Akamai förespråkar distribuerad lösning för AI-beräkningsbehov

Akamai, känt för sitt innehållsleveransnätverk, presenterar ett nytt synsätt på behoven av beräkningskapacitet för artificiell intelligens (AI). Istället för att förlita sig på allt större och mer centraliserade datacenter, föreslår företagets VD Tom Leighton en distribuerad modell som utnyttjar befintlig infrastruktur.

Företaget menar att utöver den omfattande träningen av stora AI-modeller, kräver även deras "tänkande", det vill säga inferens, effektivitet. Enorma, centraliserade datacenter, som ofta möter motstånd från lokalsamhällen på grund av energiförbrukning och andra miljömässiga påverkan, är inte nödvändigtvis optimala för alla AI-applikationer. Leighton betonar att särskilt agentbaserad AI kräver låg latens och hög prestanda, något som stora, centraliserade lösningar inte kan erbjuda.

Akamais strategi är att utnyttja sitt omfattande nätverk och utveckla AI Grid-orkestreringsplattformen i samarbete med Nvidia. Denna plattform avgör om en inferensarbetsbelastning ska köras i en centraliserad AI-fabrik, ett regionalt moln eller vid Akamais egna edge-platser. Beslutet påverkas av latenskrav, driftskostnader och prestandabehov.

Leightons angreppssätt påminner om Akamais ursprungliga strategi i slutet av 1990-talet, då företaget hjälpte till att lösa internetets tillväxtproblem genom att distribuera innehåll närmare användarna. Nu strävar företaget efter att tillämpa en liknande arkitektur på utmaningarna inom AI-infrastruktur, där prestanda, tillförlitlighet och ekonomi är avgörande.

Akamais ambition är att erbjuda ett mindre störande och potentiellt mer effektivt alternativ för AI-infrastruktur jämfört med att ständigt bygga fler gigantiska datacenter. Företaget menar att framgången för AI-applikationer i skalning beror mer på infrastrukturdesign och datalokalisering än enbart på mängden beräkningskapacitet.