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 titlen "Building an End-to-End AI Network to Enable Comprehensive AI Capabilities." Han understregede, at netværksinnovation i en tidsalder med kunstig intelligens vil fokusere på to hovedmål: "Netværk for AI" og "AI for netværk", at skabe et end-to-end-netværk til cloud, netværk, edge og slutpunkt på tværs af alle scenarier .
Netværksinnovation i AI-æraen omfatter to hovedformål: "Netværk til AI" involverer at skabe et netværk, der understøtter AI-tjenester, hvilket gør det muligt for AI-store modeller at dække scenarier fra træning til inferens, fra dedikeret til generelle formål og spænder over hele spektret af kant, kant, sky AI. "AI for Network" bruger AI til at styrke netværk, hvilket gør netværksenheder smartere, netværk meget autonome og driften mere effektiv.
I 2030 forventes globale forbindelser at nå op på 200 milliarder, datacentertrafik vil vokse 100 gange på et årti, IPv6-adressepenetration forventes at nå op på 90 %, og AI-computerkraft vil stige med 500 gange. For at imødekomme disse krav kræves et tredimensionelt, ultrabredt, intelligent native AI-netværk, der garanterer deterministisk latens, og som dækker alle scenarier såsom cloud, netværk, edge og endpoint. Dette omfatter datacenternetværk, wide area-netværk og netværk, der dækker kant- og slutpunktsplaceringer.
Fremtidige cloud-datacentre: Udvikling af computerarkitekturer for at understøtte AI Large Model Era's tifoldede stigning i efterspørgsel efter computerkraft
I løbet af det næste årti vil innovation inden for datacenterarkitektur dreje sig om generel computing, heterogen computing, allestedsnærværende computing, peer computing og storage-computing integration. Datacenterets computernetværksbusser vil opnå fusion og integration fra chipniveauet til DC-niveauet på linklaget, hvilket giver netværk med høj båndbredde og lav latens.
Fremtidige datacenternetværk: Innovativ Net-Storage-Compute Fusion-arkitektur til at frigøre datacenterklyngeberegningspotentiale
For at overvinde udfordringer relateret til skalerbarhed, ydeevne, stabil drift, omkostninger og kommunikationseffektivitet skal fremtidige datacentre opnå dyb integration med computing og lagring for at skabe forskellige computerklynger.
Fremtidige Wide Area Networks: Tredimensionelle ultrabrede og applikationsbevidste netværk til distribueret træning uden at gå på kompromis med ydeevnen
Innovationer i wide area networks vil dreje sig om IP+optisk fra fire retninger: ultra-stor-kapacitet optiske netværk, optisk-elektrisk synergi uden afbrydelser, applikationsbevidst oplevelsesforsikring og intelligent tabsfri netværks-compute-fusion.
Future Edge og Endpoint Networks: Fuld optisk forankring + elastisk båndbredde for at låse op for Last Mile AI-værdien
I 2030 vil fuld optisk forankring strække sig fra rygraden til hovedstadsområdet og opnå tre-lags latencycirkler på 20 ms i rygraden, 5 ms i provinsen og 1 ms i hovedstadsområdet. Ved kantdatacentre vil dataekspresbaner med elastisk båndbredde give virksomheder dataeksprestjenester, der spænder fra Mbit/s til Gbit/s.
Ydermere præsenterer "AI for Network" fem store innovationsmuligheder: store kommunikationsnetværksmodeller, AI for DCN, AI for wide area networks, AI for edge- og endpoint-netværk og end-to-end automatiseringsmuligheder på netværkshjerneniveau. Gennem disse fem innovationer forventes "AI for Network" at realisere visionen om fremtidige netværk, der er automatiske, selvhelbredende, selvoptimerende og autonome.
Når man ser fremad, afhænger opnåelse af de innovative mål for fremtidige netværk af et åbent, samarbejdende og gensidigt fordelagtigt AI-økosystem. Huawei håber at styrke samarbejdet med akademi, industri og forskning yderligere for i fællesskab at bygge det fremtidige AI-netværk og bevæge sig mod en intelligent verden i 2030!
Indlægstid: 29. august 2023
