भोलिको AI सञ्जालहरूले अनुमान वक्र भन्दा अगाडि रहन अनुकूलन गर्न आवश्यक छ

पछिल्ला केही वर्षहरूमा, अधिकांश AI पूर्वाधार वार्तालापहरू AI प्रशिक्षणको विशाल स्केलको वरिपरि घुमिरहेका थिए।

अग्रणी AI कम्पनीहरूले फ्रन्टियर मोडेलहरू विकास गर्न र AI दौडको नेतृत्व गर्न निर्माण गरिरहेका AI प्रशिक्षण कारखानाहरू प्रभावशाली छैनन्: सयौं हजार GPUs, एक मध्यम शहरसँग तुलना गर्न सकिने बिजुली खपत, र धेरै क्याम्पसहरूमा प्रशिक्षण मापन गर्न प्रति सेकेन्ड दसौं पेटाबिटहरू।

तर, AI अपनाउने गति बढ्दै जाँदा र यसको अनुप्रयोगहरू विस्तार हुँदै जाँदा, एउटा ठूलो पूर्वाधार चुनौती स्पटलाइट समात्न सेट गरिएको छ। सञ्जालहरूमा नयाँ, वास्तविक र निरन्तर दबाब AI को माग पक्षबाट आउँदैछ: अनुमान।

अनुमान भनेको प्रत्येक पटक कसैले च्याटबोटलाई प्रश्न सोध्दा, फाइललाई उत्पादकता उपकरण मा विश्लेषण गर्न वा तिनीहरूको भित्री-एआई-बक्समा विश्लेषण गर्न वा पुन: जेन-एआई खोजी गर्नको लागि के हुन्छ। परिणामहरू। प्रति-क्वेरीको आधारमा, उत्पन्न हुने ट्राफिक हल्का वजनको छ, ठूलो प्रशिक्षण रनसँग तुलना गर्न मिल्दैन।

अब यसलाई विश्वभर AI सँग अन्तर्क्रिया गर्ने व्यक्तिहरूको संख्याले गुणन गर्नुहोस् – र प्रत्येक पटक यसमा भिडियो, छविहरू, र समर्थन गर्ने फाइलहरू समावेश छन् भन्ने कुरालाई विचार गर्नुहोस् – र तपाईंले अर्को प्रमुख नेटवर्क माग चालक कहाँ उदाइरहेको छ भनेर देख्न सक्नुहुन्छ।

अनुमानको साथ, वृद्धि कर्भ तीव्र, विश्वव्यापी, र व्यापक रूपमा वितरित छ, र यसले डेटा केन्द्र जडान कसरी डिजाइन गरिएको छ र क्लाउड क्षेत्रहरू, महानगरहरू र महाद्वीपहरूलाई जोड्ने फराकिलो नेटवर्क इकोसिस्टमलाई पुन: आकार दिइरहेको छ। एआई पहिलेको कुनै पनि टेक्नोलोजी भन्दा छिटो एआई सुविधाहरूको मिश्रित प्रभाव प्लेटफर्महरूमा इन्जेक्ट गरिँदै छ जुन पहिले नै अरबौं सेवा गर्दछ।

आफ्नो टेक्नोलोजी इकोसिस्टममा एक नजर राख्नुहोस् र कुनै शंका छैन कि तपाईंले अब आफ्नो खोज इन्जिन, इमेल, अफिस सफ्टवेयर, नक्सा, सामाजिक फिडहरू र तपाईंको स्मार्टफोनमा एआई क्षमताहरू सम्मिलित गर्नुभएको छ। ती उत्पादनहरूमा एआई इम्बेड गर्नुले तत्काल, विश्वव्यापी पहुँच र अपरिहार्य अत्यधिक प्रयोग सुनिश्चित गर्दैछ।

परिणाम अनुमान मात्रामा आश्चर्यजनक वृद्धि हो। उदाहरणका लागि, Google लाई लिनुहोस्, जसले 2025 को प्रारम्भमा मासिक रूपमा प्रशोधन गर्ने एआई टोकनहरूको संख्या वर्षको तुलनामा 50 गुणा बढेको रिपोर्ट गर्‍यो… र त्यसपछि मात्र दुई महिना पछि यसलाई दोब्बर बनायो र अप्रिल 2026 मा घोषणा गरिएको 60 प्रतिशत क्वार्टर-ओभर-क्वार्टर टोकन वृद्धिमा देखिए झैं उत्साहजनक गतिमा बढ्दै गयो। थप स्रोतहरूको लागि माग, तर यो सबैको नजिक कतै छैन। यो बढेको अनुमान भोल्युम डेलिभर गर्न नयाँ GPU क्षमताको द्रुत डिप्लोयमेन्ट आवश्यक छ र द्रुत रूपमा बढ्दो संख्यामा अनुमान डेटा केन्द्रहरू थप भौगोलिकहरूमा वितरित गरिन्छ।

त्यो भौगोलिक वितरण पहिलो कारण अनुमान मात्र एक गणना कथा होइन तर यसको मुटुमा, नेटवर्किङ कथा हो।

