HPE InfoSight: AI for the Data Center ChalkTalk
来源：
人們通常從電影中，瞭解一些似乎與現實相差甚遠的概念，但這些概念卻很快融入人們的日常生活中。1990年上映的一部由阿諾·史瓦辛格主演的電影中，一輛名為「Johnny Cab」的無人駕駛汽車讓人印象深刻，可以將人們送到任何他們想去的地方。如今，大多數大型汽車公司都在投入巨資，將這項技術帶給大眾。
回溯到1968年，人們透過HAL9000對人工智慧（AI）有了一些瞭解，HAL9000是一部主題為，太空漫遊的電影中的一台有感知的電腦。HAL9000能夠實施語音和臉部辨識、自然語言處理、唇讀、藝術欣賞、解釋情感行為、自動推理，甚至可以下棋。
而在過去幾年，人們已經確定人工智慧，成為日常生活中不可或缺的一部分。例如可以採用智慧手機，查詢旅行目的地的天氣情況，虛擬助理可以播放人們喜歡的音樂，人們的社交媒體帳戶，將根據其個人喜好提供新聞更新和廣告。
但是在這些背景中發生了更多的事情，人們並不瞭解有助於促進健康甚至拯救生命、語言翻譯、新聞提要、臉部辨識、更加複雜疾病的準確診斷，以及加速藥物開發等企業開發，和部署人工智慧的一些應用。
根據調研機構Gartner公司的預測，到2022年，人工智慧衍生的商業價值，預計將達到3.9萬億美元。
那麼人工智慧技術如何對數據中心產生影響？早在2014年，谷歌公司就在其中一個數據中心設施中，部署了Deepmind AI（使用機器學習和人工智慧的應用程式）。
其結果是，能夠將數據中心，用於冷卻的能源減少40％，這相當於在考慮到電氣損耗，和其他非冷卻效率之後，PUE值減少了15％，這也產生了該數據中心有史以來最低的PUE。基於這些顯著的成本節省，谷歌公司希望在其他數據中心中，部署該技術，並建議其他公司也這樣做。
Facebook公司秉承的使命是「讓人們有能力建立社區，讓世界更緊密地聯繫在一起」，Facebook公司的應用機器學習白皮書，從數據中心基礎設施視角進行概述，它描述了支持全球範圍內，機器學習的硬體和軟體基礎設施。
為了讓人們瞭解人工智慧和機器學習，需要多少計算能力，百度公司矽谷實驗室的首席科學家Andrew Ng表示，培訓百度的中文語音辨識模型，不僅需要4TB的訓練數據，還需要20部電腦的exaflops計算量，也就是整個培訓週期內需要200億億次數學運算。
但是對於數據中心基礎設施呢？人工智慧將如何影響企業，希望建構、租賃或升級，所有不同規模和類型的數據中心的設計和部署，以適應這種創新的、節約成本，甚至挽救生命的技術？
機器學習可以在一台機器上運行，但由於數據量驚人，通常在多台機器上運行，所有這些都相互關聯，以確保在培訓和數據處理階段，獲得持續通信、更低的延遲，絕對不能中斷的服務。人們對越來越多的數據的渴望，推動了滿足需求頻寬量的指數成長。
這些頻寬需要使用，更加複雜的架構設計，並在多個數據中心設施內部，和跨多個設施進行分布，其中需要採用脊柱和葉脊網路，而人們正在關注超級葉脊網路，為所有複雜的算法，提供在不同設備之間，流動數據的高速公路，並最終回到受體。
數據中心的技術部署選項
這就是光纖在確保人們，上傳圖片或影像提供給全世界觀看、分享和評論方面，發揮關鍵作用的地方。光纖已經成為數據中心基礎設施的事實上的傳輸媒介，這要歸功於其高速和超高密度功能。
隨著人們向更高的網路速度遷移，還在混合部署中，引入了全新的複雜性，也就是將採用哪種技術？
隨著人們向更高的網路速度遷移，還在混合部署中，引入了全新的複雜性，也就是將採用哪種技術？
傳統的三層網路使用核心、聚合和邊緣交換來連接數據中心內的不同伺服器，其中伺服器間流量，透過活躍設備在南北方向上相互通信。然而現在，人工智慧和機器學習，可以帶來高計算要求和相互依賴性，更多的這些網路是使用兩層脊柱和葉脊網路實現的，其中伺服器由於超低延遲需求，透過生產和培訓網路而在東西方向上相互通信。
自從2010年IEEE，推出40G和100G網路傳輸技術標準以來，已經出現了許多競爭性的專有解決方案，這些解決方案讓那些不確定要遵循哪條路徑的用戶有些困惑，例如是否採用SR、多模、LR、單模等技術。
40G和100G這兩種技術，都使用一對光纖在兩個設備之間傳輸信號。無論人們使用哪種設備，或在該設備中安裝哪個收發器，這都是透過兩根光纖進行的簡單數據交易。
但是IEEE批准了40G，以及更快的網路解決方案之後，其競爭對手之間改變了遊戲規則。現在人們正在研究使用標準認可的，或專有的、不可互操作的WDM技術的兩種光纖，以及使用8芯光纖（4根傳輸、4根接收）的並行光學器件的標準認可，或多源協議（MSA）和工程技術接收），或20芯光纖（10根傳輸，10根接收）。
