人工智能对海底网络的影响
作者：By Geoff Bennett, Director, Solutions and Technology, Infinera
海底通信电缆（迄今为止已部署了近 560 条）纵横海洋，连接各大洲并承载超过 99% 的洲际数据流量。本文着眼于人工智能 (AI) 的出现将如何影响这些电缆的流量需求，以及我们如何设计和操作将数据输入这些电缆的关键设备。
人工智能和网络流量
有几份报告预测人工智能应用程序所需的处理能力以及未来人工智能工作负载消耗的电力将大幅增加。事实上，新加坡和爱尔兰等国家的电力消耗已经达到临界水平，由于担心电网容量不足，这些国家的数据中心项目因政府干预而暂停。但目前关于人工智能将给传输网络带来的可能工作负载的公开数据还很少——无论是地铁、长途陆地，甚至是海底链路。
云计算有什么值得吸取的教训吗？
如图 1 所示，10 年前云计算中出现了两种不同类型的流量。
图 1：流量南北：用户到网络的流量首先是“用户到网络”的流量。由于 PowerPoint 图表的绘制方式，通常将其描述为上下运行或南北运行。
南北流量最初被认为是云架构中的主要贡献者，因为用户需要将信息来回移动到数据中心的云应用程序，而不是在本地运行应用程序。
东-西：数据中心内和数据中心间的流量
另一种类型的流量（东西向）是服务器之间的本地（数据中心内）和长途（数据中心间）流量。最初，这被认为只是偶尔的更新，大部分实际流量停留在数据中心内，在同一机架或同一建筑物的机架中的服务器之间传输。
流量演进
然而，随着时间的推移，奇怪的事情发生了，如图 2 所示。
图2：交通量
随着公司迁移到云应用程序，南北向流量稳步增长，但东西向流量增长速度更快，很快就超过了南北向流量水平。东西向的增长源于虚拟化、云计算以及需要持续服务器到服务器通信的数据库和内部应用程序的密集使用。例如，您的 Facebook 页面可能看起来像一个信息窗格，但它实际上是来自虚拟化存储云的不同部分的多个信息流的拼贴。这种东西向的增长可以在长距离内发生。
为了解释原因，让我们看看由广告收入驱动的 Facebook 模式。作为一名英国居民，我的大部分钱都花在了这里，因此，如果我前往美国或亚洲各地旅行，那么向我提供美国或亚洲的广告是没有意义的——例如，新加坡的 Facebook 数据中心，必须与他们在欧洲的三个数据中心之一进行同步，以检索适当的广告并以低延迟进行投放，这样我就不会在广告投放之前滚动浏览它，因为这样 Facebook 就不会因为我的广告而获得报酬“眼球。”东西向流量还意味着数据中心可以进行负载平衡并充当弹性备份。
从传统云到人工智能数据中心
人工智能数据中心最大的问题是训练与推理等人工智能流程会对流量模式产生什么影响。初步观察是，转向人工智能数据中心来训练大型神经网络模型正在推动东西方的增长，因为一方面，这些模型超出了可以使用可在任何地方租用的容量轻松在内部进行训练的规模。一次在单个数据中心。我用图 2 中的阴影部分展示了这一推测性增长预测。
推理需要低延迟，而训练被认为对延迟不太敏感，原因很简单，它通常发生在单个数据中心内。在推理阶段，就网络流量而言，使用相对较短的文本提示查询预训练的模型，返回的响应也是短文本文档或静止图像。随着人工智能从文本响应转向静态图像，再到不断提高的视频质量，每个用户的南北流量将明显增加。
图 3：AI 对 SLTE 技术的运营和基于网络的影响
人工智能对海底网络技术的影响海底电缆一旦部署，其工程寿命为25年，但在该寿命期内我们唯一可以升级的是海底线路终端设备（SLTE），并且可能有多个通过利用最新的转发器和 SLTE 终端技术来增强电缆性能的机会。人工智能可以通过两种不同的方式在这种增强中发挥作用：操作功能和基于网络的功能。
人工智能的实际运用
人工智能可用于增强 SLTE 能力的三个主要操作领域，所有这些功能往往都包含在网络的管理和自动化软件中。
自动化网络规划和容量优化
在现代开放式电缆系统中，必须对每对光纤进行表征，以确保电缆运营商在湿式设备性能方面获得物有所值。SubOptic 开放电缆工作组已经明确定义了使用一系列参数进行表征。但进行这些测量的过程可能是劳动密集型的，而人工智能无疑可以在减少所需的手动工作方面发挥作用。
运营商的下一步是频谱规划和分配。这可能包括需要支持给定光纤对上的频谱共享。在了解将要部署的转发器的确切类型的情况下执行此阶段，并且可以将这些性能参数插入人工智能模型中，以帮助优化可用频谱。
最后，光功率规划是光纤对运行的一个持续的方面，必须仔细设计，以确保稳定的服务水平。
增强的网络监控
相干转发器以及它们所在的运输平台在较小程度上提供了名副其实的消防栓遥测流，最新的转发器在其发布的数据模型中具有数百个信息点。处理数据通信网络上的海量信息一直是一个挑战，但这正是人工智能可以通过提取人眼无法识别的相关性和模式来帮助解决的问题。
预测性维护
与增强的监控相结合的是，能够使用来自应答器、传输平台、SLTE 终端和中继器链的经过处理的遥测来检测潜在的操作问题并在它们成为问题之前进行处理。
基于网络的人工智能应用
基于网络的功能通常在人工智能增强型转发器中运行，并且至少有两种不同的功能得到了积极的开发。
威胁监控和主动防护
多年来，Infinera 一直致力于地震异常检测技术的开发——基本上使用现有的海底电缆来增强海啸预警系统。电缆运营商对这种能力表现出了兴趣，但他们也放弃了提高灵敏度的挑战，以检测海底拖网或电缆附近拖锚等威胁。
先进的非线性补偿
现代相干转发器的限制性损伤是光纤中高光功率水平引起的非线性效应。使用完全有效的算法非线性补偿 (NLC) 技术的计算量极大，远远超出了 ASIC 处理能力的直接路线图。有限的 NLC 确实提供了有用的额外性能，但研究方向之一是着眼于使用神经网络方法进行 NLC，该方法使用的处理能力要少得多，但可以提供显着的性能改进。
关于《人工智能对海底网络的影响》的评论
暂无评论