टेक्स्ट देखि भिडियोमा: नेटवर्कमा मल्टीमोडल मोडेलको प्रभाव

हालसालै सम्म, समग्र इन्टरनेट ट्राफिकमा AI को योगदान सीमित छ। पाठ प्रम्प्ट र पाठ प्रतिक्रिया रकम केही किलोबाइटमा – भिडियो स्ट्रिमिङको एक मिनेटको छेउमा नगण्य।

यो चाँडै परिवर्तन हुँदैछ।

मल्टिमोडल मोडेलहरूले छविहरू, अडियो, भिडियो र थ्रीडी सामग्रीहरू विश्लेषण र उत्पन्न गर्छन्। विश्लेषण वा सम्पादनको लागि छोटो HD भिडियो क्लिप अपलोड गर्ने प्रयोगकर्ताले सेकेन्डमा धेरै मेगाबाइटहरू माथितिर धकेल्छ।

अन्वेषकहरू, विद्यार्थीहरू, र कामदारहरूले मुख्य निष्कर्षहरू संक्षेप गर्न र विस्तृत रिपोर्टहरू उत्पन्न गर्नका लागि कागजातहरूको सङ्कलनलाई मोडेलहरूमा पम्प गर्दै छन्। क्लाउड-आधारित भिडियो एनालिटिक्स जसले अन्तरदृष्टि र अलर्टहरू प्रदान गर्न क्यामेरा फिडहरू प्रशोधन गर्दछ तिनीहरूले व्यवहार्य व्यापार मोडेलहरूमा आफ्नो बाटो खोजिरहेका छन्।

ती अन्तरक्रियाहरूलाई करोडौं प्रयोगकर्ताहरूलाई करोडौंले गुणा गर्नुहोस् र अनुमानित ट्राफिक वितरित र व्यापक ट्राफिक प्रवाहको प्रमुख चालक बन्छ।

तर्क मोडेलहरूले दोस्रो तनाव थप्छन्। तत्काल प्रतिक्रिया उत्पादन गर्नुको सट्टा, तिनीहरूले समस्याहरूलाई धेरै आन्तरिक चरणहरूमा तोड्छन्, प्रायः वास्तविक समयमा समर्थन जानकारीमा तान्छन्। एकल प्रयोगकर्ता-दृश्य जवाफले दर्जनौं पृष्ठभूमि पुन: प्राप्तिहरूको शीर्षमा बस्न सक्छ, मोडेलहरू, भण्डारण प्रणालीहरू र बाह्य स्रोतहरू बीचको मेगाबाइट डेटा पठाउने, यसले धेरै जसो डेटा केन्द्र सीमाहरू पार गर्दछ।

र नेटवर्कमा थप दबाब सन्दर्भ विन्डो विस्तारबाट आउँछ। फ्रन्टियर मोडेलहरूले अब ठूलो प्रम्प्टहरू इन्जेस्ट गर्न सक्छन्: सम्पूर्ण कागजात सेटहरू, कुराकानी इतिहासहरू, पुनःप्राप्त ज्ञान आधारहरू र थप कुराहरू सोच्नुहोस्। पुन: प्राप्ति-संवर्धित पुस्ता धेरै उद्यम AI अनुप्रयोगहरूको लागि एक व्यापक रूपमा अपनाइने प्रविधि भएको छ, र यसले प्रत्येक क्वेरीमा मोडेल प्रम्प्टमा प्रासंगिक ज्ञान इन्जेक्सन समावेश गर्दछ।

सबैले भने, यी प्रवृतिहरूको अर्थ नेटवर्क परिप्रेक्ष्यबाट अब हल्का कामको बोझ छैन। यो डेटा केन्द्रहरू र प्रयोगकर्ताहरू र एआई पूर्वाधारहरू बीच दुवै ट्राफिक वृद्धिको एक प्रमुख चालक बनिरहेको छ।

DCI फोकसलाई कसरी सार्न आवश्यक छ

एआई मोडेलहरू अब क्षेत्रहरूमा वितरित छन्, र प्रयोग संकेतहरू र फिडब्याकमा प्रबलित टेल ब्याकको प्रबलीकरण सिक्न आवश्यक छ।

बहु-चरण र अलग-अलग अनुमान कार्यप्रवाहहरू बढ्दो मात्रामा पूरक क्षमताहरू भएका साइटहरू फैलिरहेका छन्; एक उच्च-कम्प्युट, ठूलो सन्दर्भ प्रशोधनमा केन्द्रित प्रिफिलको लागि सोच्नुहोस्, अर्को डिकोडको लागि कम-विलम्बता टोकन जेनरेशन र मेमोरी र क्यास दक्षताको वरिपरि केन्द्रित।

