Vi tog en prat med Olav, CTO i nLogic Group, om hur AI påverkar den infrastruktur verksamheter bygger idag.
Artificiell intelligens har på kort tid blivit ett av de mest omtalade ämnena i teknikbranschen. Samtidigt kan det vara svårt att skilja mellan hype och verkliga behov. För många verksamheter handlar AI inte i första hand om modeller eller algoritmer – utan om infrastrukturen som gör tekniken möjlig.
När man pratar med tekniker om artificiell intelligens blir samtalet ofta mer jordnära än rubrikerna antyder.
Maskininlärning, regressionsanalys och mönsterigenkänning har använts i IT-system i många år. Många av principerna bakom AI är därför långt ifrån nya.
Samtidigt har de senaste åren introducerat något som faktiskt skiljer sig tydligt från tidigare generationer av AI. Stora språkmodeller och generativa system har gjort tekniken betydligt mer synlig – och öppnat upp för helt nya användningsområden.
Det betyder inte nödvändigtvis att tekniken är mogen för alla typer av uppgifter. I många miljöer experimenterar man fortfarande med hur sådana modeller kan användas på ett säkert sätt i kritiska tjänster.
Det råder dock ingen tvekan om att utvecklingens skala har förändrats dramatiskt.
När AI börjar “äta nätverk”
När stora modeller tränas arbetar tusentals GPU:er parallellt. De måste kontinuerligt utbyta data med varandra, vilket skapar enorma mängder trafik internt i datacenter.
Det gör nätverket betydligt viktigare än tidigare.
Där nätverket tidigare kunde vara en relativt stabil del av infrastrukturen kan det i dessa miljöer bli själva flaskhalsen. Därför utvecklar leverantörer nu nätverksutrustning och datacenterarkitektur med mycket hög kapacitet.
För vissa miljöer är detta helt nödvändigt. När stora system arbetar parallellt kan även små prestandaförbättringar få stor effekt.
Men den här typen av teknik är i stor utsträckning utvecklad för de allra största teknikmiljöerna i världen.
Teknik utvecklad för de största miljöerna
Mycket av infrastrukturen som utvecklas idag är designad för organisationer som bygger AI-plattformar i en skala som de flesta verksamheter aldrig kommer i närheten av.
För dessa miljöer är maximal prestanda avgörande. Därför investeras det tungt i teknik som minskar latens, ökar kapacitet och hanterar enorma datamängder.
Samtidigt sker något intressant när sådana lösningar utvecklas.
Tekniken blir med tiden tillgänglig även i mindre skala. Kapacitet som tidigare bara fanns i de största datacentren kan gradvis användas av betydligt fler verksamheter.
Innovation i de största miljöerna bidrar därmed till att lyfta hela marknaden.
När teknikval också handlar om ekonomi
För verksamheter som överväger AI-relaterade investeringar blir frågan därför ofta mer praktisk än teknisk:
Hur mycket kapacitet behöver vi egentligen – och vad är rätt nivå för oss?
Det är inte bara en teknisk fråga. Det är en investeringsfråga.
Väljer man för lite kan man snabbt stöta på begränsningar i prestanda och skalbarhet. Väljer man för stort riskerar man att binda upp resurser i kapacitet som inte används.
Leverantörer erbjuder lösningar på många olika nivåer – både tekniskt och ekonomiskt. Vissa plattformar är byggda för maximal prestanda i de mest krävande miljöerna. Andra är mer flexibla och kan skalas stegvis.
Därför blir det avgörande att förstå vad tekniken faktiskt är byggd för – och vilka behov den ska möta.
Att göra komplex teknik begriplig
Hos nLogic arbetar man nära leverantörerna för att förstå hur tekniken fungerar i praktiken – och vilka konsekvenser olika val får för arkitektur, drift och investeringar.
En viktig del av arbetet handlar om att filtrera informationen.
Leverantörer presenterar tekniken. Kunder ska fatta besluten. nLogic fungerar som en brygga mellan dessa två. Genom att analysera behov, trafikmönster och framtida krav kan man bedöma vilka teknikval som faktiskt skapar värde – både på kort och lång sikt.
I praktiken handlar det ofta om att ställa rätt frågor innan investeringarna görs – och säkerställa att lösningarna är anpassade till det man faktiskt ska använda dem till.
Målet är inte att bygga så avancerad infrastruktur som möjligt.
Målet är att bygga lösningar som är robusta, skalbara och rätt anpassade efter verksamhetens behov.
Tekniken kommer att fortsätta utvecklas
AI kommer utan tvekan att fortsätta påverka hur datacenter och nätverk utvecklas. Nya arbetslaster kommer att ställa nya krav på kapacitet och arkitektur.
Samtidigt kommer de flesta verksamheter att möta denna utveckling gradvis. Tekniken kommer att mogna, kapaciteten bli mer tillgänglig och lösningarna mer standardiserade.
Men behovet av välgrundade beslut kommer att bestå.
För många handlar det inte om att välja “rätt AI-strategi” – utan om att göra rätt prioriteringar vid rätt tidpunkt.
När investeringarna blir större och konsekvenserna av valen tydligare ökar också behovet av rätt bedömningar.
Kontakta gärna nLogic om ni vill diskutera vad ni faktiskt behöver – och hur ni kan undvika att investera för mycket, för lite eller fel.
Kontakta oss för mer information
