Como parte da iniciativa Innovative Optical and Wireless Network (IOWN), a NTT Corporation e a Red Hat, em colaboração com a Nvidia e a Fujitsu, desenvolveram conjuntamente uma solução para aprimorar e estender o potencial de análise de dados de Inteligência Artificial (IA) em tempo real na Borda. Usando tecnologias desenvolvidas pelo IOWN Global Forum e construídas sobre a base do Red Hat OpenShift, a plataforma de aplicativos de Nuvem híbrida alimentada por Kubernetes, esta solução recebeu uma Prova de Conceito (PoC) do IOWN Global Forum e o reconhecimento por sua viabilidade no mundo real e casos de uso.
À medida que a IA, a tecnologia de sensoriamento e a inovação em rede continuam a acelerar, usar a análise de IA para avaliar e triar a entrada na Borda da rede será crítico, especialmente à medida que as fontes de dados se expandem quase diariamente. O uso da análise de IA em larga escala, no entanto, pode ser lento e complexo, e pode estar associado a custos de manutenção mais altos e manutenção de software para integrar novos modelos de IA e hardware adicional. Com os recursos de Computação de Borda surgindo em locais mais remotos, a análise de IA pode ser colocada mais perto dos sensores, reduzindo a latência e aumentando a largura de banda.
Esta solução consiste no IOWN All-Photonics Network (APN) e tecnologias de aceleração de pipeline de dados em IOWN Data-Centric Infrastructure (DCI). O pipeline de dados acelerado da NTT para IA adota o Acesso Remoto Direto à Memória (RDMA) sobre APN para coletar e processar com eficiência grandes quantidades de dados de sensores na Borda. A tecnologia de orquestração de contêineres do Red Hat OpenShift fornece maior flexibilidade para operar cargas de trabalho dentro do pipeline de dados acelerado em Data Centers remotos e distribuídos geograficamente. A NTT e a Red Hat demonstraram com sucesso que essa solução pode efetivamente reduzir o consumo de energia, mantendo menor latência para análise de IA em tempo real na Borda.
A Prova de Conceito avaliou uma plataforma de análise de IA em tempo real com Yokosuka City como base de instalação de sensores e Musashino City como Data Center remoto, ambos conectados via APN. Como resultado, mesmo quando um grande número de câmeras foi acomodado, a latência necessária para agregar dados de sensores para análise de IA foi reduzida em 60% em comparação com as cargas de trabalho de inferência de IA convencionais.
Além disso, o teste IOWN PoC demonstrou que o consumo de energia necessário para a análise de IA para cada câmera na Borda poderia ser reduzido em 40% em relação à tecnologia convencional. Essa plataforma de análise de IA em tempo real permite que a GPU seja ampliada para acomodar um número maior de câmeras sem que a CPU se torne um gargalo. De acordo com um cálculo experimental, supondo que 1 mil câmeras possam ser acomodadas, espera-se que o consumo de energia possa ser reduzido em 60%. Os destaques da prova de conceito para esta solução são os seguintes:
– Pipeline de dados acelerado para inferência de IA, fornecido pela NTT, utilizando RDMA sobre APN para buscar diretamente dados de sensores em grande escala de locais locais para a memória em um acelerador em um Data Center remoto, reduzindo as despesas gerais de manipulação de protocolo na rede convencional. Em seguida, ele conclui o processamento de dados da inferência de IA dentro do acelerador com menos despesas gerais de controle de CPU, melhorando a eficiência energética na inferência de IA.
– A análise de dados de IA em larga escala em tempo real, alimentada pelo Red Hat OpenShift, pode oferecer suporte a operadores do Kubernetes para minimizar a complexidade da implementação de aceleradores baseados em hardware (GPUs, DPUs, etc.), permitindo maior flexibilidade e implementação mais fácil em locais desagregados, incluindo Data Centers remotos.
– Este PoC usa GPUs NVIDIA A100 Tensor Core e NVIDIA ConnectX-6 NICs para inferência de IA.
Essa solução ajuda a preparar o terreno para tecnologias inteligentes habilitadas para IA que ajudarão as empresas a escalar de forma sustentável. Com essa solução, as organizações podem se beneficiar de:
– Redução das despesas gerais associadas à coleta de grandes quantidades de dados;
– Coleta de dados aprimorada que pode ser compartilhada entre áreas metropolitanas e Data Centers remotos para análise de IA mais rápida;
– A capacidade de utilizar energia disponível localmente e potencialmente renovável, como solar ou eólica;
– Maior segurança no gerenciamento de área com câmeras de vídeo atuando como dispositivos sensores.
Serviço
www.redhat.com
Leia nesta edição:
CAPA | TECNOLOGIA
Centros de Dados privados ainda geram bons negócios
TENDÊNCIA
Processadores ganham centralidade com IA
TIC APLICADA
Digitalização do canteiro de obras
Esta você só vai ler na versão digital
TECNOLOGIA
A tecnologia RFID está madura, mas há espaço para crescimento
Baixe o nosso aplicativo