Внедрение на предприятиях генеративного искусственного интеллекта, который способен порождать текст, изображения и другие данные в ответ на запросы, находится пока на ранней стадии, но по мере того как организации будут находить все новые области применения этой технологии, данное направление будет быстро развиваться. Согласно прогнозам Bloomberg Intelligence, в ближайшие 10 лет рынок генеративного искусственного интеллекта ежегодно будет расти в среднем на 42% и объемы его увеличатся с 40 млрд долл. в 2022 году до 1,3 трлн долл. к 2032 году. Сфера применения генеративного ИИ в ИТ-отрасли весьма широка, но сможет ли инфраструктура ЦОДа справиться с растущей рабочей нагрузкой? Такого рода приложения порождают дополнительные требования к вычислительным мощностям: в процессе обучения больших языковых моделей (LLM), формирующих ядро системы, и после запуска приложений на основе этих обученных LLM. Обучение LLM требует интенсивных вычислений. Миллиарды языковых конструкций и изображений вводятся в систему нейронных сетей и многократно уточняются до тех пор, пока система не начнет «распознавать» их так же хорошо, как это делает человек. Для построения нейронных сетей нужны чрезвычайно плотные кластеры высокопроизводительных вычислений, состоящие из графических процессоров, которые непрерывно работают на протяжении нескольких месяцев или даже лет. На втором этапе осуществляется переход к правилам логического вывода — фактическому выполнению запросов с возвратом полученных результатов. Для этого понадобится географически распределенная инфраструктура, обеспечивающая быстрое масштабирование и доступ к приложениям с минимальной задержкой. Подготовку ЦОДа к грядущим переменам необходимо вести уже сегодня. Для адаптации к повсеместному внедрению искусственного интеллекта нужно определить бизнес-стратегию и стратегию капиталовложений, позволяющую инвестировать в необходимую инфраструктуру и инструменты, а также подбирать специалистов необходимой квалификации.

Источник: Google