Monet meistä ovat hiljaisesti olettaneet AI-projekteissa, että jos suorituskyky on heikko, työt vievät odotettua kauemmin ja kustannukset nousevat suunniteltua nopeammin, ratkaisu on lisää laskentatehoa. Lisää GPU:ita. Suurempia klustereita. Nopeampia kiihdyttimiä.
Joskus se on totta. Usein se ei ole.
Se on jotain muuta, joka on tiellä. Verkosto. Ei siksi, että se olisi rikki, vaan siksi, että sitä on pidetty ratkaistuna ongelmana. Ja tekoäly on erittäin hyvä paljastamaan ongelmia, jotka luulimme jo ratkaistaneemme.
Tekoälyn työkuormat käyttäytyvät eri tavalla. Ne siirtävät dataa sivusuunnassa, eivät vain pohjois-etelä-suunnassa. Koulutus ja päättely aiheuttavat voimakasta itä-länsi-liikennettä GPU:iden välillä. Aiemmin siedettävät viivepiikit ovat yhtäkkiä merkityksellisiä. Aiemmin harvinainen ruuhkautuminen muuttuu jatkuvaksi taustameluksi. Verkko lakkaa olemasta näkymätön ja alkaa vaikuttaa tuloksiin.
Tämä muutos on epämiellyttävä. Varsinkin jos olet investoinut paljon tietotekniikkaan ja odottanut muiden pysyvän mukana.
Kuitenkin on havaittavissa melko yhdenmukainen malli. Yritysympäristöissä tekoälyn suorituskykyä rajoittaa nykyään vähemmän raaka prosessointiteho kuin se, kuinka hyvin data liikkuu järjestelmien välillä. Tutkimus AI-strategia 2025–2028: Ethernetin etu -tutkimus osoittaa tämän selvästi, vaikka se ei sanokaan sitä suoraan.
Ja se herättää vieläkin hankalamman kysymyksen: olemmeko optimoineet väärää asiaa?
Miksi tämä tapahtuu juuri nyt?
Tekoäly on siirtynyt pilottivaiheesta eteenpäin. Se on selvää. Vähemmän selvää on, miten tämä vaikuttaa infrastruktuurin suunnitteluun.
Kun tekoäly tulee osaksi ydintoimintoja, et enää käsittele erillisiä työkuormia. Saat päällekkäisiä malleja, erilaisia kiihdyttimiä ja erilaisia tiimejä, jotka suorittavat tehtäviä eri aikoina eri syistä. Ympäristö muuttuu sekavaksi. Realistiseksi. Ihmismäiseksi.
Tällaisessa ympäristössä ennustettavuutta varten suunnitellut verkot eivät toimi. Kiinteät oletukset liikennemalleista eivät enää päde. Ja jos käytät useita verkkoja, joista yksi on perinteisille työkuormille ja toinen tekoälylle, toiminnalliset ongelmat alkavat näkyä. Osaamisvajeet ovat merkittävät. Monimutkaisuus kasvaa. Pienet ongelmat muuttuvat systeemisiksi.
Tässä vaiheessa Ethernet palaa hiljaa keskusteluun.
Ei kompromissina, kuten se joskus aiemmin on esitetty, vaan vakauttavana voimana. Avoimet standardit. Laaja osaajapooli. Tuttuja toimintamalleja. Ja yhä enemmän suorituskykyominaisuuksia, jotka ovat niin lähellä vaihtoehtoja, että kompromissit eivät enää näytä ilmeisiltä.
Myös ajoitus on ongelma. AI-infrastruktuuri ei ole staattinen. Hyvin harvat organisaatiot rakentavat sen kerran ja lopettavat sitten. Seuraavien vuosien aikana useimmat lisäävät uusia ominaisuuksia jo olemassa olevaan infrastruktuuriin. Brownfield ja greenfield rinnakkain. Verkostot, jotka eivät siedä tätä todellisuutta, muuttuvat yleensä esteiksi.
Mitä monet joukkueet edelleen ymmärtävät väärin
Mielestäni suurin väärinkäsitys on käsitellä AI-verkkoja datakeskuksen erikoistuneena osana. Jotain erillistä. Jotain, jonka kanssa "käsitellään myöhemmin".
Tämä ajattelutapa oli järkevä, kun tekoäly oli vielä kokeiluvaiheessa. Se on vähemmän järkevä, kun tekoälyliikenne on lähes taattu nykyisin rakennetuissa verkoissa, riippumatta siitä, onko sitä suunniteltu vai ei.
Toinen väärinkäsitys on, että päätökset tulisi tehdä pelkästään suorituskyvyn perusteella. Viivearvot, läpimenon vertailuarvot, nimellisnopeudet. Nämä ovat tietysti tärkeitä. Ne eivät kuitenkaan kerro, miten verkko käyttäytyy ajan mittaan, paineen alla, osittaisten vikojen sattuessa tai kun tiimit joutuvat käyttämään sitä päivittäin.
Operatiivinen todellisuus on tärkeää. Samoin kuin joustavuus. Samoin kuin kyky kehittyä pysäyttämättä kaikkea ja aloittamatta alusta.
