AI modern Membutuhkan NaaS:Masa Depan Jaringan Terdistribusi

Saat-saat menjalankan operasi AI di satu pusat data atau fasilitas cloud terpusat sudah tidak ada lagi. Aplikasi AI modern harus memanfaatkan layanan dan kemampuan yang sangat terdistribusi. Menyatukan sumber daya ini memerlukan pendekatan baru dalam membangun jaringan. Masukkan NaaS, network-as-a-service, yang (sesuai dengan namanya) adalah model layanan cloud tempat penyedia memberikan kemampuan jaringan, termasuk konektivitas, keamanan, dan pengelolaan, kepada perusahaan sesuai permintaan dan biasanya melalui langganan.

Sekilas tentang cara kerja aplikasi AI modern menggambarkan kebutuhan akan NaaS. Untuk memulai, data yang digunakan untuk melatih model AI biasanya disimpan dan dihasilkan di tempat berbeda. Sumber daya komputasi untuk model pelatihan dan menjalankan inferensi sering kali tersebar, terutama dengan munculnya penawaran baru seperti GPUs-as-a-Service dan Neoclouds. Kebutuhan akan analisis yang cepat dan wawasan yang dapat ditindaklanjuti dalam aplikasi real-time berarti bahwa pemrosesan dan inferensi data harus dilakukan dekat dengan tempat data dihasilkan atau tindakan (misalnya, mobil otonom yang bermanuver di sekitar bahaya jalan raya) terjadi.

Dengan mempertimbangkan faktor-faktor tersebut, konvergensi AI dan jaringan mendapat perhatian besar tahun ini. Mplify (sebelumnya MEF), organisasi yang telah menggerakkan pasar NaaS selama bertahun-tahun, memperkenalkan AI. “Kami telah beralih ke peran AI,” kata Pascal Menezes, CTO Mplify. Dia mencatat bahwa dengan adanya agen dan model AI di mana pun, jaringan menjadi sangat penting.

Lihat juga: Mengapa AI Real-Time Membutuhkan Komputasi Cloud Terdistribusi di Edge

Masukkan NaaS

Saat ini, perusahaan dan penyedia layanan yang memberikan layanan untuk mendukung upaya AI pada dasarnya memerlukan konektivitas AI sebagai layanan. Di situlah NaaS dapat memainkan peran penting.

NaaS adalah model konsumsi mirip cloud untuk jaringan. Daripada memiliki, mengonfigurasi, dan mengelola perangkat keras dan perangkat lunak jaringan mereka sendiri, perusahaan dapat menggunakan fitur konektivitas, bandwidth, keamanan, dan pengoptimalan sesuai permintaan dari penyedia.

Aspek utama meliputi:

• Sesuai permintaan dan berbasis langganan :Mirip dengan SaaS atau IaaS, perusahaan dapat meningkatkan atau menurunkan skala berdasarkan penggunaan.
• Otomasi berdasarkan kebijakan :Fungsi jaringan ditampilkan sebagai API dan layanan, bukan sebagai konfigurasi manual.
• Infrastruktur abstrak :Perusahaan tidak perlu khawatir tentang tautan fisik, perutean, atau perangkat keras khusus vendor.

Lihat juga: Apa Itu Neoclouds dan Mengapa AI Membutuhkannya?

Peran Mplify di NaaS

Mplify memiliki sejarah panjang dalam menghadirkan teknologi konektivitas ke pasar. Fokusnya pada kerangka kerja, API orkestrasi layanan siklus hidup (LSO), dan sertifikasi membantu menjadikan Carrier Ethernet sebagai penawaran luas yang diandalkan oleh perusahaan selama beberapa dekade.

Grup ini mengikuti jalur serupa dengan NaaS. Perusahaan ini telah mengembangkan API dan kerangka kerja LSO yang memungkinkan penyedia layanan mengekspos layanan jaringan, seperti SD-WAN, Secure Access Service Edge (SASE), dan lainnya, dengan cara yang terstandarisasi.

Dengan standar Mplify, perusahaan dapat memesan, mengaktifkan, dan memantau layanan jaringan di beberapa operator seolah-olah mereka berurusan dengan satu penyedia cloud. Selain itu, penyedia dapat melakukan sertifikasi terhadap penawaran mereka berdasarkan standar Mplify, sehingga meningkatkan kepercayaan dan mempercepat adopsi.

Mengapa NaaS Penting untuk AI

AI, edge computing, dan akselerasi GPU sangat terdistribusi dan membutuhkan banyak sumber daya. Mereka memerlukan konektivitas yang fleksibel. Beban kerja AI dapat berpindah antar pusat data, cloud, dan situs edge. NaaS memungkinkan perusahaan dan penyedia menyediakan tautan bandwidth tinggi hanya jika diperlukan. Untuk itu, NaaS mendukung persyaratan yang berfluktuasi berdasarkan perubahan permintaan bisnis yang dapat diprediksi dan tidak terduga.

Aplikasi AI modern juga memerlukan latensi rendah dan Kualitas Layanan (QoS) yang terjamin. Ini adalah area lain di mana NaaS dapat berperan. Misalnya, inferensi di edge (misalnya, di bidang manufaktur atau sistem otonom) memerlukan jaringan yang deterministik dan andal. NaaS memungkinkan jaminan kinerja berbasis kebijakan. Hingga saat ini, penyedia NaaS umumnya menawarkan perjanjian tingkat layanan (SLA) yang menjamin tingkat kinerja, keandalan, dan ketersediaan tertentu.

Salah satu aspek tambahan dari NaaS adalah ia mengintegrasikan keamanan secara erat. Hal ini penting karena, dengan GPU dan node edge yang terdistribusi, permukaan serangan akan meluas. NaaS mengintegrasikan keamanan sebagai bagian dari struktur layanan. Sebagian besar penawaran NaaS mendukung SASE, yang menggabungkan kemampuan konektivitas jaringan area luas (WAN) dengan fungsi keamanan jaringan, seperti gerbang web aman, akses jaringan zero-trust (ZTNA), firewall-as-a-service (FWaaS), dan broker keamanan akses cloud (CASB).

Intinya

Perusahaan terbiasa dengan penawaran komputasi sebagai layanan. Namun, seiring mereka memperluas inisiatif AI dan memanfaatkan penawaran baru seperti GPU sebagai Layanan, kemampuan komputasi dengan cepat melampaui jaringan yang mendasarinya. Hal ini menciptakan titik hambatan dan menimbulkan masalah kinerja.

NaaS membantu mengatasi masalah ini dengan menawarkan interkoneksi bandwidth tinggi yang sama elastisnya. Layanan tersebut memastikan perusahaan dan penyedia dapat memindahkan kumpulan data AI yang besar dan menjalankan model terdistribusi tanpa menimbulkan latensi dan penundaan lainnya.