوعی پاسخ های بلادرنگ را اجرا می کنند.

چالش در آنجا نهفته است. علیرغم رونق مرکز داده در مراکز ایالات متحده مانند دالاس، فینیکس و نیویورک، تحقیقات ما نشان می‌دهد که نرخ مشاغل خالی به 1-4٪ کاهش یافته است که ناشی از افزایش پذیرش هوش مصنوعی و LLM است. بنابراین، کسب‌وکارها برای دنبال کردن اهداف هوش مصنوعی خود باید افق‌های خود را گسترش دهند و فرصت‌های مرکز داده را در بازارهای ثانویه، حتی بازارهای خارج از مراکز شهری، بررسی کنند. که اکنون به لطف اتصال و استفاده از مبادلات اینترنتی یا IX توزیع شده امکان پذیر است.

قدرت اتصال

مبادلات اینترنتی (IX) پلتفرم‌های فیزیکی هستند که در آن‌ها متعدد هستند شبکه هااز جمله ارائه‌دهندگان خدمات اینترنتی (ISP)، مراکز داده و شبکه‌های تحویل محتوا (CDN)، برای تبادل مستقیم ترافیک بین یکدیگر از طریق همتاسازی به یکدیگر متصل می‌شوند.

با تسهیل تبادل داده ها از طریق کوتاه ترین و سریع ترین مسیرهای شبکه، IX ها می توانند عملکرد شبکه را بهبود بخشند، هزینه ها را کاهش دهند و اتصال با تاخیر کم را برای همه شرکت کنندگان تضمین کنند. مهمتر از همه، آنها به کسب و کارها اجازه می دهند تا از مراکز داده خارج از مرزهای جغرافیایی سنتی خود استفاده کنند، بنابراین کسب و کاری که به دلیل نرخ پایین جای خالی در نیویورک نمی تواند ظرفیت پیدا کند، می تواند به طور یکپارچه از ظرفیت یک منطقه مجاور استفاده کند.

در ادامه آخرین اخبار شبکه را بخوانید

تعداد IX ها در ایالات متحده در سال های اخیر افزایش یافته است، به طوری که تعداد IX های مقیاس بزرگ (که بیش از 50 شبکه را به هم متصل می کنند، و بسیاری از آنها در صدها شبکه) از سال 2014 تا 350 درصد افزایش یافته است. به ویژه، اکثریت این IX های تازه تاسیس بر اساس مرکز داده توزیع شده و مدل IX خنثی حامل کار می کنند. این مدل‌های خنثی، عاری از قفل شدن فروشنده و با تراکم بیشتر شبکه‌های به هم پیوسته، به کسب‌وکارها برای ایجاد زیرساخت‌های متنوع و جغرافیایی توزیع‌شده متناسب با خواسته‌های هوش مصنوعی برای دسترسی سریع و قابل اعتماد به داده‌ها، قدرت می‌دهند. از آنجایی که این IX ها به یک حامل یا مرکز داده متصل نیستند، آنها انعطاف پذیری و افزونگی داخلی را برای کسب و کارها فراهم می کنند – اگر یک مسیر داده پرتراکم باشد، می توان از مسیر دیگری استفاده کرد. تحقیقات ما نشان می‌دهد که امروزه بیش از 80 درصد از IXها در ایالات متحده دارای یک مدل عملیاتی خنثی یا ترکیبی خنثی هستند که از مدل سنتی IX مرکز داده/حمل‌کننده پیشی گرفته است.

اتصال پرسرعت و با تأخیر کم تقاضای زیادی دارد، اما انتظار برای ظرفیت مرکز داده جدید برای مشاغلی که می‌خواهند در مسابقه هوش مصنوعی پیشروی کنند، کارساز نیست. به همین دلیل است که اتصالات کلیدی است. این زنجیره‌های جغرافیایی را که به طور سنتی کسب‌وکارها را عقب نگه می‌داشت، حذف می‌کند و یک پایه اتصال محکم ایجاد می‌کند که مسیری هموار و ثابت را در انقلاب هوش مصنوعی تضمین می‌کند.