TECH & AI
Vertivช่วยองค์กรเปลี่ยนผ่านโครงการ นำร่องAIสู่การใช้งานจริงProduction
กรุงเทพฯ-Vertiv Holdings Co. (NYSE: VRT) หรือ เวอร์ทิฟ ผู้ให้บริการโครงสร้างพื้นฐานดิจิทัลสำคัญระดับโลก ร่วมกับ Deloitte Center for Integrated Research ประกาศความร่วมมือเพื่อช่วยให้องค์กรก้าวข้ามความท้าทายสำคัญในการเปลี่ยนผ่านการใช้งานปัญญาประดิษฐ์ (AI) จากขั้นการทดลองไปสู่การใช้งานจริงในระดับ Production โดยช่วยให้องค์กรสามารถประเมินได้ว่าเวิร์กโหลด AI ควรดำเนินงานอยู่ที่ใด และโครงสร้างพื้นฐานทางกายภาพที่มีอยู่สามารถรองรับการใช้งานดังกล่าวได้หรือไม่
คู่มือ Vertiv Designing Infrastructure for Enterprise AI Guide ฉบับใหม่ ซึ่งพัฒนาร่วมกันโดย Vertiv และ STL Partners บริษัทวิจัยด้านโครงสร้างพื้นฐานดิจิทัล ช่วยให้ผู้บริหารสายธุรกิจ ไอที และฝ่ายบริหารอาคารมีกรอบแนวทางการตัดสินใจโดยอ้างอิงจากลักษณะเวิร์กโหลด เพื่อประเมินความเหมาะสมก่อนลงทุนหรือวางแผนโครงสร้างพื้นฐาน องค์กรสามารถเริ่มต้นจากเป้าหมายทางธุรกิจและเวิร์กโหลด AI ที่ต้องการรองรับ เพื่อประเมินตำแหน่งที่เหมาะสมสำหรับการติดตั้งใช้งาน ความต้องการด้านโครงสร้างพื้นฐาน รวมถึงความพร้อมของสถานที่ ก่อนเชื่อมโยงแต่ละเวิร์กโหลดเข้ากับรูปแบบโครงสร้างพื้นฐานทางกายภาพและแบบอ้างอิง (Reference Design) ที่เหมาะสมสำหรับการวางแผนและการตรวจสอบทางเทคนิคในขั้นตอนต่อไป
ผลการวิจัยชี้ให้เห็นถึงปัจจัยสำคัญที่องค์กรต้องพิจารณาเมื่อขยายการใช้งานเวิร์กโหลด AI จากโครงการนำร่องสู่การดำเนินงานจริงในระยะยาว โดยความพร้อมของโครงสร้างพื้นฐานเป็นหนึ่งในปัจจัยสำคัญที่กำหนดได้ว่าเวิร์กโหลดแต่ละประเภทจะสามารถติดตั้งใช้งานได้ที่ใด และจะสามารถนำไปสู่การใช้งานจริงได้รวดเร็วเพียงใด ความพร้อมด้านพลังงาน ระบบระบายความร้อน การเชื่อมต่อเครือข่าย และขีดความสามารถในการดำเนินงาน ล้วนเป็นปัจจัยที่มีผลต่อการพิจารณาว่าเวิร์กโหลดดังกล่าวสามารถรองรับได้ภายในสถานที่ที่มีอยู่เดิม หรือจำเป็นต้องใช้รูปแบบการติดตั้งใช้งานรูปแบบอื่นแทน
คู่มือดังกล่าวได้นำปัจจัยสำคัญเหล่านี้มาพัฒนาเป็นกระบวนการ 4 ขั้นตอน ประกอบด้วย (1) การกำหนดเป้าหมายทางธุรกิจและเวิร์กโหลด AI ที่องค์กรต้องการ (2) การประเมินขนาด ประสิทธิภาพ และข้อกำหนดด้านการดำเนินงานของเวิร์กโหลด (3) การระบุตำแหน่งที่เหมาะสมที่สุดสำหรับการติดตั้งใช้งาน และ (4) การเชื่อมโยงเวิร์กโหลดและตำแหน่งการติดตั้งเข้ากับรูปแบบโครงสร้างพื้นฐานทางกายภาพและแบบอ้างอิงที่เหมาะสม