因此現在已經簡化了一切，以下進行簡單的總結。
如果企業希望繼續使用，經過標準認證的解決方案，並降低光學器件成本，因為企業不需要單模光纖的長距離功能，那麼可以選擇多模並行光學器件，這樣就可以突破更加快速的40G，或100G開關端口，分為較小的10或25G伺服器端口。
如果企業希望延長，已安裝的雙工光纖的使用壽命，並且不介意與其首選硬體供應商，保持聯繫而不需要互操作性，並且不需要更長的距離，則可以選擇其中一種多模WDM解決方案。
大規模部署人工智慧的大多數科技公司，正在為當今和未來的網路設計單模並行光纖解決方案。這有三個簡單的原因。
（1）成本和距離
目前的市場趨勢是首先開發和發佈並行光纖解決方案，WDM解決方案緊隨其後，因此並行光學解決方案的數量要高得多，從而降低了製造成本。
與2km和10km WDM解決方案相比，它們還支持更短的距離，因此企業不需要部署過多複雜的組件，來冷卻雷射器，並在兩端複用和解複用信號。
雖然人們已經看到這些，「超大規模」數據中心設施的規模，但調查數據顯示，在這些設施中單模光纖的平均部署長度，尚未超過165m，因此無需購買更昂貴的WDM收發器，來驅動他們不需要支持的距離。
並行單模也比WDM解決方案，使用更少的電能，正如之前從谷歌的例子中，看到的電源使用情況，為了減少數據中心最大的營運成本，任何可以做的事情都是一件好事。
（2）靈活性
部署並行光學器件的主要優勢之一，是能夠採用高速交換機端口，例如40G，並將其分解為4×10G伺服器端口。端口突破提供了巨大的規模經濟，因為突破低速端口，可以顯著減少電子設備的機箱，或機架安裝單元的數量，從3：1（並且數據中心資產並不便宜）並且使用更少的電能，需要更少的冷卻設施，並且可以進一步降低能源費用，調查數據表明這相當於單模解決方案節省了30％的成本。
光纖收發器供應商還確認，所有銷售的並行光纖收發器中的很大一部分，都是為了利用這種端口分支功能而部署的。
（3）簡單明晰的遷移
主要交換機和收發器供應商的技術路線圖，為部署並行光學器件的客戶，顯示了非常清晰和簡單的遷移路徑。而大多數科技公司都在遵循這條路線，所以當光學器件可用，並且從100G遷移到200或400G時，它們的光纖基礎設施仍然存在，無需升級。
那些決定使用雙工雙光纖基礎設施的企業，可能會發現自己希望升級到100G以上，但WDM光纖系統，可能無法在其遷移計劃的時間範圍內提供。
對數據中心設計的影響
從網路連接的角度來看，這些網路是高度網狀的光纖基礎設施，以確保沒有一台伺服器相互之間，有兩個以上的網路躍點。但是這樣的頻寬需求，甚至從脊柱交換機到葉脊交換機的，傳統3：1超額配置比率還不夠，並且更典型地用於來自不同數據大廳之間的超級脊柱的分布式計算。
由於交換機I/O速度的顯著提高，網路營運商正在努力提高利用率，提高效率，提供超低的延遲。
此外，在谷歌公司最近宣佈，推出最新的人工智慧硬體之後，傳統的數據中心，設計轉向了另一個轉變，這是一種名為Tensor Processing Unit（TPU 3.0）的定制專用整合電路（ASIC），在巨大的吊艙設計中，將其功能提高了8倍。
但是，在晶片中加入更多的計算能力，也會增加驅動它的能量，從而增加熱量，這就是為什麼數據中心採用液體冷卻，為晶片提供冷卻的原因，因為TPU 3.0晶片產生的熱量，已經超出了之前數據中心冷卻解決方案的限制。
結論
人工智慧是下一波業務創新浪潮。它可以帶來營運成本節約，額外的收入流，簡化的客戶互動，以及更高效的數據驅動的工作方式，其具有很多優勢。
最近的一次小組討論證實了這一點，專家當時表示使用聊天機器人的網站，如果效率不高且客戶關注度不夠，客戶就會放棄對話，並且很難再次合作。
因此，人們必須接受這項技術，並將其用於其業務優勢，這也意味著採用不同的方式，思考數據中心的設計和實施。由於專用整合電路（ASIC）的性能顯著提高，人們最終會看到I/O速度的提高，甚至更深層次地推動網路連接的發展。
企業的數據中心，需要超高效的高速光纖網路、超低延遲、東西方向的脊柱和葉脊網路，以適應企業日常生產流量，同時支持機器學習培訓。
人們已經看到了主要的科技公司，如何接受人工智慧，以及如何部署並行單工模式，幫助他們實現比傳統雙工方法，更高的資本和營運成本，傳統的雙工方式從一開始就承諾降低成本。
但是隨著數據中心的營運以及繼續發展，專業人員的習慣和交流方式在不斷變化，提高了網路速度，並增加了複雜性。
現在安裝正確的布線基礎設施解決方案，將使企業從一開始，就獲得更大的經濟利益，保留並吸引更多客戶，並使企業的數據中心設施能夠蓬勃發展。
0 comments:
張貼留言