Er is een stille aanname die velen van ons meenemen in AI-projecten. Als de prestaties slecht zijn, als taken langer duren dan verwacht, als de kosten sneller stijgen dan gepland, dan moet het antwoord meer rekenkracht zijn. Meer GPU's. Grotere clusters. Snellere versnellers.
Soms is dat waar. Vaak is dat niet zo.
Er is iets anders dat in de weg staat. Het netwerk. Niet omdat het kapot is, maar omdat het als een opgelost probleem wordt behandeld. En AI is erg goed in het blootleggen van problemen waarvan we dachten dat we ze al hadden opgelost.
AI-workloads gedragen zich anders. Ze verplaatsen gegevens zijwaarts, niet alleen van noord naar zuid. Training en inferentie genereren intensief oost-westverkeer tussen GPU's. Latentiepieken die voorheen acceptabel waren, worden plotseling belangrijk. Congestie die vroeger zeldzaam was, wordt een constante achtergrondruis. Het netwerk is niet langer onzichtbaar en begint resultaten te beïnvloeden.
Die verschuiving is ongemakkelijk. Vooral als je veel hebt geïnvesteerd in rekenkracht en verwachtte dat de rest zou bijblijven.
Wat echter naar voren komt, is een vrij consistent patroon. In bedrijfsomgevingen wordt de prestatie van AI nu minder beperkt door ruwe verwerkingskracht en meer door hoe goed gegevens tussen systemen worden uitgewisseld. Het onderzoek achter AI-strategie 2025-2028: het voordeel van Ethernet maakt dat duidelijk, ook al wordt het niet zo bot gezegd.
En dat roept een nog lastiger vraag op: hebben we ons op het verkeerde gericht bij het optimaliseren?
Waarom gebeurt dit nu?
AI is uit de pilotfase gekomen. Dat is duidelijk. Wat minder duidelijk is, is wat dat betekent voor het ontwerp van infrastructuur.
Zodra AI onderdeel wordt van de kernactiviteiten, heb je niet langer te maken met geïsoleerde workloads. Je krijgt overlappende modellen, gemengde versnellers, verschillende teams die op verschillende tijdstippen om verschillende redenen taken uitvoeren. De omgeving wordt rommelig. Realistisch. Menselijk.
In die omgeving hebben netwerken die zijn ontworpen voor voorspelbaarheid het moeilijk. Vaste aannames over verkeerspatronen gaan niet langer op. En als u meerdere fabrics gebruikt, één voor traditionele workloads en één voor AI, worden de operationele problemen zichtbaar. Vaardigheidstekorten zijn van belang. De complexiteit neemt toe. Kleine problemen worden systemisch.
Hier komt Ethernet stilletjes weer ter sprake.
Niet als compromis, zoals het in het verleden soms werd voorgesteld, maar als stabiliserende factor. Open standaarden. Een groot reservoir aan talent. Bekende operationele modellen. En in toenemende mate prestatiekenmerken die zo dicht bij alternatieven liggen dat de afwegingen niet langer voor de hand liggen.
Er is ook een timingprobleem. AI-infrastructuur is niet statisch. Er zijn maar weinig organisaties die één keer iets bouwen en het daarbij laten. De komende jaren zullen de meeste organisaties nieuwe mogelijkheden toevoegen aan wat er al bestaat. Brownfield en greenfield naast elkaar. Netwerken die die realiteit niet tolereren, worden vaak blokkades.
Wat veel teams nog steeds verkeerd begrijpen
Ik denk dat het grootste misverstand is dat AI-netwerken worden behandeld als een gespecialiseerd onderdeel van het datacenter. Iets aparts. Iets wat je 'later wel afhandelt'.
Die mentaliteit was logisch toen AI nog experimenteel was. Het is minder logisch nu AI-verkeer vrijwel gegarandeerd op de huidige netwerken verschijnt, of je daar nu op bent voorbereid of niet.
Een andere misvatting is dat prestaties alleen bepalend zouden moeten zijn voor beslissingen. Latentiecijfers, benchmarks voor doorvoersnelheid, topsnelheden. Die zijn natuurlijk belangrijk. Maar ze zeggen niets over hoe een netwerk zich in de loop van de tijd gedraagt, onder druk, bij gedeeltelijke storingen of wanneer teams het dag in dag uit moeten gebruiken.
De operationele realiteit is belangrijk. Dat geldt ook voor veerkracht. En voor het vermogen om te evolueren zonder alles stil te leggen en opnieuw te beginnen.
