Annabelle Stephenson
Le aziende stanno abbracciando il potenziale dell’intelligenza artificiale (AI) per le proprie operazioni commerciali, e il panorama dei carichi di lavoro di AI sta subendo un cambiamento significativo. Tradizionalmente, i carichi di lavoro di AI venivano elaborati nei data center, richiedendo hardware specializzato ed costoso per addestrare i modelli. Tuttavia, poiché il campo dell’AI si evolve, c’è una crescente tendenza verso i carichi di lavoro basati su inferenza e l’ottimizzazione dei modelli esistenti. Questo cambiamento sta aprendo nuove opportunità per l’AI come servizio, offerto dai principali fornitori di servizi cloud.
Nei data center, c’è una tendenza emergente all’utilizzo di server tradizionali per i carichi di lavoro di AI. Questo passaggio verso soluzioni più economiche presenta un vantaggio significativo per i player consolidati nel settore dei data center. Con l’evoluzione di metodi di modellazione più recenti ed efficienti, i server tradizionali possono gestire questi carichi di lavoro con un rapporto costo/prestazioni favorevole e una maggiore disponibilità di calcolo. Questo elimina la necessità per le aziende di effettuare investimenti significativi in hardware costoso che è necessario solo per scopi di addestramento.
Nel frattempo, il calcolo periferico è destinato a diventare la destinazione principale per i carichi di lavoro di AI nel prossimo futuro. Il periferico comprende una vasta gamma di sistemi e di capacità di elaborazione, da piccoli insiemi di sensori a veicoli autonomi e diagnostica medica. Questa migrazione verso sistemi basati sul periferico offre numerosi vantaggi, tra cui riduzione della latenza, migliorata sicurezza e maggiore efficienza.
Per supportare l’ecosistema in crescita del calcolo periferico, è previsto che le piattaforme e gli ambienti di sviluppo open source giochino un ruolo centrale. A differenza di soluzioni proprietarie, come CUDA di Nvidia, gli ecosistemi aperti e compatibili come Arm e x86 offrono compatibilità tra vari bisogni di calcolo. Questa flessibilità consente una facile scalabilità e portabilità delle soluzioni, facilitando l’integrazione senza soluzione di continuità dei carichi di lavoro di AI dai dispositivi su piccola scala agli ambienti di calcolo su grande scala.
La rapida crescita dell’Internet delle cose (IoT) ha creato ulteriori esigenze per soluzioni scalabili nello spazio del calcolo periferico. Con l’IoT, i dispositivi sono spesso più piccoli e operano con minor potenza, rendendo cruciale stabilire un ecosistema aperto che possa soddisfare tali requisiti specifici. Di conseguenza, la collaborazione tra piattaforme open source e l’espansione dell’industria dell’IoT ha un grande potenziale per guidare l’innovazione e il progresso nel campo dell’AI.
In conclusione, il panorama dei carichi di lavoro di AI si sta spostando dai tradizionali data center agli ambienti di calcolo periferico. Mentre i data center continuano a svolgere un ruolo importante, l’aumento dei carichi di lavoro basati sull’inferenza e l’ottimizzazione dei modelli stanno generando la richiesta di soluzioni convenienti. Il periferico, con la sua vasta gamma di sistemi e capacità di elaborazione, sta emergendo come il futuro polo per i carichi di lavoro di AI. Con lo sviluppo di questa transizione, le piattaforme e gli ambienti di sviluppo open source svolgeranno un ruolo cruciale nell’agevolare la compatibilità e la scalabilità nel panorama dell’AI.
