Akamai schlägt verteilten Ansatz für KI-Rechenbedarf vor
Akamai setzt sich für ein verteiltes Modell des KI-Rechnens ein und stellt damit den Trend zu massiven, zentralisierten Rechenzentren in Frage. Das Unternehmen argumentiert, dass KI-Inferenz Nähe und geringe Latenz erfordert.
Akamai, bekannt für sein Content Delivery Network, schlägt einen neuen Ansatz vor, um den Bedarf an Rechenleistung für künstliche Intelligenz (KI) zu decken. Anstatt sich auf immer größere, zentralisierte Rechenzentren zu verlassen, plädiert CEO Tom Leighton für ein verteiltes Modell, das bestehende Infrastrukturen nutzt.
Das Unternehmen meint, dass neben dem intensiven Training großer KI-Modelle auch deren "Denken", also die Inferenz, Effizienz erfordert. Massive, zentralisierte Rechenzentren, die oft auf Widerstand in der Bevölkerung stoßen aufgrund ihres Energieverbrauchs und ihrer Umweltauswirkungen, sind möglicherweise nicht für alle KI-Anwendungen optimal. Leighton betont, dass insbesondere agentenbasierte KI geringe Latenz und hohe Leistung erfordert, was große, zentralisierte Lösungen möglicherweise nicht bieten können.
Akamais Strategie besteht darin, sein ausgedehntes Netzwerk zu nutzen und mit Nvidia eine KI-Grid-Orchestrierungsschicht zu entwickeln. Diese Plattform bestimmt, ob eine Inferenz-Arbeitslast in einer zentralisierten KI-Fabrik, einer regionalen Cloud oder an einem der Edge-Standorte von Akamai ausgeführt wird, basierend auf Latenzanforderungen, Betriebskosten und Leistungsbedarf.
Leightons Ansatz erinnert an Akamais ursprüngliche Strategie in den späten 1990er Jahren, als das Unternehmen dazu beitrug, die Wachstumsschmerzen des Internets zu bewältigen, indem es Inhalte näher zu den Benutzern verteilte. Nun strebt das Unternehmen danach, eine ähnliche Architektur auf die Herausforderungen der KI-Infrastruktur anzuwenden, bei denen Leistung, Zuverlässigkeit und Wirtschaftlichkeit entscheidend sind.
Akamais Bestreben zielt darauf ab, eine weniger störende und potenziell effizientere Alternative für die KI-Infrastruktur anzubieten, im Vergleich zum ständigen Bau immer größerer Rechenzentren. Das Unternehmen vertritt die Ansicht, dass der Erfolg von KI-Anwendungen im großen Maßstab stärker von der Infrastrukturplanung und der Datenlokalität abhängt als allein vom schieren Umfang der Rechenleistung.