Analitycy firmy ABI Research w raporcie AI Grid Deployment Strategies wskazują, że operatorzy telekomunikacyjni mogą wykorzystać istniejącą infrastrukturę sieciową i obiekty telekomunikacyjne do wejścia na rozwijający się rynek usług infrastruktury AI.
Z analizy ABI Research wynika, że skala dostępnej infrastruktury, możliwości zasilania oraz polityka państwowa będą coraz silniej wpływać na rozwój rozproszonego przetwarzania AI. Chodzi przede wszystkim o wykorzystanie istniejących centrów danych, central operatorów i innych obiektów sieciowych, które dysponują odpowiednim zasilaniem, chłodzeniem i łącznością.
Chiny mogą dysponować potencjałem infrastruktury energetycznej umożliwiającej obsługę obciążeń związanych ze sztuczną inteligencją (AI) na poziomie około 5,4 GW. To zdecydowanie więcej niż w Stanach Zjednoczonych, gdzie potencjał ten oszacowano na 789 MW.
Model ABI Research wskazuje, że największy potencjał tkwi w już funkcjonujących centrach danych. Przypada na nie około 5 GW potencjalnej mocy obliczeniowej AI, podczas gdy centrale i węzły telekomunikacyjne mogą zapewnić kolejne około 1,5 GW. Łącznie obiekty te odpowiadają za około 98 proc. potencjału możliwego do uruchomienia w analizowanej grupie operatorów.
Oznacza to, że pierwsza fala komercyjnych wdrożeń AI będzie koncentrować się w lokalizacjach dysponujących odpowiednimi zasobami energetycznymi i technicznymi. O opłacalności takich inwestycji będą decydować m.in. koszt przetworzenia tokena oraz stopień wykorzystania procesorów GPU. Parametry te przesądzą o tym, czy rozproszona infrastruktura obliczeniowa będzie w stanie konkurować z dużymi, scentralizowanymi platformami chmurowymi.
ABI Research wskazuje kilka modeli biznesowych, które mogą wykorzystać operatorzy telekomunikacyjni. Obejmują one udostępnianie dostawcom AI powierzchni i mocy energetycznej, samodzielne uruchamianie infrastruktury obliczeniowej, a także łączenie zasobów GPU z usługami łączności i zarządzania siecią. W dalszej perspektywie operatorzy mogą rozwijać własne platformy AI.
Przykładem komercyjnego wykorzystania takiego modelu jest firma Akamai, która rozwija rozwiązanie oparte na orkiestracji zasobów obejmujących około 20 centralnie zlokalizowanych ośrodków wyposażonych w GPU. Z kolei Nvidia ma istotny wpływ na architekturę infrastruktury AI dzięki swojej pozycji w obszarze procesorów GPU, sieci i oprogramowania. W ekosystemie tym współpracuje m.in. z Nokią, Cisco i AT&T.
Zdaniem Michaela Moreno, analityka ABI Research, operatorzy nie powinni ograniczać się do roli wynajmujących powierzchnię i zasoby energetyczne dostawcom AI. Większą wartość mogą uzyskać, łącząc moc obliczeniową z łącznością, bezpieczeństwem, zarządzaniem ruchem, rozmieszczaniem obciążeń i gwarantowanymi poziomami usług (SLA).
Analityk podkreśla jednak, że rozwój rozproszonej infrastruktury AI powinien następować tam, gdzie klienci są gotowi zapłacić więcej za korzyści wynikające z niższych opóźnień, suwerenności danych i integracji z siecią operatora. Nie chodzi więc o wyposażanie każdej lokalizacji sieciowej w procesory GPU, lecz o inwestowanie w te obiekty i usługi, które mają uzasadnienie biznesowe.
