أعباء عمل الذكاء الاصطناعي تحفز المنافسة في رقائق الشبكات
يتنافس بائعو الشبكات في سوق ضيقة لإنتاج شرائح شبكات يمكنها التعامل مع أعباء عمل الذكاء الاصطناعي (AI) والتعلم الآلي (ML). في أواخر الشهر الماضي ، أعلنت Cisco عن ASICs Silicon One G200 وG202، مما جعلها تتعارض مع عروض من Broadcom وNVIDIA و Marvell.
تُظهر توقعات IDC الأخيرة كيف تخطط الشركات لإنفاق المزيد على الذكاء الاصطناعي. تتوقع شركة الأبحاث أن الإنفاق العالمي على الذكاء الاصطناعي سيرتفع إلى 154 مليار دولار في عام 2023 وما لا يقل عن 300 مليار دولار بحلول عام 2026. بالإضافة إلى ذلك، بحلول عام 2027، سيكون ما يقرب من 1 من كل 5 منافذ تبديل إيثرنت تشتريها مراكز البيانات مرتبطة بالذكاء الاصطناعي / تعلم الآلة وتسريعها الحوسبة، وفقًا لتقرير صادر عن شركة الأبحاث 650 Group.
كيف تعمل رقائق شبكات Cisco على تحسين وقت العمل
تقول Cisco أن ASICs Silicon One G200 وG202 ينفذان مهام AI وML مع مفاتيح أقل بنسبة 40٪ عند 51.2 تيرا بايت في الثانية. إنها تمكن العملاء من بناء مجموعة AI / ML لوحدات معالجة الرسومات 32K 400G على شبكة من طبقتين مع بصريات أقل بنسبة 50٪ وطبقات شبكات أقل بنسبة 33٪ ٪، فقًا للشركة. G200 وG202 هما الجيل الرابع من رقائق Silicon One للشركة، والتي تم تصميمها لتقديم توجيه وتحويل موحد.
قال راكيش شوبرا ، زميل سيسكو، لحوسبة الشبكات: “توفر سيسكو بنية متقاربة يمكن استخدامها عبر شبكات التوجيه والتبديل والتعلم الآلي”.
يسمح الكمون المنخفض للغاية والأداء العالي وموازنة الحمل المتقدمة لشرائح الشبكات بمعالجة أعباء العمل AI / ML، وفقًا لشوبرا. بالإضافة إلى ذلك، تجعل القدرات المحسّنة المستندة إلى Ethernet أعباء العمل هذه ممكنة.
قال تشوبرا: “تعد شبكة إيثرنت المجدولة بالكامل والمحسّنة طرقًا لتحسين أداء الشبكة القائمة على الإيثرنت وتقليل وقت إنجاز المهام بشكل كبير”. “مع Ethernet المحسّن، يمكن للعملاء تقليل وقت إتمام عملهم بمقدار 1.57 مرة، مما يجعل مهام الذكاء الاصطناعي / التعلم الآلي الخاصة بهم تكتمل بشكل أسرع وبطاقة أقل.”
تقول Cisco إن G200 وG202 يشتملان أيضًا على موازنة تحميل، وعزل أفضل للأعطال، ومخزن مؤقت مشترك بالكامل، مما يسمح للشبكة بدعم الأداء البصري لأعباء عمل AI / ML.
كيف يتعامل صانعو الرقائق مع الذكاء الاصطناعي
يطرح بائعو الشبكات رقائق شبكات ذات نطاق ترددي أعلى وجذر أعلى، وهو عدد الأجهزة التي يمكنهم الاتصال بها ليتمكنوا من تنفيذ مهام الذكاء الاصطناعي، وفقًا لما ذكره تشوبرا. كما قال إنهم يمكّنون وحدات معالجة الرسومات من التواصل دون تدخل، مما يزيل الاختناقات لأعباء عمل الذكاء الاصطناعي / التعلم الآلي.
قال تشوبرا: “يمكن استخدام G200 وG202 لتدريب نماذج اللغات الكبيرة (LLM) مثل ChatGPT ويمكن أيضًا استخدامها لاستدلال ChatGPT و LLMs الأخرى عندما يتفاعل العملاء معهم”. “توفر أجهزة Cisco Silicon One الاتصال الأمثل بين وحدات معالجة الرسومات لتمكين ChatGPT ونماذج AI / ML المتقدمة الأخرى.”
يوفر G200 وG202 ميزات الرؤية والقياس عن بُعد للتمكن من إدارة أحمال الشبكة وتشخيص سلوك الشبكة غير الطبيعي.
قال تشوبرا: “إذا سقطت الحزمة، فيمكننا استخدامها كمحفز للنظر إلى الوراء في الوقت المناسب لمعرفة ما حدث قبل [هذا الحدث] وما حدث بعد ذلك”. “هذا مفيد جدًا عند محاولة فهم ما يحدث للانفجارات الصغيرة لأنه يستخدم دقة الأجهزة بدلاً من دقة البرامج التقليدية.”
قال رون ويستفول ، كبير المحللين ومدير الأبحاث في Futurum Research ، إن الشبكة التي تضيف إيثرنت بمساعدة القياس عن بعد لتحسين كفاءة عبء العمل بالذكاء الاصطناعي تشبه سيارة تضيف قدرات برمجية متقدمة.
