DriveNets הישראלית משתפת פעולה עם AMD בפיתוח ארכיטקטורה פתוחה לתשתיות בינה מלאכותית. ארכיטקטורת הייחוס משלבת יכולת חישוב, אחסון ורשת Backend, מבוססת על מאיצי AMD Instinct MI350 ומיועדת לפריסות AI רחבות היקף, משרת בודד ועד ארונות תקשורת ומרכזי נתונים שלמים.
מהי רשת Backend של AI
במערכי AI גדולים, מאיצים גרפיים פועלים במקביל לאורך מספר שרתים. תעבורת הנתונים בין המאיצים, האחסון ורכיבי המחשוב עוברת ברשת Backend פנימית, בנפרד מרשת הגישה הרגילה. ככל שמספר המאיצים גדל, הרשת נדרשת להעביר נפחי מידע גדולים יותר בקצב גבוה ובזמן השהיה נמוך.
המסמך המצורף מציין כי יכולת החישוב של המאיצים אינה מבטיחה לבדה ניצול יעיל שלהם. רשת שאינה עומדת בקצב התקשורת בין ה-GPU עלולה להפוך לצוואר בקבוק ולהגביל את היקף העבודה שהמערכת יכולה לבצע בפועל.
ארכיטקטורה אחת לחישוב, אחסון ורשת
DriveNets ו-AMD מציגות ארכיטקטורת ייחוס שמחברת בין שכבת החישוב, האחסון והרשת. לפי שתי החברות, הפתרון מספק תצורה מקצה לקצה, פתוחה, שנבדקה ותוקפה, כדי לתת לארגונים בסיס משותף לתכנון, פריסה ותפעול של תשתיות AI.
הדגש הוא על מערכת שלמה ולא על בחירת מאיץ יחיד. בארגון שמרחיב פריסה משרת בודד ל-Rack או למרכז נתונים, נדרשת התאמה בין יכולת העיבוד, קישוריות הרשת, האחסון והניהול השוטף של כל השכבות.
DriveNets מרעננה
DriveNets נוסדה ב-2015 על ידי עידו סוסן והלל קוברינסקי ופועלת מרעננה. החברה מפתחת תוכנה ופתרונות רשת בהיקפים גדולים עבור מפעילי תקשורת ותשתיות AI. באתר החברה מצוין כי פתרונותיה משמשים רשתות ייצור של מפעילים בהם AT&T ו-Comcast.
בתחום ה-AI, החברה מתמקדת ברשתות Backend, כלומר בקישוריות הפנימית של אשכולות מחשוב. שיתוף הפעולה עם AMD החל סביב משפחת AMD Instinct MI350. DriveNets מציינת גם היערכות לשילוב בפלטפורמת AMD Helios, המיועדת לפריסות AI בקנה מידה של Rack ומעלה.
פתיחות וגמישות
המהלך נועד להציע חלופה לארכיטקטורות AI הנשענות על ספק יחיד. דודי כהן, סגן נשיא לשיווק מוצרים ב-DriveNets, תיאר את הפתרון כפתרון מקצה לקצה, פתוח, שנבדק ותוקף.
במסמך מוסבר כי ארכיטקטורה פתוחה נועדה לאפשר פעולה הדדית בין ספקים ורכיבים שונים. מבחינת הארגון, גמישות כזו עשויה לאפשר התאמות עתידיות של החומרה והתוכנה בלי להיות תלוי במפת הדרכים של ספק יחיד.
מה צריך לבחון בפריסת AI
המסמך מציע לבחון תשתית AI לפי שלושה רבדים, מעבר למפרט של מאיץ GPU:
- שילוב רכיבים: התאמה בין החישוב, האחסון והרשת כמערכת אחת.
- תפעול יום-יומי: זמן פריסה, מאמץ ההגדרה, תחזוקה והתנהגות הרשת במצבי תקלה.
- גמישות ארוכת טווח: תאימות בין רכיבים, בחירת ספקים ויכולת להתאים את התשתית לאורך זמן.
עבור עסקים קטנים ובינוניים שאינם מפעילים תשתית כזו בעצמם, המסמך ממליץ לבחון פתרונות AI לפי ביצועים במשימות עסקיות אמיתיות, תאימות תוכנה, איכות התמיכה והעלות הכוללת. אותם עקרונות תקפים גם לצריכת שירותי AI מנוהלים, שבהם התשתית נמצאת אצל ספק השירות.
המשמעות לצרכני שירותי AI
ההשפעה האפשרית על משתמשי קצה היא עקיפה: תשתיות שמצליחות לשלב בצורה יעילה יותר חישוב ורשת עשויות לתמוך בשירותי AI מגיבים יותר ככל שהביקוש גדל. המסמך מדגיש שמדובר בתועלת אפשרית ולא במדד ביצועים שנמדד במסגרת שיתוף הפעולה.
אין בהודעה נתוני ביצועים השוואתיים, מחירי מערכת או מועדי זמינות מסחריים בישראל. השותפות מתמקדת בארכיטקטורת הייחוס ובשילוב בין טכנולוגיות הרשת של DriveNets למאיצי AMD.
לפרטים נוספים: המחקר המשותף באתר AMD | פרופיל החברה באתר DriveNets