Tutkimus viittaa tähän, kun se puhuu yhtenäisistä rakenteista, reaaliaikaisesta korjaamisesta, telemetriasta ja reaaliaikaisesta suojauksesta. Rivien välistä lukemalla viesti on melko selvä: tekoälyinfrastruktuuri rikkoutuu uusilla tavoilla, eikä sinulla ole aina ylellisyyttä odottaa, että se korjautuu itsestään.
Se muuttaa käsitystä siitä, mikä on "tarpeeksi hyvä".
Huomionarvoinen hiljaisempi muutos
Yksi yksityiskohta, joka minulle erottui, on kasvava painotus yhteentoimivuuteen ja pitkäikäisyyteen. Ei abstraktina ihanteena, vaan käytännön välttämättömyytenä.
Useimmat yritykset eivät standardoi yhtä ainoaa kiihdytintä tai toimittajaa ikuisesti. Ne sekoittavat eri sukupolvia. Ne testaavat vaihtoehtoja. Ne perivät vuosia aiemmin tehdyt päätökset. Verkosto on kaiken tämän taustalla, hyvässä tai pahassa.
Ethernetin etu tässä ei ole se, että se olisi täydellinen. Se on se, että se taipuu murtumatta. Se mahdollistaa asteittaisen muutoksen. Se sietää heterogeenisyyttä. Ja se on sopusoinnussa organisaatioiden todellisen käyttäytymisen kanssa, ei sen kanssa, miten valkotaulusuunnitelmat olettavat niiden käyttäytyvän.
On myös inhimillinen näkökulma, jota ei tuoda tarpeeksi esille. Ethernet-taidot ovat yleisiä. Virheenkorjaustyökalut ovat tuttuja. Kun jotain menee pieleen kello 2 yöllä, se on tärkeämpää kuin vertailukaaviot.
Mitä tämä tarkoittaa IT-johtajille juuri nyt
Jos olet vastuussa tekoälyn infrastruktuurista, tärkein opetus ei ole "rip and replace" tai "standardise on X". Se on paljon syvällisempi kuin se.
Kannattaa ehkä kysyä:
Oletammeko, että verkko kestää kuormituksen, vai olemmeko testanneet sitä realistisilla tekoälyn kuormituksilla?
Ymmärrämmekö, missä ruuhkat syntyvät ja kuinka nopeasti voimme havaita ne ja reagoida niihin?
Rakennammeko jotain, joka toimii vain nykyisissä malleissa, vai jotain, joka kestää seuraavat kolme laitteistokierrosta?
Ja ehkä vaikein kysymys: jos tekoälyn suorituskyky on pettymys, tiedämmekö, onko ongelma laskentatehossa, vai ostammeko vain lisää ja toivomme parasta?
Nämä eivät ole niinkään teknisiä kysymyksiä kuin hallintoon liittyviä kysymyksiä. Ne sijoittuvat arkkitehtuurin, toiminnan ja riskien risteyskohtaan.
Loppu, jossa tämä todella alkaa
Tekoäly vaikuttaa kaikkiin yrityksiin, joko tarkoituksellisesti tai epäsuorasti. Tämä ei ole enää kiistanalainen asia. Avoinna on vielä se, kuinka paljon organisaatiot ovat valmiita sietämään kitkaa tekoälyn laajentuessa.
Menestyvät tiimit eivät välttämättä ole niitä, jotka ottavat ensimmäisinä käyttöön suurimmat mallit. Ne ovat tiimejä, jotka rakentavat infrastruktuurin, jossa on riittävästi joustoa, näkyvyyttä ja mukautuvuutta muutosten absorboimiseksi ilman jatkuvaa uudelleen työstämistä.
Tuoreessa 650 Groupin tutkimuksessa tarkastellaan tätä dynamiikkaa tarkemmin, erityisesti sitä, miksi Ethernet on tulossa yritysten tekoälyverkkojen oletusvalinnaksi ja mitä se merkitsee seuraaville vuosille.
Mutta vaikka tutkimusta ei olisi tehty, suuntausta on vaikea sivuuttaa.
Tekoäly ei testaa vain laskentastrategiaasi. Se testaa, kuinka halukas olet miettimään uudelleen niitä osia, jotka luulit jo olevan valmiita.
Miksi kumppanuus on tärkeämpää kuin alustan valinta
Tässä on myös käytännönläheinen seikka, joka on helppo unohtaa. Hyvin harvat organisaatiot haluavat hoitaa kaiken tämän yksin. AI-valmiiden verkkojen suunnittelu, ylläpito ja mukauttaminen koskee arkkitehtuuria, toimintaa ja turvallisuutta, eikä se yleensä sovi yhteen tiimiin. Tässä tilanteessa yhteistyö Damovon kaltaisen palveluntarjoajan kanssa voi olla ratkaisevan tärkeää. Ei myymällä valmiita ratkaisuja, vaan auttamalla sinua näkemään kompromissit selkeämmin, testaamaan oletuksia stressitesteillä ja rakentamaan jotain, joka sopii ympäristöösi eikä ole vain ihanteellinen malli. Joskus arvo ei ole lainkaan uudessa teknologian valinnassa, vaan kokeneessa kumppanissa, joka voi haastaa päätökset varhaisessa vaiheessa, yksinkertaistaa jo monimutkaisia asioita ja pysyä mukana verkon kehittyessä sen sijaan, että katoaisi sen käyttöönoton jälkeen.