A Inteligência Artificial (IA) e a modelagem de linguagem estão transformando as indústrias e a forma como interagimos com a tecnologia. De recomendações personalizadas a chatbots e assistentes de escrita alimentados por IA, essas tecnologias exigem enorme poder computacional e velocidades de transferência de dados extremamente rápidas.

Este tema tem sido frequentemente considerado sob a óptica de diversas aplicações, apenas para termos como exemplificação, recentemente houve uma atualização no gráfico de “roadmap” do Ethernet Alliance, onde podemos observar a inclusão de dois grandes personagens que têm impactado diretamente nos projetos e construções de redes de Data Center, são eles: Inteligência Artificial e Machine Learning.

Além desta atualização, também podemos destacar a chegada da taxa de transmissão de 800G nas aplicações dos Data Centers Hyperscale.

A infraestrutura de cabeamento serve como a espinha dorsal desses sistemas, e seu desempenho é fundamental para a velocidade e a eficiência.

6 Pontos-chave que contextualizam a Inteligência Artificial e o Cabeamento

• O crescimento exponencial dos dados de IA: Os modelos de IA são treinados em vastos conjuntos de dados, e o tamanho desses conjuntos de dados está crescendo exponencialmente. À medida que os algoritmos de IA se tornam mais complexos, eles exigem ainda mais dados. Esse crescimento se traduz em aumentos massivos nos requisitos de transmissão de dados dentro dos data centers e entre redes. O cabeamento precisa ser capaz de lidar com esses picos no fluxo de dados sem introduzir gargalos ou latência.
• O número crescente de parâmetros em modelos de IA: Uma tendência-chave dentro do desenvolvimento de IA é o crescimento contínuo de parâmetros (as variáveis que um modelo de IA aprende) dentro dos modelos de IA. Nos últimos anos, houve um aumento exponencial no tamanho do modelo. Por exemplo, o GPT-3 da OpenAI possui 175 bilhões de parâmetros. Esse aumento extraordinário nos parâmetros exige uma infraestrutura de rede mais rápida e eficiente para suportar as grandes quantidades de dados que esses modelos precisam para treinamento e processamento.
• A potência das GPUs de processamento de IA: GPUs, ou Unidades de Processamento Gráfico, são processadores especializados projetados para lidar com os enormes cálculos paralelos necessários para treinamento e inferência de IA. Em comparação com as CPUs tradicionais, as GPUs oferecem desempenho e eficiência superiores para cargas de trabalho de IA. O cabeamento de alto desempenho é essencial para a rápida transferência de dados entre GPUs, memória, armazenamento e outros componentes dentro de sistemas de IA.
• Velocidade, crítica para aplicações de IA em tempo real: Muitas aplicações de IA, como carros autônomos, aprendizado de máquina para negociação financeira ou tradução de idiomas em tempo real, dependem de tempos de resposta imediatos. Isso significa que a baixa latência é crucial. O cabeamento de alto desempenho minimiza o tempo necessário para que os dados trafeguem, permitindo que os modelos de IA reajam mais rapidamente às informações e gerem respostas quase sem atraso perceptível.
• Largura de banda, capacidade para processos complexos de IA: A largura de banda e a taxa de transferência determinam a quantidade de dados que podem ser transferidos simultaneamente. O processamento de IA normalmente envolve cálculos complexos em ambientes distribuídos. O cabeamento robusto e de alta largura de banda garante que haja capacidade de rede suficiente disponível para facilitar a comunicação rápida entre processadores, memória, armazenamento e as fontes de dados que alimentam os sistemas de IA.
• IA e a necessidade de tempo de atividade constante: As aplicações de IA frequentemente têm um impacto direto nas operações de negócios, no atendimento ao cliente e na tomada de decisões críticas. Portanto, o tempo de inatividade é inaceitável. A infraestrutura de cabeamento deve ser confiável e resiliente para evitar interrupções e garantir a continuidade dos serviços de IA. Cabeamento de alta qualidade, projetos tolerantes a falhas e caminhos redundantes aumentam significativamente o tempo de atividade do sistema.

Considerações futuras

Hollow Core fiber: A fibra tipo "hollow core" (núcleo oco, em português) é um tipo de fibra óptica que possui um núcleo vazio, em oposição às fibras ópticas convencionais que possuem um núcleo sólido. Essa característica permite que a luz seja transmitida através de um meio que não seja o vidro, como é o caso das fibras ópticas tradicionais, assim a luz viaja mais rapidamente (através do ar e não do vidro), com isto podemos ter melhor performance com relação à latência. Uma das principais vantagens da fibra óptica tipo "hollow core" é a capacidade de transmitir sinais ópticos em frequências mais altas, o que possibilita uma maior largura de banda e velocidades de transmissão mais rápidas. Além disso, essa fibra também apresenta menor dispersão, o que contribui para um melhor desempenho na transmissão de dados, contribuindo sistematicamente em Data Centers para aplicativos de IA.

Apesar de a fibra óptica "hollow core" ser uma tecnologia em desenvolvimento e possuir alguns desafios técnicos a serem superados, hoje sua aplicação está direcionada a projetos especiais.

O aumento exponencial no número de parâmetros usados em modelos de IA, combinado com a necessidade cada vez maior de aplicativos de IA em tempo real, continuará a impulsionar a demanda por infraestrutura de cabeamento mais rápida e capaz. Inovações como fibra de malha enrolável e fibras de núcleo oco (hollow core fiber) têm o potencial de atender a esses requisitos em evolução e inaugurar uma IA ainda mais poderosa.

Dicas:

• Invista em cabeamento preparado para o futuro: adote novos padrões de cabeamento, tecnologias como fibra em fita (Rollable Ribbon) e considere o potencial futuro das fibras de núcleo oco para casos de uso de IA de latência ultrabaixa.
• Planejamento cuidadoso: Planeje meticulosamente os layouts de rede, concentrando-se em rotas de cabo ideais, dissipação de calor eficiente e necessidades futuras de capacidade com implementações de alta densidade em mente. Considere as necessidades específicas dos clusters de GPU e quaisquer requisitos de cabeamento associados.
• Manutenção e monitoramento regulares: Uma infraestrutura de cabeamento bem mantida evita degradação e falhas. Monitore o desempenho de forma proativa para resolver possíveis problemas.

O cabeamento é muitas vezes um aspecto negligenciado, mas absolutamente crítico, da implantação bem-sucedida de IA. Para alcançar velocidade, confiabilidade e a largura de banda necessária para aplicativos de IA de próxima geração, a infraestrutura de cabeamento deve ser uma prioridade significativa e estratégica no planejamento e na execução, pois também vale lembrar que é a parte que possui mais longevidade em um sistema de telecomunicações. Investir em soluções de cabeamento de ponta, optando por desenvolvimentos que sejam flexíveis e com alta performance, incluindo especificamente tecnologias de fibra de alta densidade e baixa latência, capacitará os recursos de IA e preparará as organizações para o futuro da tecnologia.

Além do ponto de vista tecnológico, com a grande atenção mundial nas questões Ambientais, Sociais e de Governança, o Data Center por ser um grande consumidor energético e de outros recursos, o conceito de “Green Data Centers” também tem sido plenamente discutido e considerado nas modernizações e novos sites, inclusive chamado atenção de grupos investidores que atuam neste segmento.