قال ويستفول : “إنها حقًا تطبق المزيد من الأدمغة لتمكين شبكة Ethernet من الأداء بشكل أكثر كفاءة”.
عين على سوق رقائق وأجهزة الشبكات
تشمل أجهزة الشبكات الأخرى المصممة لدعم أعباء العمل AI / ML، Broadcom Tomahawk 5 وNVIDIA Spectrum-4، بالإضافة إلى منصة Marvell التي تضم شريحة تبديل Teralynx ومنصة Nova الإلكترونية للبصريات. وأشار ويستفول إلى أن جميع شرائح التبديل في هذه الفئة تتيح عرض نطاق ترددي يبلغ 51.2 تيرا بايت في الثانية.
قال ويستفول: “يعمل هذا على تطوير قدرات الإيثرنت داخل بيئات مجموعة AI / ML”. “إنهم جميعًا [يهدفون] إلى أن يكونوا بديلاً تنافسيًا لتقنيات InfiniBand. نظرًا لأن المؤسسات تتطلع إلى استخدام مجموعات GPU الأكبر بشكل متزايد لتوسيع نطاق AI / Ml بشكل واضح، فإننا نعلم أن هذا قد يكون متطلبًا للغاية “.
قال ويستفول إن بائعي الشبكات الذين يمكن أن يتقدموا في سباق شرائح شبكات الذكاء الاصطناعي هم أولئك الذين يقدمون عددًا أقل من المفاتيح وعددًا أقل من البصريات وعتبة تبديل جذرية 256x.
قال ويستفول: “تقوم Cisco على الأقل بإجراء محادثة تنافسية أكثر من كونها تدور حول الأداء المطلق والتوسع الهائل”. “يتعلق الأمر بتقليل عدد القدرات التي تم استخدامها حتى الآن لتمكين مجموعات AI / ML هذه من الأداء.”
قال ويستفول إن هذا يعني استخدام عدد أقل من كابلات التوصيل المباشر وعدد أقل من البصريات التقليدية.
يمكن أن تضيف Cisco أيضًا مزيدًا من المرونة للشركات لبناء مجموعات تدريب الذكاء الاصطناعي الخاصة بها، والتي تتطلب أداءً وقدرة معالجة أكبر من نماذج الاستدلال بالذكاء الاصطناعي، وفقًا لـ Westfall.
أوضح ويستفول: “أعتقد أن هذا هو المكان الذي يمكن لـ Cisco فيه تأكيد درجة معقولة من التمايز التنافسي لأنه، من الواضح أن Cisco هي قوة طاغية لتقنية Ethernet”. وأضاف ويستفول: “من خلال تعزيز التدريب الشامل وكفاءة المجموعة، يمكن لشركة Cisco أن تقود إلى المنزل بحيث يمكنها منح العملاء قدرًا أكبر من المرونة في كيفية التعامل مع بناء مجموعات التدريب على الذكاء الاصطناعي الخاصة بهم”.
كيف تخطط Broadcom وNVIDIA لمواكبة شبكة Ethernet
تهدف Broadcom إلى مواكبة نسيج Jericho3-AI عالي الأداء. تم طرح النسيج في أبريل، وهو يربط 32000 وحدة معالجة رسومات.
مثل رقائق Cisco Silicon One ، توفر Jericho3-AI موازنة حمل وجزءًا عاليًا. تدعي شركة Broadcom أن Jericho3-AI توفر وقتًا أقل لإنجاز المهام بأكثر من 10٪ مقارنة بالرقائق المنافسة.
تم تصميم محول NVIDIA Spectrum-4 Ethernet أيضًا لتقنيات الذكاء الاصطناعي مثل ML ومعالجة اللغة الطبيعية. مثل رقائق Cisco ، تقدم NVIDIA Spectrum-4 ميزات للقياس عن بُعد.
توفر محولات Ethernet القياس عن بُعد للسماح بموازنة الحمل واكتشاف الازدحام على الشبكة.
نظرًا لأن مشغلي الشبكات يختارون الرقائق لأعباء عمل الذكاء الاصطناعي / التعلم الآلي، فإنهم سيرغبون في التفكير في أي منها يمكنه التعامل مع إيثرنت بمساعدة القياس عن بُعد، على حد قول ويستفول. كما يرى أن الأقمشة المجدولة بالكامل مهمة.
“هذا شيء أعتقد أننا سنشهد المزيد منه، وأن Cisco ، من خلال Silicon One ، يمكنها تمكين المزيد من المرونة في السماح للمؤسسات باعتماد Ethernet بمساعدة القياس عن بُعد، بالإضافة إلى الأقمشة المجدولة بالكامل بشكل أساسي لتوسيع نطاق تدريب الذكاء الاصطناعي أعباء العمل والمجموعات إلى المستويات التالية “.
ووفقًا لـ Westfall ، فإن ما يجعل الشرائح ناجحة باستخدام الذكاء الاصطناعي يتجاوز قدرات النطاق الترددي.
وقال: “الأهم من ذلك هو تحديد الشرائح التي ستكون أكثر فاعلية، مما يسمح للعملاء باستخدام عدد أقل من البصريات ليصبحوا أكثر قدرة بشكل أساسي على الوصول إلى هذه العتبات باستخدام عدد أقل من المفاتيح”.
المصدر: networkcomputing
قد يهمك:
