(Información remitida por la empresa firmante)
PARÍS, 25 de marzo de 2024 /PRNewswire/ — En KubeCon + CloudNativeCon Europe 2024, celebrado en París el 21 de marzo, Dennis Gu, arquitecto jefe de Huawei Cloud, señaló, en un discurso de apertura titulado «Cloud Native x AI: Liberando la era inteligente con innovación continua de código abierto», que la integración de las tecnologías nativas de la nube y de IA es crucial para impulsar la transformación de la industria. Huawei Cloud planea seguir innovando en proyectos de código abierto y colaborando con desarrolladores para lograr una era inteligente.
La IA plantea desafíos clave al paradigma nativo de la nube.
En los últimos años, las tecnologías nativas de la nube han revolucionado los sistemas de TI tradicionales y acelerado los avances digitales en áreas como Internet y los servicios gubernamentales. La nube nativa ha introducido nuevas posibilidades, como ventas ultrarrápidas y operaciones ágiles, como DevOps, a través de la gobernanza de microservicios. Estos cambios han tenido un impacto significativo en la vida de las personas, y el rápido crecimiento y la adopción generalizada de la IA, incluidos los modelos a gran escala, se han convertido en el núcleo de la inteligencia industrial.
Según una encuesta de Epoch realizada en 2023, la computación requerida para los modelos básicos se ha multiplicado por 10 cada 18 meses, lo que es cinco veces más rápido que la tasa de crecimiento predicha por la Ley de Moore para la computación general. El surgimiento de esta «Nueva Ley de Moore» debido a la IA y la prevalencia de modelos de IA a gran escala presenta desafíos para las tecnologías nativas de la nube. En su discurso, Dennis Gu destacó los siguientes puntos clave:
La baja utilización promedio de GPU/NPU aumenta el coste de la formación y la inferencia de IA.
Los fallos frecuentes de los grandes grupos de formación de modelos disminuyen la eficiencia de la formación.
La compleja configuración de modelos a gran escala exige altos requisitos de desarrollo de IA.
La implementación de inferencias de IA a gran escala conlleva el riesgo de retrasos impredecibles en el acceso del usuario final e implica posibles problemas de privacidad de datos.
La innovación de Huawei Cloud AI ofrece a los desarrolladores ideas para afrontar los desafíos.
Los tamaños cada vez mayores de los modelos de IA exigen más computación, lo que crea desafíos para las tecnologías nativas de la nube, pero también crea oportunidades para la innovación en la industria. Dennis Gu compartió historias sobre la innovación en IA de Huawei Cloud, ofreciendo a los desarrolladores un punto de referencia para enfrentarse a los desafíos.
Huawei Cloud utilizó KubeEdge, una plataforma informática de borde nativa de la nube, para crear una plataforma de gestión y programación de múltiples robots. Con esta plataforma, los usuarios pueden usar comandos en lenguaje natural para indicarle a la plataforma qué hacer, y el sistema coordinará múltiples robots en el borde para realizar tareas complejas. El sistema está diseñado con una arquitectura de tres partes (nube, nodo perimetral y robot) para abordar desafíos como la comprensión del lenguaje natural, la programación y gestión eficientes de múltiples robots y la gestión del acceso de robots de tipo cruzado. Utiliza modelos grandes para ejecutar comandos en lenguaje natural y realiza predicciones de tráfico, asignación de tareas y planificación de rutas. La arquitectura de tres partes mejora en gran medida la flexibilidad de la plataforma robótica, mejora la eficiencia de la gestión en un 25 %, reduce el tiempo necesario para la implementación del sistema en un 30 % y reduce el tiempo necesario para implementar nuevos robots de meses a días.
Para una plataforma de intercambio de contenido líder en China, que tiene más de 100 millones de usuarios activos por mes, su servicio principal son las recomendaciones en la página de inicio. Esta característica está impulsada por un modelo con casi 100 mil millones de parámetros. Para entrenar este modelo, la plataforma utiliza un clúster de capacitación con miles de nodos informáticos, incluidos cientos de ps y trabajadores para una única tarea de capacitación. Por lo tanto, existe una gran demanda de una mejor programación de topología, alto rendimiento y alta rentabilidad. Volcano, un proyecto de código abierto, mejora el soporte para cargas de trabajo de inteligencia artificial o aprendizaje automático en Kubernetes y ofrece una variedad de políticas de programación avanzada y gestión de trabajos. Volcano incorpora algoritmos como programación basada en topología, empaquetado de contenedores y programación basada en acuerdos de nivel de servicio (SLA), lo que resulta en una mejora del 20 % en el rendimiento general de la formación y una reducción significativa en la complejidad de operación y mantenimiento de la plataforma.
La IA sin servidor está a la vanguardia del desarrollo nativo de la nube.
Muchas empresas y desarrolladores se enfrentan al desafío de ejecutar aplicaciones de IA de manera eficiente y fiable, minimizando al mismo tiempo los costes operativos. Huawei Cloud ha desarrollado una solución a este problema identificando los requisitos clave de las plataformas de IA nativas de la nube e introduciendo un nuevo concepto llamado IA sin servidor.
Durante su discurso, Dennis Gu explicó que la IA sin servidor está diseñada para simplificar tareas complejas de formación e inferencia al recomendar de manera inteligente políticas paralelas, lo que facilita su uso a los desarrolladores. También incluye una función de expansión automática adaptable de GPU/NPU que ajusta dinámicamente la asignación de recursos en función de los cambios en la carga de trabajo en tiempo real, lo que garantiza una ejecución eficiente de las tareas. Además, hay un clúster de GPU/NPU sin fallos en Serverless AI, lo que libera a los desarrolladores de la preocupación de que los fallos de hardware puedan interrumpir los servicios. Lo más importante es que la IA sin servidor es compatible con los principales marcos de IA, lo que permite a los desarrolladores integrar fácilmente sus herramientas y modelos de IA existentes.
La IA sin servidor también es un avance muy significativo para los proveedores de servicios en la nube. La IA sin servidor proporciona múltiples beneficios, como una utilización mejorada de GPU/NPU, cargas de trabajo híbridas más eficientes para capacitación, inferencia y desarrollo, y computación ecológica a través de una mejor eficiencia energética, para que pueda ahorrar dinero en electricidad. Además, la IA sin servidor permite compartir GPU/NPU entre múltiples inquilinos en diferentes espacios o en diferentes momentos, lo que mejora la tasa de reutilización de recursos. El aspecto más importante de la IA sin servidor es su capacidad para proporcionar calidad de servicio (QoS) y SLA garantizados tanto para tareas de capacitación como de inferencia, lo que garantiza un servicio estable y de alta calidad.
(CONTINUA)
