Совместная полевая проверка распределенного вывода ИИ в распределенных центрах обработки данных на базе IOWN.

Эволюция в сторону сетецентрической инфраструктуры искусственного интеллекта

Быстрое развитие приложений, основанных на искусственном интеллекте, таких как сервисы для «умных городов», промышленная автоматизация и анализ изображений в реальном времени, все чаще требует обработки с минимальной задержкой, масштабируемого использования графических процессоров и высокоскоростного подключения.. Традиционные архитектуры централизованных центров обработки данных все чаще сталкиваются с ограничениями в удовлетворении этих новых требований.. Чтобы преодолеть эти проблемы, Accton, Edgecore, NCHC, NIAR и NTT инициировали совместное полевое исследование.. Данное исследование успешно продемонстрировало жизнеспособность распределенного вывода данных с использованием ИИ в сети на основе фотоники (APN) IOWN, соединяющей центры обработки данных на Тайване и в Японии..

Трансграничная экосистема сотрудничества Этот многопрофильный проект был уникальным образом реализован в виде практического внедрения на местах, а не в контролируемой лабораторной имитации.. Каждый партнер внес в экосистему свой специализированный опыт:

• Компания NTT предоставила архитектуру IOWN, технологии подключения APN и систему управления оркестрацией..

• Компания Accton внесла свой вклад в разработку архитектуры инфраструктуры ИИ и дезагрегированных аппаратных платформ..

• Компания Edgecore разработала платформы для системной интеграции, оптических сетей и оперативного управления..

• NCHC и NIAR предоставили распределенные вычислительные среды на графических процессорах, средства проверки и платформы для выполнения задач искусственного интеллекта.. Работая вместе, они успешно подтвердили работоспособность трансграничной архитектуры, включающей сетевые технологии, оптическую передачу данных, инфраструктуру искусственного интеллекта и операционную интеграцию..

Структура валидации и результаты. В рамках партнерства в качестве практической основы для проверки была использована демонстрационная версия системы интеллектуального мониторинга дорожного движения.. Целью исследования было оценить, можно ли динамически выполнять сервисы искусственного интеллекта на географически распределенных вычислительных ресурсах.. Полевая проверка подтвердила, что распределенный вывод ИИ может выполняться на географически удаленных площадках со стабильной задержкой, чему значительно способствует подключение на основе сети APN.. Кроме того, проект доказал, что распределенные ресурсы графических процессоров могут координироваться независимо от физического местоположения.. Благодаря интеграции технологий оркестрации межцентровых соединений (DCI) и оптической коммутации длин волн, инфраструктура обеспечивала высокогибкое управление трафиком..

Открытое решение для тканевых стеллажей и перспективы на будущее Опираясь на эти положительные результаты, организации оценили развертываемую модель, известную как Open Fabric Rack Solution.. Эта модульная, дезагрегированная архитектура объединяет серверы приложений, APN-подключение, шлюзы DCI и открытые сетевые платформы для поддержки сетецентрических сервисов искусственного интеллекта следующего поколения.. Предлагаемый в этом документе фундаментальный архитектурный сдвиг заключается в переходе от вычислений, ориентированных на устройства, к распределенной инфраструктуре искусственного интеллекта, ориентированной на сети..

В заключение, данная совместная полевая проверка демонстрирует, что сотрудничество в рамках многосторонней экосистемы имеет решающее значение для ускорения развития глобально развертываемой инфраструктуры искусственного интеллекта.. Благодаря использованию IOWN APN и дезагрегированного оборудования, технологическая отрасль может перейти от разрозненных вычислительных систем к высокоэффективной, перспективной платформе искусственного интеллекта..