|
Gartner近期發布的2024年CIO和技術高管調研顯示，超過60%的中國企業計劃在未來12至24個月內部署生成式人工智能（GenAI）。由于中國企業傾向于在本地而非通過公有云部署GenAI，目前的基礎設施環境無法支持GenAl項目，這將推動中國企業數據中心的設計轉型。 Gartner研究總監張吟鈴表示：“由于安全和數據隱私方面的擔憂以及監管要求，一些企業更傾向于在本地部署GenAl解決方案或微調大語言模型（LLM）。在本地部署GenAl對于數據中心來說并不僅僅是一個簡單的托管需求，而是可能改變企業數據中心的戰略，因為模型訓練需要大規模的GPU集群。” Gartner定義了五種GenAl部署方法（見圖1）。根據企業選擇的GenAI部署方法，中國的首席信息官（CIO）及基礎設施和運營（I&O）領導者需要了解GenAI部署的影響以及如何采取行動。 
圖1：生成式人工智能部署的五種方法 中國的CIO及I&O領導者須為應對這一技術對數據中心的影響做好準備。 本地部署GenAI將迫使I&O領導者改變托管環境的設計方式 部署GenAI對數據中心的影響取決于所運行的工作負載類型，因為某些GenAI工作負載需要使用高端圖形處理器（GPU）。由于中國市場上的高端GPU供應有限，I&O領導者要在本地部署GenAI就需要改變托管環境的設計方式。 I&O領導者無法獨自解決供應短缺問題，必須與業務、AI工程師和職能團隊合作應對這一挑戰。 張吟鈴表示：“為GenAl的部署準備基礎設施資源的中國CIO及I&O領導者應該主動與業務及相關團隊合作，預測不同工作負載對數據中心的成本和時間表的影響，從而為GenAl的部署制定數據中心宏觀戰略。如果訓練模型需要高端GPU集群，則需要通過平衡成本、風險和機遇（如購買替代硬件或租賃GPU資源），充分了解各類托管方案。” 部署大規模GPU集群需要改造并升級數據中心基礎設施和設備 從零開始構建基礎模型或微調模型需要部署大規模GPU集群，這將對現有數據中心帶來顛覆。因為GenAI模型的訓練需要高吞吐量、低延遲和無損的基礎設施。為了支持此類高性能計算集群，必須對網絡、存儲、電力供應和冷卻系統進行升級。在某些情況下，需要對現有設施進行改造，以承載升級后的基礎設施（見圖2）。
圖2：大規模GPU集群對數據中心的影響 張吟鈴表示：“中國CIO及I&O領導者需要與數據科學家和工程師合作，明確GPU集群規模和GenAI性能要求，從而確定網絡和存儲等方面的基礎設施要求。同時，也需要分析電力需求、冷卻效率、機架、空間等，確定現有數據中心環境在部署大型GPU集群方面存在的差距。平衡時間和成本，選擇最適合的數據中心改造方案。” |
