Under den 7. Future Network Development Conference holdt Mr. Peng Song, Senior Vice President og President for ICT Strategy and Marketing hos Huawei, en hovedtale med tittelen "Building an End-to-End AI Network to Enable Comprehensive AI Capabilities." Han understreket at nettverksinnovasjon i en tid med kunstig intelligens vil fokusere på to hovedmål: "Nettverk for AI" og "AI for nettverk", å skape et ende-til-ende-nettverk for sky, nettverk, edge og endepunkt på tvers av alle scenarier .
Nettverksinnovasjon i AI-æraen omfatter to hovedmål: "Nettverk for AI" innebærer å skape et nettverk som støtter AI-tjenester, slik at store AI-modeller kan dekke scenarier fra trening til slutninger, fra dedikert til generell bruk, og som spenner over hele spekteret av kant, kant, sky AI. "AI for Network" bruker AI for å styrke nettverk, gjøre nettverksenheter smartere, nettverk svært autonome og driften mer effektiv.
Innen 2030 forventes globale forbindelser å nå 200 milliarder, datasentertrafikken vil vokse 100 ganger i løpet av et tiår, IPv6-adressepenetrasjonen anslås å nå 90 %, og AI-datakraften vil øke med 500 ganger. For å møte disse kravene kreves det et tredimensjonalt, ultrabredt, intelligent native AI-nettverk som garanterer deterministisk latens, som dekker alle scenarier som sky, nettverk, edge og endepunkt. Dette omfatter datasenternettverk, wide area-nettverk og nettverk som dekker kant- og endepunktplasseringer.
Fremtidige skydatasentre: Utviklende dataarkitekturer for å støtte AI Large Model Era sin tifoldige økning i etterspørsel etter datakraft
I løpet av det neste tiåret vil innovasjon innen datasenterarkitektur dreie seg om generell databehandling, heterogen databehandling, allestedsnærværende databehandling, peer databehandling og integrasjon av lagring og databehandling. Datasenternettverksbusser vil oppnå fusjon og integrasjon fra brikkenivå til DC-nivå ved lenkelaget, og gir nettverk med høy båndbredde og lav latens.
Fremtidige datasenternettverk: Innovativ Net-Storage-Compute Fusion-arkitektur for å frigjøre datasenterklyngedatabehandlingspotensialet
For å overvinne utfordringer knyttet til skalerbarhet, ytelse, stabil drift, kostnader og kommunikasjonseffektivitet, må fremtidige datasentre oppnå dyp integrasjon med databehandling og lagring for å skape ulike databehandlingsklynger.
Fremtidige Wide Area Networks: Tredimensjonale ultravide og applikasjonsbevisste nettverk for distribuert opplæring uten å gå på akkord med ytelsen
Innovasjoner i wide area-nettverk vil dreie seg om IP+optisk fra fire retninger: optiske nettverk med ultra-stor kapasitet, optisk-elektrisk synergi uten avbrudd, applikasjonsbevisst opplevelsesforsikring og intelligent tapsfri nettverks-datamaskinfusjon.
Future Edge og Endpoint Networks: Full optisk forankring + elastisk båndbredde for å låse opp Last Mile AI-verdien
Innen 2030 vil full optisk forankring strekke seg fra ryggraden til hovedstadsområdet, og oppnå tre-lags latenssirkler på 20 ms i ryggraden, 5 ms i provinsen og 1 ms i hovedstadsområdet. Ved kantdatasentre vil dataekspressbaner med elastisk båndbredde gi bedrifter dataekspresstjenester som spenner fra Mbit/s til Gbit/s.
Videre presenterer "AI for Network" fem store innovasjonsmuligheter: store kommunikasjonsnettverksmodeller, AI for DCN, AI for wide area-nettverk, AI for kant- og endepunktnettverk, og ende-til-ende-automatiseringsmuligheter på nettverkshjernenivå. Gjennom disse fem innovasjonene forventes "AI for Network" å realisere visjonen om fremtidige nettverk som er automatiske, selvhelbredende, selvoptimaliserende og autonome.
Når vi ser fremover, er det å oppnå de innovative målene for fremtidige nettverk avhengig av et åpent, samarbeidende og gjensidig fordelaktig AI-økosystem. Huawei håper å ytterligere styrke samarbeidet med akademia, industri og forskning for i fellesskap å bygge fremtidens AI-nettverk og bevege seg mot en intelligent verden i 2030!
Innleggstid: 29. august 2023
