2024 年人工智能网络趋势：预测和见解

　　人工智能（AI）持续重塑技术格局。随着我们进入 2024 年，专家和人工智能代理正在对未来 12 个月内定义人工智能网络的趋势做出预测。

　　人工智能工作负载呈指数级增长

　　在 ChatGPT、Bard 和 X.AI 的 Grok 等 AI 应用程序已变得司空见惯的世界中，对更大、更强大的 AI 模型的渴望依然存在。计算能力的指数级增长使得大规模人工智能模型训练成为可能，对更大更好模型的需求没有放缓的迹象。超大规模企业现在面临着使用数千个 GPU 集群支持更大工作负载的挑战。

　　这一增长是由新人工智能算法的开发以及人工智能应用在各行业的广泛采用推动的。因此，人工智能工作负载不断扩大，支持它们的 GPU 集群也在不断增长。这些集群的有效使用和人工智能模型的成功训练在很大程度上取决于底层架构和网络连接。

　　开放网络：范式转变

　　超大规模企业已经在其数据中心采用了开放和分散的网络解决方案。这种转变背后的理由很明确：单一的专有网络解决方案无法提供管理大规模计算资源所需的可扩展性、灵活性和成本效益。

　　专有网络解决方案长期以来一直适用于高性能计算 (HPC)，但由于缺乏竞争，它们往往会抑制创新并推高成本。另一方面，开放和标准的网络解决方案对于人工智能生态系统的发展至关重要。它们为大规模工作负载提供了经济高效的基础设施，促进了大型语言模型 (LLM) 的普及，并使新应用程序蓬勃发展。

　　超以太网联盟 (UEC) 将在这一转型中发挥关键作用，推动开放式人工智能网络发展为基于以太网的标准化模型。以太网在 AI 后端网络中的应用预计将在 2024 年显着发展。

　　边缘计算和分布式架构

　　虽然大型后端工作负载擅长处理复杂任务和训练广泛的人工智能模型，但 2024 年的趋势是将计算能力更靠近应用程序，增强用户体验，尤其是在需要快速决策的场景中。尽管今年可能无法实现完全分布式的人工智能工作负载，但边缘计算的势头仍在持续增长。

　　这种转变需要前端和后端网络之间更频繁的互连。然而，它也凸显了一个紧迫的网络问题：这两个网段之间的连接协议不一致。为了简化网络管理并可能提高整体性能，业界开始采取措施，通过引入超以太网联盟 (UEC) 等举措来实现统一网络解决方案。

　　可持续且节能的网络

　　随着人工智能工作负载的增加，特别是涉及数千个 GPU 的工作负载，大量功耗成为一个主要问题。尽管网络对能源的影响低于计算，但这是一个需要解决的问题。此外，无论规模如何，碳足迹仍然是一个关键问题。

　　作为回应，新的人工智能网络解决方案预计将更加强调能源效率。这包括采用节能硬件并符合循环经济原则以促进可持续发展。此外，旨在提高资源利用率的先进软件预计将受到重视。

　　AIOps 已经在网络世界中崭露头角，多家供应商实施它来改善网络运营。到 2024 年，预计 AIOps 工具投资的增加将显着影响网络运营效率，从而彻底改变网络格局。

　　在人工智能的支持下，预测分析和实时异常检测可以在解决潜在网络问题和提高可靠性方面发挥关键作用。随着人工智能网络的发展，高性能连接有望通过 AIOps 的集成得到大幅改善。