• Эксперты по центрам обработки данных прогнозируют как минимум 6-кратное увеличение спроса на полосу пропускания Data Center Interconnect (DCI) в течение следующих пяти лет

• 53% респондентов считают, что рабочие нагрузки ИИ будут предъявлять наибольший спрос на инфраструктуру DCI в ближайшие два-три года.

• 87% участников ожидают, что для оптоволоконной сети потребуется пропускная способность 800 Гбит/с или выше на длину волны

• 98% считают, что подключаемая оптика важна для снижения энергопотребления и физического пространства.

«Нам всегда было ясно, что ИИ будет движущей силой трансформации инфраструктуры DCI. Вопрос был в том, в какой степени», — рассказал Юрген Хатейер, международный директор по технологиям в Ciena.

«Обычно ежегодный рост трафика широкополосных сетей составляет около 20–30%, но наше исследование показало, что ожидается, что этот темп роста потенциально удвоится из-за приложений ИИ».

Ciena — не единственная группа, сообщающая о большом всплеске спроса на сетевые решения, связанного с ИИ. Аналитическая фирма Dell’Oro сообщила, что были рекордные данные по продажам, в основном обусловленные спросом на ИИ.

«В 2024 году более 90% годового прироста продаж коммутаторов для центров обработки данных было обусловлено развитием ИИ», — сказал Самех Бужельбене, вице-президент по исследованиям коммутаторов для центров обработки данных и сетей ИИ в Dell’Oro.

«Мы ожидаем, что эта тенденция сохранится, поскольку Ethernet набирает обороты в сетях искусственного интеллекта».

Вопросы устойчивого развития стимулируют интерес к сменной оптике

Поскольку требования к пропускной способности стремительно растут, операторы центров обработки данных все больше внимания уделяют устойчивым подходам к расширению сети.

Опрос Ciena выявил почти всеобщее (98%) согласие среди экспертов по центрам обработки данных, что подключаемая оптика представляет собой важную технологию для снижения энергопотребления и физического следа сетевой инфраструктуры. Подключаемая оптика — это модульные устройства для оптической передачи данных.

«Преимущества подключаемой оптики заключаются в гибкости масштабирования сетевых конструкций и, конечно же, в энергоэффективности», — сказал Хатейер. «По мере того, как емкость масштабируется до более высоких скоростей, традиционные технологии центров обработки данных начнут достигать физических пределов, и когерентная технология проникнет в центр обработки данных и вокруг него, сокращая занимаемое оборудованием пространство и общее энергопотребление оборудования».

Технический директор отметил, что то, как будет выглядеть экономия энергии и пространства на практике, будет зависеть от вариантов использования. Он добавил, что подавляющее большинство потребляемой мощности для центров обработки данных, особенно тех, которые предназначены для ИИ, будет приходиться на распределенный по сетям и оптике вывод, что, по крайней мере, обеспечивает большую эффективность обработки этого трафика.

Помимо пропускной способности: что еще нужно сетям центров обработки данных для ИИ?

Хотя для следующего поколения так называемых « фабрик ИИ» потребуется большая пропускная способность , это лишь часть уравнения.

Хатейер отметил, что ИИ предъявляет новые требования к сети, разнообразным типам трафика и динамическим схемам трафика, с которыми невозможно справиться, просто добавив больше оборудования для увеличения пропускной способности сети.

По его мнению, необходимы интеллектуальные сети, которые динамически адаптируются к конкретным требованиям в любой момент времени.

«Интеллектуальные платформы автоматизации… могут управлять оптимизацией замкнутого цикла, гарантируя, что трафик ИИ будет приоритизирован и маршрутизирован эффективно без ручного вмешательства», — сказал Хатейер. «Многоуровневая автоматизация на оптических и IP-уровнях может динамически регулировать пропускную способность, оптимизировать энергопотребление и предотвращать перегрузки в режиме реального времени».

Хатейер также отметил, что сетевое нарезание будет дополнять автоматизированные фреймворки, позволяя операторам создавать настраиваемые виртуальные сети, соответствующие конкретным требованиям приложений ИИ. Каждый срез может быть оптимизирован для критических параметров, таких как задержка, пропускная способность и безопасность, обеспечивая выделенные ресурсы для высокоприоритетных задач ИИ.

«В сочетании с автоматизацией сетевое сегментирование позволяет центрам обработки данных динамически распределять, перенастраивать и управлять ресурсами по требованию, обеспечивая масштабируемую, адаптивную и экономически эффективную среду, которая полностью поддерживает меняющиеся потребности рабочих нагрузок ИИ», — сказал он.