Konstruante Fin-al-Finan AI-Reton por Ebligi Ampleksajn AI-Kapablecojn Tra Ĉiuj Scenaroj

Dum la 7-a Konferenco pri Estonta Reto-Evoluo, S-ro Peng Song, Ĉefa Vicprezidanto kaj Prezidanto de ICT-Strategio kaj Merkatado ĉe Huawei, faris ĉefparoladon titolitan "Konstrui Finan-al-Finan AI-Reton por Ebligi Ampleksajn AI-Kapablojn." Li emfazis, ke reto-novigado en la epoko de artefarita inteligenteco fokusiĝos al du ĉefaj celoj: "Reto por AI" kaj "AI por Reto", kreante fin-al-finan reton por nubo, reto, rando kaj finpunkto tra ĉiuj scenaroj. .

Retonovigado en la AI-epoko konsistas el du ĉefaj celoj: "Reto por AI" implikas krei reton kiu subtenas AI-servojn, ebligante AI grandajn modelojn kovri scenarojn de trejnado ĝis inferenco, de dediĉita ĝis ĝeneraluzebla, kaj ampleksanta la tutan spektron de rando, rando, nubo AI. "AI por Reto" uzas AI por povigi retojn, farante retajn aparatojn pli inteligentaj, retojn tre aŭtonomaj kaj operaciojn pli efikaj.

Ĝis 2030, tutmondaj konektoj estas atenditaj atingi 200 miliardojn, datumcentra trafiko kreskos 100 fojojn en jardeko, IPv6-adrespenetro estas antaŭvidita atingi 90%, kaj AI-komputila potenco pliiĝos je 500 fojojn. Por plenumi ĉi tiujn postulojn, estas postulata tridimensia, ultra-larĝa, inteligenta indiĝena AI-reto, kiu garantias determinisman latentecon, kovrante ĉiujn scenarojn kiel nubo, reto, rando kaj finpunkto. Ĉi tio ampleksas datumcentrajn retojn, larĝajn areajn retojn kaj retojn kovrantajn randajn kaj finpunktojn.

Estontaj Nubaj Datumoj-Centroj: Evoluigante Komputajn Arkitekturojn por Subteni la Dekoblan Pliiĝon de Komputila Potenca Postulo de la Granda Modela Erao de AI

Dum la venonta jardeko, novigo en datumcentra komputika arkitekturo rondos ĉirkaŭ ĝenerala komputado, heterogena komputiko, ĉiea komputiko, kunula komputado kaj stokad-komputika integriĝo. Datumcentroj komputikaj retaj busoj atingos fuzion kaj integriĝon de la pecetnivelo ĝis la DC-nivelo ĉe la ligtavolo, disponigante altan bendolarĝon, malalt-latentemajn retojn.

Estontaj Datumcentraj Retoj: Noviga Reta-Stokado-Komputika Fuzio-Arkitekturo por Liberigi Potencialon de Komputado de Datum-Cluster

Por venki defiojn ligitajn al skaleblo, rendimento, stabila operacio, kosto kaj komunika efikeco, estontaj datumcentroj devas atingi profundan integriĝon kun komputado kaj stokado por krei diversajn komputikajn aretojn.

Estontaj Larĝaj Areaj Retoj: Tri-Dimensiaj Ultra-Larĝaj kaj Apliko-Konsciaj Retoj por Distribuita Trejnado Sen Kompromisa Agado

Novigoj en larĝaj retoj rondos ĉirkaŭ IP+optika el kvar direktoj: ultra-grand-kapacaj tute-optikaj retoj, optika-elektra sinergio sen interrompo, aplikaĵ-konscia sperto-certigo, kaj inteligenta senperda reto-komputila fuzio.

Estonta Rando kaj Finpunkto-Retoj: Plena Optika Ankrado + Elasta Bandlarĝo por Malŝlosi la Lastan Mejlon AI-Valoron

Ĝis 2030, plena optika ankrado etendiĝos de la spino ĝis la metropolitena areo, atingante trinivelajn latenteccirklojn de 20ms en la spino, 5ms ene de la provinco, kaj 1ms en la metropolitena areo. Ĉe randaj datumcentroj, elastaj bendolarĝaj datumoj ekspresaj lenoj provizos entreprenojn per datenrapidaj servoj intervalantaj de Mbit/s ĝis Gbit/s.

Krome, "AI por Reto" prezentas kvin ĉefajn novigajn ŝancojn: komunikajn retajn grandajn modelojn, AI por DCN, AI por larĝaj areaj retoj, AI por randaj kaj finpunktaj retoj, kaj fin-al-finaj aŭtomatigaj ŝancoj ĉe la reto-cerba nivelo. Per ĉi tiuj kvin novigoj, "AI por Reto" estas atendita realigi la vizion de estontaj retoj, kiuj estas aŭtomataj, mem-sanigaj, mem-optimumigantaj kaj aŭtonomaj.

Rigardante antaŭen, atingi la novigajn celojn de estontaj retoj dependas de malferma, kunlabora kaj reciproke utila AI-ekosistemo. Huawei esperas plifortigi kunlaboron kun akademio, industrio kaj esplorado por kune konstrui la estontan AI-reton kaj movi al inteligenta mondo en 2030!


Afiŝtempo: Aŭg-29-2023