Het onderzoek verwijst hiernaar wanneer het spreekt over uniforme structuren, live patching, telemetrie en realtime bescherming. Lees tussen de regels door en de boodschap is vrij duidelijk: AI-infrastructuur zal op nieuwe manieren kapotgaan en u zult niet altijd de luxe hebben van downtime om dit te repareren.
Dat verandert wat 'goed genoeg' inhoudt.
Een rustigere verschuiving die de moeite waard is om aandacht aan te besteden
Een detail dat mij opviel, is de toenemende nadruk op interoperabiliteit en duurzaamheid. Niet als abstracte idealen, maar als praktische noodzaak.
De meeste bedrijven zullen niet voor altijd één enkele accelerator of leverancier standaard gebruiken. Ze zullen verschillende generaties combineren. Ze zullen alternatieven testen. Ze zullen beslissingen overnemen die jaren eerder zijn genomen. Het netwerk ligt aan de basis van dit alles, in positieve en negatieve zin.
Het voordeel van Ethernet is hier niet dat het perfect is. Het is dat het buigt zonder te breken. Het maakt incrementele veranderingen mogelijk. Het tolereert heterogeniteit. En het sluit aan bij hoe organisaties zich daadwerkelijk gedragen, niet bij hoe whiteboardontwerpen veronderstellen dat ze zich zullen gedragen.
Er is ook een menselijke kant die niet genoeg aandacht krijgt. Ethernet-vaardigheden zijn algemeen bekend. Debuggingtools zijn vertrouwd. Als er om 2 uur 's nachts iets misgaat, is dat belangrijker dan benchmarkgrafieken.
Wat dit op dit moment betekent voor IT-leiders
Als u verantwoordelijk bent voor AI-infrastructuur, is de conclusie niet 'vervangen' of 'standaardiseren op X'. Het is meer dan dat.
Het is misschien de moeite waard om te vragen:
Gaan we ervan uit dat het netwerk het aankan, of hebben we het getest onder realistische AI-belastingen?
Begrijpen we waar congestie optreedt en hoe snel we dit kunnen zien en erop kunnen reageren?
Bouwen we iets dat alleen werkt voor de huidige modellen, of iets dat de komende drie hardwarecycli meegaat?
En misschien wel het moeilijkste: als de prestaties van AI tegenvallen, weten we dan of het probleem bij de rekenkracht ligt, of kopen we gewoon meer en hopen we dat het dan wel goed komt?
Dit zijn niet zozeer technische vragen, maar eerder vragen over governance. Ze bevinden zich op het snijvlak van architectuur, bedrijfsvoering en risico's.
Eindigend waar dit echt begint
AI zal elke onderneming raken, bewust of onbewust. Dat staat niet meer ter discussie. Wat nog onduidelijk is, is hoeveel wrijving organisaties bereid zijn te tolereren naarmate AI zich verder uitbreidt.
De teams die goed presteren, zullen niet noodzakelijkerwijs de eerste zijn die de grootste modellen implementeren. Het zullen de teams zijn die een infrastructuur bouwen met voldoende ruimte, zichtbaarheid en aanpassingsvermogen om veranderingen op te vangen zonder voortdurend te hoeven herwerken.
De recente studie van de 650 Group onderzoekt deze dynamiek in meer detail, met name waarom Ethernet de standaardkeuze wordt voor AI-netwerken in ondernemingen en wat dat betekent voor de komende jaren.
Maar zelfs zonder het onderzoek wordt de richting moeilijk te negeren.
AI test niet alleen uw computerstrategie. Het test ook hoe bereid u bent om de onderdelen van de stack die u al afgerond dacht te hebben, opnieuw te bekijken.
Waarom partnerschap belangrijker is dan platformkeuzes
Er is ook een praktische realiteit die gemakkelijk over het hoofd wordt gezien. Zeer weinig organisaties willen dit allemaal alleen uitwerken. Het ontwerpen, beheren en aanpassen van AI-ready netwerken heeft betrekking op architectuur, bedrijfsvoering en beveiliging, en past zelden naadloos binnen één team. Dit is waar samenwerking met een serviceprovider als Damovo echt het verschil kan maken. Niet door een vast antwoord te verkopen, maar door u te helpen de afwegingen duidelijker te zien, aannames te toetsen en iets te bouwen dat past bij uw omgeving in plaats van een geïdealiseerde omgeving. Soms ligt de waarde helemaal niet in een nieuwe technologiekeuze, maar in het hebben van een ervaren partner die beslissingen in een vroeg stadium kan uitdagen, wat al complex is kan vereenvoudigen en betrokken blijft terwijl het netwerk zich ontwikkelt, in plaats van te verdwijnen zodra het live is.