Moderne KI erfordert NaaS:Die Zukunft der verteilten Vernetzung

Die Zeiten, in denen KI-Operationen in einem einzigen Rechenzentrum oder einer zentralen Cloud-Einrichtung ausgeführt wurden, sind vorbei. Moderne KI-Anwendungen müssen stark verteilte Dienste und Fähigkeiten nutzen. Die nahtlose Zusammenführung dieser Ressourcen erfordert einen neuen Ansatz für die Vernetzung. Hier kommt NaaS (Network-as-a-Service) ins Spiel, bei dem es sich (wie der Name schon sagt) um ein Cloud-Services-Modell handelt, bei dem Anbieter Netzwerkfunktionen, einschließlich Konnektivität, Sicherheit und Verwaltung, für Unternehmen auf Anfrage und in der Regel über ein Abonnement bereitstellen.

Ein kurzer Blick auf die Funktionsweise moderner KI-Anwendungen verdeutlicht den Bedarf an NaaS. Zunächst einmal werden Daten, die zum Trainieren von KI-Modellen verwendet werden, typischerweise an verschiedenen Orten gespeichert und generiert. Rechenressourcen für das Training von Modellen und die Ausführung von Inferenzen sind oft verstreut, insbesondere mit dem Aufkommen neuer Angebote wie GPUs-as-a-Service und Neoclouds. Der Bedarf an schnellen Analysen und umsetzbaren Erkenntnissen in Echtzeitanwendungen bedeutet, dass die Datenverarbeitung und Schlussfolgerung in der Nähe des Ortes erfolgen muss, an dem die Daten generiert werden oder die Aktion stattfindet (z. B. ein autonomes Auto, das um eine Verkehrshindernis manövriert).

Angesichts dieser Faktoren erhielt die Konvergenz von KI und Vernetzung in diesem Jahr große Aufmerksamkeit. Mplify (ehemals MEF), die Organisation, die seit Jahren den NaaS-Markt vorantreibt, brachte KI ins Spiel. „Wir sind in die KI-Rolle übergegangen“, sagte Pascal Menezes, CTO von Mplify. Er stellte fest, dass Netzwerke angesichts der überall vorhandenen KI-Agenten und -Modelle aller Art sehr wichtig geworden seien.

Siehe auch: Warum Echtzeit-KI verteiltes Cloud-Computing am Edge benötigt

Geben Sie NaaS ein

Heutzutage benötigen Unternehmen und Anbieter, die Dienste zur Unterstützung von KI-Bemühungen bereitstellen, im Wesentlichen KI-Konnektivität als Dienstleistung. Hier kann NaaS eine entscheidende Rolle spielen.

NaaS ist ein Cloud-ähnliches Verbrauchsmodell für die Vernetzung. Anstatt dass Unternehmen ihre eigene Netzwerkhardware und -software besitzen, konfigurieren und verwalten müssen, können sie bei Bedarf Konnektivität, Bandbreite, Sicherheit und Optimierungsfunktionen von einem Anbieter nutzen.

Zu den wichtigsten Aspekten gehören:

• On-Demand und abonnementbasiert :Ähnlich wie bei SaaS oder IaaS können Unternehmen je nach Nutzung nach oben oder unten skalieren.
• Richtliniengesteuerte Automatisierung :Netzwerkfunktionen werden als APIs und Dienste bereitgestellt und nicht als manuelle Konfiguration.
• Abstrahierte Infrastruktur :Unternehmen müssen sich keine Gedanken über physische Verbindungen, Routing oder herstellerspezifische Hardware machen.

Siehe auch: Was sind Neoclouds und warum braucht KI sie?

Die Rolle von Mplify bei NaaS

Mplify hat eine lange Geschichte in der Markteinführung von Konnektivitätstechnologien. Der Fokus auf Frameworks, LSO-APIs (Lifecycle Service Orchestration) und Zertifizierungen trug dazu bei, Carrier Ethernet zu einem allgegenwärtigen Angebot zu machen, auf das sich Unternehmen jahrzehntelang verlassen konnten.

Mit NaaS ist die Gruppe einen ähnlichen Weg gegangen. Es hat LSO-APIs und Frameworks entwickelt, die es Dienstanbietern ermöglichen, Netzwerkdienste wie SD-WAN, Secure Access Service Edge (SASE) und mehr auf standardisierte Weise bereitzustellen.

Mit den Standards von Mplify können Unternehmen Netzwerkdienste über mehrere Betreiber hinweg bestellen, aktivieren und überwachen, als ob sie es mit einem einzigen Cloud-Anbieter zu tun hätten. Darüber hinaus können Anbieter ihre Angebote anhand der Mplify-Standards zertifizieren, was das Vertrauen erhöht und die Akzeptanz beschleunigt.

Warum NaaS für KI wichtig ist

KI, Edge Computing und GPU-Beschleunigung sind stark verteilt und ressourcenintensiv. Sie erfordern flexible Konnektivität. KI-Arbeitslasten können zwischen Rechenzentren, Clouds und Edge-Standorten verteilt sein. Mit NaaS können Unternehmen und Anbieter nur bei Bedarf Verbindungen mit hoher Bandbreite aufbauen. Zu diesem Zweck unterstützt NaaS schwankende Anforderungen basierend auf vorhersehbaren und unvorhergesehenen Änderungen der Geschäftsnachfrage.

Moderne KI-Anwendungen benötigen außerdem eine geringe Latenz und eine gesicherte Servicequalität (QoS). Auch hier kann NaaS eine Rolle spielen. Beispielsweise erfordert Inferenz am Rande (z. B. in der Fertigung oder in autonomen Systemen) eine deterministische, zuverlässige Vernetzung. NaaS ermöglicht richtlinienbasierte Leistungsgarantien. Bisher bieten NaaS-Anbieter im Allgemeinen Service Level Agreements (SLAs) an, die bestimmte Leistungsniveaus, Zuverlässigkeit und Verfügbarkeit garantieren.

Ein weiterer Aspekt von NaaS ist die enge Integration der Sicherheit. Das ist wichtig, denn mit verteilten GPUs und Edge-Knoten vergrößert sich die Angriffsfläche. NaaS integriert Sicherheit als Teil der Servicestruktur. Die meisten NaaS-Angebote unterstützen SASE, das WAN-Konnektivitätsfunktionen (Wide Area Networking) mit Netzwerksicherheitsfunktionen wie sicheren Web-Gateways, Zero-Trust Network Access (ZTNA), Firewall-as-a-Service (FWaaS) und Cloud Access Security Broker (CASB) kombiniert.

Fazit

Unternehmen sind an Compute-as-a-Service-Angebote gewöhnt. Wenn sie jedoch ihre KI-Initiativen ausweiten und neue Angebote wie GPUs-as-a-Service nutzen, überfordern die Rechenkapazitäten schnell das zugrunde liegende Netzwerk. Das führt zu Engpässen und Leistungsproblemen.

NaaS trägt zur Bewältigung dieser Probleme bei, indem es gleichermaßen elastische Verbindungen mit hoher Bandbreite bietet. Solche Dienste stellen sicher, dass Unternehmen und Anbieter große KI-Datensätze verschieben und verteilte Modelle ausführen können, ohne dass es zu Latenzen und anderen Verzögerungen kommt.