de.wedoany.com-Bericht: Clayton Wagar, Leiter für KI und Hochleistungsnetzwerke bei Nokia, erklärte in einem von BizClik veranstalteten Webinar, dass die eigentliche Herausforderung der KI-Infrastruktur darin besteht, dass die Geschwindigkeit des Datenverkehrs schnell genug sein muss, um Schritt zu halten. Er ist der Ansicht, dass die KI-Infrastruktur in eine neue Phase eintritt, in der die Bedeutung des Netzwerks gleichwertig mit der Rechenleistung ist.
Für Rechenzentrumsbetreiber und Telekommunikationsdienstanbieter wirkt die sich daraus ergebende Gelegenheit vertraut. Clayton erklärte, dass Cloud-Anbieter Jahrzehnte gebraucht haben, um den Betrieb im Hyperscale-Maßstab zu erlernen, während KI die Anforderungen der traditionellen Hyperscale-Infrastruktur mit den Leistungsanforderungen des Supercomputings vereint und Betreiber dazu veranlasst, neu zu überdenken, wie KI-Cluster über Gebäude, Standorte und sogar Regionen hinweg verbunden werden. Da KI-Systeme durch agentische KI zunehmend komplexer werden und Abfragen von verteilten Speichern, mehreren Diensten und geografisch getrennten Infrastrukturen abhängen, wird ein Hochleistungsnetzwerk zur Grundlage der Benutzererfahrung.
Die fünf wichtigsten Erkenntnisse aus diesem Webinar umfassen: Der Leistungsengpass der KI verlagert sich – der entscheidende Faktor für KI-Leistung und Skalierbarkeit verschiebt sich von reiner Rechenleistung hin zum Datentransport; KI-Bereitstellungen skalieren auf Millionen-GPU-Größenordnungen mit beispiellosem Bedarf an Fläche, Strom und Netzwerk; physikalische Grenzen treiben den Wandel von elektrischen zu optischen Verbindungen voran, wobei optische Netzwerke über größere Entfernungen mehr Bandbreite mit höherer Effizienz bieten können; KI-Infrastruktur ähnelt zunehmend Dienstanbieternetzwerken, wobei Fernverbindungen, Ausfallsicherheit und feingranulare Verwaltung notwendiger werden; traditionelle Rechenzentren müssen sich durch neue Kühltechnologien und neu gestaltete Layouts an die steigende Rechenleistungsdichte der KI anpassen.
Clayton ist der Ansicht, dass die größte Herausforderung möglicherweise darin besteht, sich auf ein Infrastrukturwachstum vorzubereiten, das die derzeitigen Erwartungen bei weitem übersteigt. KI-Cluster sind bereits von Zehntausenden auf Hunderttausende GPUs angewachsen, und einige Einrichtungen werden derzeit für eine Million oder mehr GPUs ausgelegt. In dieser Größenordnung ähnelt das Netzwerk eher einer Telekommunikationsinfrastruktur als einem traditionellen Unternehmensnetzwerk. Er sagte: „Jedes Mal, wenn wir an die Grenzen des Maßstabs stoßen, sehen wir, dass es noch eine weitere Grenze gibt, und diese ist in der Regel das Zehn- oder Hundertfache dessen, was zuvor benötigt wurde.“ Da Unternehmensverbindungen KI-Standorte über Hunderte oder Tausende von Kilometern überspannen, werden Fernverbindungen, Ausfallsicherheit und Sichtbarkeit von entscheidender Bedeutung.
Clayton erwähnte außerdem, dass ein technologischer Wandel von elektrischen zu optischen Verbindungen im Gange ist. Elektrische Technologien nähern sich ihren physikalischen Grenzen, während optische Netzwerke über größere Entfernungen höhere Geschwindigkeiten bei gleichzeitig geringerem Stromverbrauch bieten können – allerdings erfordert dies eine erhebliche Neugestaltung der Kommunikationsgeräte. Alte Rechenzentren stellen eine weitere Herausforderung dar, da sie nicht für die Leistungsdichte oder Wärmeentwicklung von KI ausgelegt sind; daher sind Flüssigkeits- und Hybridkühlmethoden besonders wichtig für Betreiber, die bestehende Standorte wiederverwenden möchten. Er ist überzeugt, dass Automatisierung und optische Hochkapazitätsnetzwerke unverzichtbar werden, wenn sich KI-Infrastruktur von einzelnen Einrichtungen zu miteinander verbundenen KI-Standorten ausweitet, und dass die in der Branche gesammelte Netzwerkexpertise einen Vorteil darstellt.
