基于IOWN分布式数据中心的分布式AI推理联合现场验证

向以网络为中心的人工智能基础设施演进

人工智能驱动型应用（例如智慧城市服务、工业自动化和实时图像分析）的快速发展，对超低延迟处理、可扩展的GPU利用率和高带宽连接提出了越来越高的要求。. 传统的集中式数据中心架构在满足这些新兴需求方面日益面临局限性。. 。为了克服这些挑战，智邦、Edgecore、NCHC、NIAR 和 NTT 发起了一项协作现场验证研究. 这项研究成功证明了基于IOWN的全光子网络（APN）在连接台湾和日本数据中心的基础上进行分布式人工智能推理的可行性。.

跨境合作生态系统 这个多领域项目采取了独特的执行方式，即在实际的现场部署，而不是在受控的实验室模拟环境中进行。. 每个合作伙伴都为生态系统带来了专业知识：

• NTT提供了IOWN架构、APN连接技术和编排控制。.

• Accton贡献了人工智能基础设施架构和解耦式硬件平台。.

• Edgecore交付了系统集成、光网络和运营管理平台.

• NCHC 和 NIAR 提供了分布式 GPU 计算环境、验证设施和 AI 工作负载执行平台。. 他们通力合作，成功验证了一种涉及网络、光传输、人工智能基础设施和运营集成的跨境架构。.

验证框架及结果 该合作项目利用智能交通监控示范项目作为实际验证框架。. 目标是评估人工智能服务是否可以在地理位置分散的计算资源上动态执行。. 现场验证证实，分布式人工智能推理可以在地理位置分散的站点之间以稳定的延迟执行，这主要得益于基于APN的连接性。. 此外，该项目还证明，分布式GPU资源的协调可以独立于物理位置进行。. 通过集成数据中心互连 (DCI) 编排和光波长交换技术，该基础设施支持高度灵活的流量工程。.

开放式织物货架解决方案及未来展望 基于这些积极成果，各组织评估了一种名为开放式光纤机架解决方案的可部署模型。. 这种模块化、解耦式架构集成了应用服务器、APN 连接、DCI 网关和开放式网络平台，以支持下一代以网络为中心的 AI 服务。. 本白皮书提出的根本性架构转变，是从以设备为中心的计算向以网络为中心的分布式人工智能基础设施的转型。.

总之，这项联合实地验证表明，多方生态系统合作对于加速全球可部署人工智能基础设施的演进至关重要。. 通过利用 IOWN APN 和解耦硬件，科技行业可以从孤立的计算模式转型为高效、面向未来的 AI 框架。.