El diseño de los centros de datos ha estado moldeado durante años por una prioridad familiar: mantener los sistemas disponibles, resilientes y predecibles en cualquier condición. Al igual que la red eléctrica que alimenta estos sitios, están diseñados para brindar un servicio altamente consistente sin importar lo que suceda, incluso cuando fallan componentes individuales.
Esto significa que los operadores crean capas de redundancia en la infraestructura de red, refrigeración y energía.
CTO y cofundador de InfraPartners.
Pero la inteligencia artificial ha cambiado la historia. A medida que las organizaciones se apresuran a implementar herramientas de inteligencia artificial a escala, la industria de los centros de datos está descubriendo que no todas las cargas de trabajo tienen los mismos requisitos de infraestructura.
Por ejemplo, entrenar un modelo de lenguaje grande, ejecutar inferencia en tiempo real, soportar aplicaciones empresariales y procesar transacciones críticas para el negocio imponen exigencias muy diferentes a la infraestructura subyacente.
Hoy en día, un centro de datos no necesita cumplir todos los propósitos por igual y cada vez vemos más que las instalaciones pueden ser flexibles y adaptarse a las necesidades de cargas de trabajo específicas.
Fin del modelo tradicional
Históricamente, el 99,999 % de tiempo de actividad no era negociable. Los centros de datos contienen sistemas administrados tradicionalmente, como bancos, redes de emergencia y servicios digitales de cara al cliente, que requieren disponibilidad continua.
En un entorno así, donde una interrupción puede tener un impacto extremo (desde grandes pérdidas financieras hasta poner en riesgo vidas reales), este enfoque tiene sentido. Debido a que los operadores no siempre pueden predecir qué aplicaciones serán verdaderamente críticas, muchas instalaciones se construyeron con los valores de resiliencia más altos de forma predeterminada.
Pero la IA ha cambiado eso. Ya no es necesaria una redundancia única. Los diferentes modelos, procesos de capacitación y estimación requieren niveles de servicio completamente diferentes. Por ejemplo, las cargas de trabajo de capacitación en IA se benefician al estar diseñadas sin generadores de respaldo, sistemas de redundancia complejos o arquitecturas de alto nivel.
La buena noticia es que existe una comprensión cada vez mayor de la diferencia entre los entornos necesarios para el entrenamiento de la IA y la estimación de la IA. Cada vez más se instalan instalaciones de formación allí donde hay electricidad.
Las principales limitaciones son el suministro de energía, la capacidad de enfriamiento y la velocidad de implementación. En muchos casos, maximizar la densidad informática y acelerar los plazos de entrega es más importante que lograr el nivel de redundancia más alto posible.
La infraestructura de supuestos presenta un conjunto diferente de prioridades. Estas cargas de trabajo a menudo se ubican más cerca de los usuarios y de los servicios de soporte con los que las personas interactúan a diario. En este escenario, la latencia, la disponibilidad y la experiencia del cliente se vuelven significativamente más importantes, lo que constituye un fuerte argumento a favor de una infraestructura resiliente y arquitecturas distribuidas geográficamente.
Resiliencia adecuada para apoyar una industria bajo presión
Por tanto, está claro que la fiabilidad sigue siendo importante. Sin embargo, los requisitos de infraestructura varían significativamente según el servicio admitido. En la era actual de la IA, el enfoque debería ser la “resiliencia precisa”, es decir, la redundancia que coincida con el comportamiento real de las cargas de trabajo, en lugar de depender de suposiciones de diseño heredadas.
El desafío clave aquí para los operadores es determinar dónde la resiliencia proporciona valor comercial real y dónde simplemente agrega costos y complejidad.
En un momento en que los desarrolladores enfrentan enormes presiones en medio de la escasez de mano de obra, con una oferta que supera la demanda, optar por diseños ultrarresilientes y de alto nivel para cada implementación de IA solo exacerba los desafíos.
Se espera que la industria entregue capacidad más rápido que nunca mientras se enfrenta a una brecha energética constante, lo que significa que los desarrollos a gran escala son cada vez más difíciles de ejecutar. En este panorama, la ingeniería excesiva de la infraestructura puede tener consecuencias no deseadas.
Cada capa adicional de redundancia consume capital y aumenta la complejidad. Esto está provocando una mayor atención a la eficiencia, no sólo en términos de consumo de energía, sino también en cómo se asigna el capital en un proyecto. Los operadores buscan diseñar infraestructura que maximice el valor generado por cada vatio de energía disponible.
Introducción a la actualizabilidad
A medida que los operadores se alejan de esta redundancia única para optimizar sus resultados, es fundamental que sus instalaciones puedan adaptarse a los requisitos cambiantes de las cargas de trabajo.
Si bien se espera que las proyecciones representen una porción cada vez mayor de la demanda de IA, el panorama continúa evolucionando y es difícil predecir qué cargas de trabajo, densidades y requisitos de refrigeración dominarán en el futuro. La infraestructura que pueda adaptarse a los cambios en la tecnología informática estará mejor posicionada para soportar aplicaciones de IA de próxima generación.
Por lo tanto, la flexibilidad y la escalabilidad son los nuevos elementos no negociables en el diseño de centros de datos. ¿Cómo es eso posible? Cada vez más, los desarrolladores utilizan ‘bloques de construcción’ construidos fuera del sitio en entornos de fábrica y luego los ensamblan en el sitio para crear una instalación adaptable que puede evolucionar, crecer y reubicarse para siempre.
Este enfoque reduce la necesidad de tomar todas las decisiones sobre resiliencia por adelantado y se construye teniendo en cuenta los cambios del mañana. En los próximos años, veremos un cambio hacia múltiples tipos de servicios, cada uno diseñado para un propósito diferente.
Estos van desde campus de capacitación con energía optimizada construidos cerca de fuentes de energía hasta sitios de simulación distribuidos donde el tiempo de actividad y la latencia impactan directamente la experiencia del usuario, y también admiten tanto la IA como las cargas de trabajo tradicionales en entornos híbridos. Sin embargo, todos deberían diseñarse teniendo en cuenta la flexibilidad para garantizar que puedan evolucionar a medida que cambien las necesidades.
Hemos presentado los mejores servicios de alojamiento web.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