र सार्वभौम AI आवश्यकताहरूले कार्यभारलाई विशेष अधिकार क्षेत्रमा धकेल्दै छन्, उच्च क्षमता र विश्वसनीयतासँग जोड्नुपर्ने सुविधाहरूको संख्यालाई गुणा गर्दै। प्रत्येकको क्षमतासँगै रुटहरूको संख्या बढ्दै गइरहेको छ, थप लचिलो र विविध इन्टरकनेक्ट टोपोलोजीहरूद्वारा संचालित उदीयमान अनुमान-संचालित एआई डेटा केन्द्रहरूको भोल्युम र भौगोलिक वितरणमा वृद्धिसँगै। अर्कोमा प्रयोगकर्ताहरू, एजेन्टहरू, चीजहरू, र संगठनहरूलाई जोड्ने समावेश छ तिनीहरूको अनुमानित कार्यभारहरू यस मेस गरिएको पूर्वाधारमा चलाउन।

एआई प्लेटफर्महरूमा ठूला उद्यम डाटासेटहरूको आवागमनलाई सक्षम पार्न मल्टिक्लाउड अनर्याम्पहरू विकसित हुँदैछन्। AI क्लाउड मा विश्लेषणको लागि भिडियो अपलोड गर्न थप सिमेट्रिक ब्रॉडब्यान्ड पहुँच र स्केलेबल एग्रीगेशनलाई व्यापक क्यामेराहरूको समर्थन चाहिन्छ। सम्पूर्ण नेटवर्किङ इकोसिस्टम अनुकूलन गर्न आवश्यक छ।

त्यसोभए नेटवर्क अपरेटरहरूले कसरी माग र सेवा प्रदायकहरूले यी प्रवृत्तिहरूको फाइदा लिन्छन्? . प्रत्येक फाइबर जोडीको क्षमता बढाउनको लागि – एक स्रोत जुन कहिल्यै बढी मूल्यवान र खोजिएको छैन – तिनीहरूले प्रति तरंग लम्बाइ 1.6 Tb/s सक्षम सुसंगत अप्टिकल प्लेटफार्महरू र प्रणालीहरू अपनाइरहेका छन्।

लुमेन टेक्नोलोजीहरू, उदाहरणका लागि, एउटा यस्तो नेटवर्क प्रदायक हो जसले भोलिको लागि निर्माण गरिरहेको छ। यसले अविश्वसनीय गतिमा आफ्नो नेटवर्क विस्तार गर्दैछ, र त्यसो गर्नको लागि उच्च ब्यान्डविथ १.६ Tb/s सुसंगत ट्रान्सीभरको लाभ उठाउँदै छ।

अतिरिक्त, अनुमान ट्राफिक ढाँचाहरूको चर र विविध प्रकृतिले स्थिर नेटवर्कहरूलाई आदर्श भन्दा कम बनाउँछ। धेरै अपरेटरहरू यसरी क्षमता परिवर्तन गर्न र नजिकको वास्तविक समयमा कार्यसम्पादन अनुकूलन गर्न एआई-सहायता बहु-स्तर नेटवर्क नियन्त्रणमा फर्किरहेका छन्।

फेरि, लुमेन यसको प्रमुख उदाहरण हो; रिच कन्ट्रोल सुइटको लाभ उठाएर प्रदायकले व्यापक दृश्यता प्राप्त गर्दैछ र नियन्त्रणको एक बिन्दुबाट यसको फाइबर सम्पत्तिहरूको प्रयोग र प्रदर्शनलाई अधिकतम बनाउँदैछ।

र यो सबै बन्द गर्न, अनुमान ट्राफिकले प्रायः संवेदनशील डेटा समावेश गर्दछ, नेटवर्क अपरेटरहरूले कुनै पनि नयाँ DCI डिप्लोइमेन्ट भित्र अप्टिकल तहमा इन्क्रिप्सनमा बेक गरिरहेका छन्।

अनुमान कार्यभारहरू कुनै पनि पूर्वानुमान मोडेलले राख्न सक्ने भन्दा छिटो विकसित हुँदैछ। अर्को पाँच वर्षको लागि सबैभन्दा राम्रो स्थानमा राखिएका नेटवर्कहरू प्रत्येक चोटि कामको बोझ बढ्दा ठूलो स्तरवृद्धिको आवश्यकता बिना क्षमता, पहुँच र बौद्धिकता मापन गर्न डिजाइन गरिएको हो।

प्रशिक्षणले पूर्वाधार निर्माणको एआईको पहिलो लहरलाई परिभाषित गर्यो। इन्फरेन्सले यसको दोस्रो आकार दिइरहेको छ – एक धेरै विश्वव्यापी रूपमा वितरित र जटिल जसले नेटवर्किङ परिदृश्यलाई रूपान्तरण गर्नेछ।

तपाईंको डेटा व्यवस्थापन गर्नको लागि उत्तम व्यापार क्लाउड भण्डारण प्रयोग गर्नुहोस् यो लेखको रूपमा भाग थियो। TechRadar Pro Perspectives, टेक्नोलोजी उद्योगमा आजको उत्कृष्ट र उज्यालो दिमागहरू प्रस्तुत गर्ने हाम्रो च्यानल।

यहाँ व्यक्त गरिएका विचारहरू लेखकका हुन् र आवश्यक छैन कि ती लेखकका हुन्। यदि तपाईं योगदान गर्न इच्छुक हुनुहुन्छ भने यहाँ थप जान्नुहोस्: https://www.techradar.com/pro/perspectives-how-to-submit

थप पढ्नुहोस्