El diseño de centros de datos ha estado históricamente guiado por un conjunto de prioridades coherentes: mantener disponibles los sistemas, garantizar resiliencia y ofrecer un servicio predecible en cualquier condición. Así como la red eléctrica que alimenta estos sitios, estos centros han sido concebidos para proporcionar una experiencia sumamente estable, incluso cuando fallan componentes individuales. Esto ha llevado a la implementación de múltiples capas de redundancia en energía, refrigeración y red.\n\nSin embargo, la irrupción de la inteligencia artificial ha cambiado la narrativa. A medida que las organizaciones apuestan por desplegar herramientas de IA a gran escala, la industria está descubriendo que no todas las cargas de trabajo requieren la misma infraestructura.\n\nPor ejemplo, entrenar un modelo de lenguaje grande, ejecutar inferencia en tiempo real, soportar aplicaciones empresariales y procesar transacciones críticas exigen demandas muy distintas sobre la infraestructura subyacente. Hoy en día, un único centro de datos ya no necesita atender todos los propósitos por igual; cada vez es más común ver instalaciones que son flexibles y específicas para determinadas cargas de trabajo.\n\nEl fin del modelo tradicional\nHistoricamente, una disponibilidad del 99.999% no era negociable. Los centros de datos han alimentado sistemas como bancos, redes de emergencia y servicios digitales orientados al cliente, que requieren una disponibilidad continua. En entornos donde los fallos podrían acarrear impactos extremos (altas pérdidas financieras o incluso riesgos para vidas), este enfoque tiene sentido. Pero la IA ha cambiado las reglas. Ya no es necesario un enfoque único de redundancia para todas las cargas de IA: diferentes modelos, procesos de entrenamiento e inferencia exigen niveles de servicio totalmente distintos. Por ejemplo, las instalaciones para cargas de entrenamiento de IA se están diseñando a veces sin generadores de respaldo, sin sistemas de redundancia complejos o con arquitecturas de alta capa.\n\nLa buena noticia es que se está tomando conciencia de la distinción entre entornos destinados al entrenamiento de IA e inferencia de IA. Las instalaciones de entrenamiento se ubican cada vez más donde haya disponibilidad de energía. Las restricciones primarias son suministro energético, capacidad de refrigeración y velocidad de despliegue. En muchos casos, maximizar la densidad de cómputo y acelerar los plazos de entrega resulta más relevante que alcanzar el nivel más alto de redundancia.\n\nLa infraestructura de inferencia presenta un conjunto diferente de prioridades. Estas cargas suelen desplegarse más cerca de los usuarios y soportar servicios con los que las personas interactúan diariamente. En estos escenarios, la latencia, la disponibilidad y la experiencia del usuario adquieren una relevancia notable, lo que fortalece el argumento a favor de una infraestructura resistente y de arquitecturas geográficamente distribuidas.\n\nResiliencia con precisión para sostener una industria bajo presión\nEstá claro que la fiabilidad sigue siendo importante, pero los requisitos de infraestructura varían significativamente según el servicio. En la era de la IA, la ‘resiliencia de precisión’ debe ser el foco: una redundancia que se ajuste a cómo se comportan realmente las cargas de trabajo, en lugar de basarse en supuestos de diseño heredados. El principal desafío para los operadores es determinar dónde la resiliencia aporta valor real para el negocio y dónde solo añade coste y complejidad.\n\nEn un momento en que los desarrolladores enfrentan una enorme presión, con escasez de mano de obra y una demanda que supera la oferta, recurrir de forma predeterminada a diseños ultra-resilientes y de alto nivel para cada implementación de IA intensifica los retos. Además, el sector debe entregar capacidad cada vez más rápido, mientras enfrenta un déficit energético continuo, lo que dificulta grandes desarrollos. En este contexto, sobre-engineering de la infraestructura puede acarrear consecuencias no deseadas. Cada capa adicional de redundancia consume capital y aumenta la complejidad. Esto está impulsando un mayor enfoque en la eficiencia, no solo en términos de consumo energético, sino en cómo se asigna el capital a lo largo de un proyecto. Los operadores buscan diseñar infraestructuras que maximen el valor generado por cada vatio disponible.\n\nEl papel de la capacidad de actualización\nA medida que los operadores abandonan el enfoque de una única solución para todas las redundancias y buscan optimizar su balance final, es crucial que sus instalaciones puedan adaptarse a cambios en los requerimientos de las cargas de trabajo. Aunque se espera que la inferencia represente una cuota creciente de la demanda de IA, el panorama evoluciona y es difícil predecir qué cargas, densidades y requerimientos de refrigeración dominarán en el futuro. Una infraestructura que pueda acomodar cambios en tecnologías de cómputo estará mejor posicionada para soportar las próximas generaciones de aplicaciones de IA.\n\nLa flexibilidad y la fungibilidad se han convertido en no negociables en el diseño de centros de datos. ¿Cómo se logra esto? Cada vez más, los desarrolladores utilizan bloques de construcción ‘modulares’ elaborados fuera del sitio en entornos industriales, para luego ensamblarlos en el lugar y crear una instalación adaptable que pueda evolucionar, crecer y desplazarse para enfrentar cambios. Este enfoque reduce la necesidad de tomar todas las decisiones de resiliencia de forma anticipada y diseña pensando en las transformaciones futuras. En los próximos años veremos un cambio hacia múltiples tipos de instalaciones, cada una desarrollada para un propósito distinto.\n\nEstas variarán desde campus de entrenamiento optimizados para energía, ubicados cerca de fuentes de suministro, hasta sitios de inferencia distribuidos donde la disponibilidad y la latencia afectan directamente la experiencia del usuario, junto a entornos híbridos que soportan tanto IA como cargas de trabajo tradicionales. Sin embargo, todas deben estar concebidas con la flexibilidad como prioridad para poder evolucionar cuando cambien los requisitos.\n\nTenemos ejemplos de la industria que destacan: observar que no es necesario que un único centro de datos se configure para todos los escenarios; se favorece la diversificación de ubicaciones y funciones, con una visión de futuro que prioriza la adaptabilidad sobre la rigidez.\n\nEste artículo forma parte de TechRadar Pro Perspectives, un canal para presentar a las mentes más brillantes de la industria tecnológica hoy. Las opiniones expresadas pertenecen al autor y no necesariamente a TechRadar Pro o Future plc. Si te interesa contribuir, puedes obtener más información en el enlace proporcionado.

from Latest from TechRadar https://ift.tt/7v4H5Su
via IFTTT IA