شركة WhiteFiber الأمريكية تبني شبكة فائقة للذكاء الاصطناعي عبر مراكز البيانات بطول 83 كيلومترًا

أخبار ar.wedoany.com، أكملت شركة WhiteFiber الأمريكية، المزود لخدمات البنية التحتية للذكاء الاصطناعي، بالتعاون مع شركة التكنولوجيا الشبكية الإسرائيلية DriveNets، نشر شبكة فائقة لوحدات معالجة الرسوميات (GPU) عبر مراكز البيانات. يربط هذا المشروع، عبر ألياف بصرية مظلمة بطول 83 كيلومترًا، مركزين للبيانات يبعدان حوالي 52 ميلاً عن بعضهما البعض، بالإضافة إلى مجموعات وحدات معالجة الرسوميات Nvidia H200 الخاصة بهما، في نظام حوسبة منطقي واحد. بلغ عرض النطاق الترددي الفعلي للشبكة 111.2 تيرابت في الثانية، مع ضمان زمن انتقال ذهابًا وإيابًا يبلغ 0.9 مللي ثانية. يصف الطرفان هذا المشروع بأنه أول نشر تجاري لشبكة ذكاء اصطناعي طويلة المدى من نوع Scale-across، وقد انتقلت البنية ذات الصلة من مرحلة التحقق التجريبي إلى مرحلة التشغيل الفعلي للبنية التحتية.

يندرج هذا البناء ضمن مشروع "Project Redwood" لشركة WhiteFiber، ولا يقتصر هدفه على إضافة خط ربط عادي بين مركزَي البيانات، بل يهدف إلى تمكين رفوف وحدات معالجة الرسوميات الموجودة في مواقع مختلفة من العمل بشكل تعاوني كما لو كانت منشورة داخل نفس غرفة الخادم. يعتمد الربط التقليدي بين مراكز البيانات بشكل أساسي على النسخ الاحتياطي للبيانات، ومزامنة الأعمال، والوصول عبر المناطق، وعادةً ما يكون عرض النطاق الترددي فيه أقل من القدرات الداخلية لشبكة مركز البيانات الواحد. بينما تولد مهام تدريب الذكاء الاصطناعي تدفقات بيانات ضخمة ومتزامنة ومفاجئة في فترة زمنية قصيرة؛ فإذا حدث ازدحام أو تذبذب أو فقدان للحزم في رابط الربط بين المواقع، فقد تنخفض معدلات استخدام وحدات معالجة الرسوميات في كلا الطرفين بسبب انتظار البيانات. استخدمت WhiteFiber في هذا المشروع رابط الألياف البصرية المظلمة الذي قام بتشغيل جزء فقط من الطيف الضوئي المتاح، محققةً قدرة نقل تبلغ 111.2 تيرابت في الثانية، وتخطط في المرحلة التالية لإجراء اختبارات تشغيل الطيف الكامل.

يستخدم المشروع بنية DriveNets AI Fabric كقاعدة شبكة عالية الأداء بين مركزَي البيانات، وتوفر WEKA NeuralMesh البنية التحتية للبيانات والذاكرة عبر المجموعات. تم نشر أجهزة التبديل DriveNets 9300F و5300R و5301R على جانب الشبكة، والتي تستخدم تقنية Fabric Scheduled Ethernet لإجراء موازنة تحميل قائمة على الخلايا، وإدارة قوائم انتظار الإخراج الافتراضية من طرف إلى طرف، ومعالجة المخازن المؤقتة العميقة لحركة مرور الذكاء الاصطناعي عبر المواقع، مما يسمح بجدولة البيانات المفاجئة قبل دخولها في حالة ازدحام. أثناء عملية البناء، اختبر فريق المشروع أداء رفوف وحدات معالجة الرسوميات داخل نفس مركز البيانات وبين مراكز البيانات المختلفة، للتحقق مما إذا كانت العقد البعيدة قادرة على الحفاظ على أداء اتصال قريب من أداء المجموعة داخل الموقع الواحد.

تعالج هذه البنية أولاً مشكلة نقص الطاقة الكهربائية والمساحة في مركز البيانات الواحد. غالبًا ما تواجه مجموعات الذكاء الاصطناعي الكبيرة قيودًا تتعلق بسعة الإمداد بالطاقة، ومساحة غرف الخوادم، ومرافق التبريد، وظروف الاتصال بشبكة الكهرباء المحلية. حتى لو كانت المؤسسة تمتلك المزيد من وحدات معالجة الرسوميات، فقد لا تتمكن من تركيبها جميعًا في نفس الموقع. تسمح المجموعة الفائقة عبر مراكز البيانات للمشغل بنشر أجهزة الحوسبة الجديدة في مرافق بعيدة تتوفر فيها موارد طاقة أكثر كفاية، ثم دمجها في نفس نطاق الحوسبة عبر شبكة عالية السرعة، مما يوسع نطاق مجموعة وحدات معالجة الرسوميات دون الحاجة إلى انتظار إتمام توسعة كبيرة للطاقة في مركز البيانات الأصلي.

من منظور هيكل البنية التحتية لتكنولوجيا المعلومات والاتصالات، يشكل هذا المشروع سلسلة متصلة تتكون من "مجموعات وحدات معالجة رسوميات في مواقع مختلفة - شبكة تبادل لمركز البيانات - ألياف بصرية مظلمة طويلة المدى - منصة موحدة للبيانات والذاكرة". لا تحتاج الشبكة إلى توفير عرض نطاق ترددي ذروة عالٍ فحسب، بل يجب أيضًا التحكم في زمن الانتقال عبر المواقع، وتدفقات البيانات المفاجئة، ونطاق تأثير الأعطال. بينما يجب أن تضمن منصة التخزين والبيانات إمكانية استدعاء بيانات النموذج، ونقاط فحص التدريب، والنتائج الوسيطة بشكل مستمر بين المواقع المختلفة. فقط من خلال التصميم المتزامن للحوسبة والشبكة والتخزين، يمكن لمركزي بيانات معزولين ماديًا أن يظهرا كطبقة تطبيق لنظام حوسبة ذكاء اصطناعي موحد.

تخطط WhiteFiber لزيادة منافذ شبكة Scale-across في الربع الثالث من عام 2026، لرفع عرض النطاق الترددي للنظام إلى 136 تيرابت في الثانية، وستعلن في وقت لاحق من هذا الربع عن ترتيبات الخدمة التجارية، وتكوينات البنية، وطرق التوفر. بالإضافة إلى تدريب واستدلال النماذج الكبيرة، يرى الطرفان أن هذه التقنية يمكن استخدامها أيضًا في سيناريوهات مثل شبكات الاتصالات، والحوسبة الطرفية، والذكاء الاصطناعي السيادي، وهي مناسبة بشكل خاص للمشاريع التي يجب فيها توزيع موارد الحوسبة بشكل لامركزي، ولكن الأعمال تتطلب جدولة موحدة. تشمل النقاط الجديرة بالمتابعة في المستقبل اختبارات رابط الطيف الكامل، وتوسعة السعة إلى 136 تيرابت في الثانية، وربط المزيد من رفوف وحدات معالجة الرسوميات، بالإضافة إلى استقرار المجموعة الفائقة عبر المواقع تحت ظروف الحمل العالي طويل الأمد.