Akamai etsii hajautettua ratkaisua AI-laskentatehon tarpeisiin

Akamai, joka tunnetaan sisältöjakeluverkostonaan, esittää uuden lähestymistavan tekoäly (AI) -laskentatehon tarpeisiin. Sen sijaan, että luotettaisiin yhä suurempiin ja keskitetympiin datakeskuksiin, yhtiön toimitusjohtaja Tom Leighton ehdottaa hajautettua mallia, joka hyödyntää olemassa olevaa infrastruktuuria.

Yhtiön mukaan suuren AI-mallien koulutuksen lisäksi myös niiden "ajattelu" eli inferenssi vaatii tehokkuutta. Valtavat, keskitetyt datakeskukset, joihin usein kohdistuu yhteisöjen vastustusta virrankulutuksen ja muiden ympäristövaikutusten vuoksi, eivät välttämättä ole optimaalisia kaikille AI-sovelluksille. Leighton korostaa, että erityisesti agenttipohjainen AI vaatii alhaista viivettä ja korkeaa suorituskykyä, jota suuret, keskitetyt ratkaisut eivät pysty tarjoamaan.

Akamain strategiana on hyödyntää sen laajaa verkostoa ja kehittää AI Grid -orkestrointialustaa Nvidian kanssa. Tämä alusta määrittää, suoritetaanko inferenssityökuorma keskitetyssä AI-tehtaassa, alueellisessa pilvessä vai Akamain omissa reunalaitteiden sijainneissa. Päätökseen vaikuttavat latenssivaatimukset, käyttökustannukset ja suorituskykytarpeet.

Leightonin lähestymistapa muistuttaa Akamain alkuperäistä strategiaa 1990-luvun lopulla, jolloin se auttoi ratkaisemaan internetin kasvukipuja hajauttamalla sisältöä lähemmäs käyttäjiä. Nyt yhtiö pyrkii soveltamaan samanlaista arkkitehtuuria AI-infrastruktuurin haasteisiin, jossa suorituskyky, luotettavuus ja taloudellisuus ovat avainasemassa.

Akamain pyrkimys on tarjota AI-infrastruktuurille vähemmän häiritsevä ja mahdollisesti tehokkaampi vaihtoehto kuin rakentaa jatkuvasti lisää valtavia datakeskuksia. Yhtiön mukaan AI-sovellusten menestys skaalautumisessa riippuu enemmän infrastruktuurin suunnittelusta ja datan sijainnista kuin pelkästä laskentatehon määrästä.