AI网络趋势2024：预测与见解

人工智能（AI）继续重塑技术格局。随着我们进入2024年，专家和AI代理正在提供他们关于未来12个月将定义AI网络的趋势的预测。

AI工作负载的指数级增长

在一个ChatGPT、Bard和X.AI的Grok等AI应用变得司空见惯的世界里，对更大、更强大AI模型的需求依然存在。计算能力的指数级增长使得大规模AI模型训练成为可能，而对更大更好模型的需求丝毫没有减弱的迹象。超大规模企业现在面临着用数千个GPU的集群支持更大工作负载的挑战。

这种增长是由新AI算法的发展和AI应用在各行业的广泛采用所驱动的。因此，AI工作负载正在扩大，支持它们的GPU集群也在增长。这些集群的有效使用和AI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解耦的网络解决方案。这种转变背后的理由很明确：单体和专有的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合高性能计算（HPC），但由于缺乏竞争，它们往往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AI生态系统的增长至关重要。它们为大规模工作负载提供了具有成本效益的基础设施，促进了大型语言模型（LLM）的普及，并使新应用得以蓬勃发展。

超以太网联盟（UEC）将在这一转型中发挥关键作用，推动开放AI网络向标准化的以太网模型发展。预计以太网在AI后端网络中的采用将在2024年显著发展。

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AI模型，但2024年的趋势是将计算能力移近应用程序，从而提升用户体验，特别是在需要快速决策的场景中。虽然完全分布式的AI工作负载可能在今年无法实现，但向边缘计算发展的势头仍在增长。

这种转变需要前端和后端网络之间更频繁的连接。然而，这也凸显了一个紧迫的网络问题：这两个网络段之间连接协议的不一致性。为了简化网络管理并可能提高整体性能，行业开始通过引入超以太网联盟（UEC）等举措，朝着统一网络解决方案迈出步伐。

可持续和节能的网络

随着AI工作负载的加剧，特别是涉及数千个GPU的工作负载，大量的电力消耗成为一个主要问题。虽然网络的能量影响低于计算，但这是一个需要解决的问题。此外，无论规模大小，碳足迹始终是一个关键问题。

作为回应，新的AI网络解决方案预计将更强调能源效率。这包括采用节能硬件并与循环经济的原则保持一致以促进可持续性。此外，旨在提高资源利用率的先进软件预计将占据重要地位。

AIOps已经在网络界崭露头角，几家供应商已实施它来改善网络运营。2024年，预计对AIOps工具的增加投资将显著影响网络运营效率，彻底改变网络格局。

由AI驱动，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AI网络的发展，通过整合AIOps，高性能连接有望得到实质性改善。