“ระยะต่อไปของ AI ภายในองค์กรจะไม่ได้ขึ้นอยู่กับเพียงโมเดลหรือขีดความสามารถด้านการประมวลผลเท่านั้น แต่ยังขึ้นอยู่กับความสามารถขององค์กรในการจัดเตรียมพลังงาน ระบบระบายความร้อน การเชื่อมต่อเครือข่าย และสภาพแวดล้อมการดำเนินงานที่เหมาะสมกับความต้องการของแต่ละเวิร์กโหลด การเริ่มต้นจากความเข้าใจในลักษณะของเวิร์กโหลด ช่วยให้องค์กรสามารถตัดสินใจด้านโครงสร้างพื้นฐานได้ตั้งแต่ระยะเริ่มต้น ระบุข้อจำกัดที่อาจเกิดขึ้นได้รวดเร็วยิ่งขึ้น และสร้างแนวทางที่น่าเชื่อถือมากขึ้นในการเปลี่ยนผ่านจากเป้าหมายด้าน AI ไปสู่การใช้งานจริงในระดับ Production” Giordano Albertazzi ประธานเจ้าหน้าที่บริหารของ Vertiv กล่าว
“ปัจจัยด้านความคุ้มค่าทางเศรษฐศาสตร์และข้อกำหนดในการดำเนินงานของ AI จะมีความแตกต่างกันเมื่อองค์กรเริ่มนำเวิร์กโหลดไปใช้งานจริงในระดับ Production องค์กรจึงควรพิจารณาคุณค่าทางธุรกิจ แนวทางการกำกับดูแล ความเป็นเจ้าของในการดำเนินงาน และโครงสร้างพื้นฐานอย่างบูรณาการ การนำคำถามเหล่านี้เข้าสู่กระบวนการวางแผนตั้งแต่เนิ่น ๆ จะช่วยให้ผู้บริหารมีพื้นฐานที่แข็งแกร่งขึ้นในการตัดสินใจว่าเวิร์กโหลด AI ควรดำเนินงานอยู่ที่ใด และควรได้รับการสนับสนุนด้านโครงสร้างพื้นฐานในระยะยาวอย่างไร” Nicholas Merizzi Principal และ U.S. Lead, Silicon2Service แห่ง Deloitte Consulting LLP กล่าว
กระบวนการนี้ตระหนักว่า ปัญญาประดิษฐ์ระดับองค์กรเป็นกลุ่มของเวิร์กโหลดที่หลากหลาย มากกว่าจะเป็นการตัดสินใจด้านโครงสร้างพื้นฐานเพียงครั้งเดียว เวิร์กโหลดในขั้นทดลองอาจยังคงอยู่บนคลาวด์ ในขณะที่เวิร์กโหลดที่ทำงานต่อเนื่องหรือมีความสำคัญต่อธุรกิจอาจเหมาะกับโครงสร้างพื้นฐานแบบไฮบริดหรือทรัพยากรที่องค์กรบริหารจัดการเอง ส่วนเวิร์กโหลดที่ต้องการเวลาตอบสนองที่รวดเร็วขึ้น การควบคุมที่มากขึ้น ความใกล้ชิดกับแหล่งข้อมูล หรือประสิทธิภาพของโมเดลในระดับเฉพาะ อาจต้องทำงานที่เอดจ์หรือในสภาพแวดล้อมที่มีการควบคุมอื่น ๆ
กระบวนการนี้สะท้อนให้เห็นว่า AI สำหรับองค์กรประกอบด้วยเวิร์กโหลดหลากหลายประเภท และไม่สามารถกำหนดแนวทางโครงสร้างพื้นฐานด้วยรูปแบบเดียวได้ เวิร์กโหลดในขั้นการทดลองอาจยังคงเหมาะกับการใช้งานบนคลาวด์ ในขณะที่เวิร์กโหลดที่ต้องรองรับการดำเนินงานอย่างต่อเนื่องหรือมีความสำคัญต่อธุรกิจ อาจเหมาะกับโครงสร้างพื้นฐานแบบไฮบริดหรือโครงสร้างพื้นฐานที่องค์กรเป็นผู้บริหารจัดการเอง สำหรับเวิร์กโหลดที่ต้องการเวลาในการตอบสนองที่รวดเร็วขึ้น การควบคุมที่มากขึ้น ความใกล้ชิดกับข้อมูล หรือประสิทธิภาพเฉพาะด้านของโมเดล อาจจำเป็นต้องติดตั้งใช้งานที่เอดจ์หรือภายในสภาพแวดล้อมที่ได้รับการควบคุมเป็นพิเศษ
แนวทางดังกล่าวช่วยให้องค์กรสามารถพิจารณาใช้ประโยชน์จากโครงสร้างพื้นฐานได้หลากหลายรูปแบบ ไม่ว่าจะเป็น Public Cloud ศูนย์ข้อมูลโคโลเคชัน (Colocation) โครงสร้างพื้นฐานที่องค์กรเป็นเจ้าของและบริหารจัดการเอง สภาพแวดล้อมแบบไฮบริด หรือโครงสร้างพื้นฐานที่เอดจ์ตามความเหมาะสมของแต่ละเวิร์กโหลด โดยคู่มือฉบับนี้ไม่ได้มุ่งเสนอแนวทางการใช้งานหรือหลีกเลี่ยงการใช้งานคลาวด์ในภาพรวม แต่ให้กรอบการประเมินที่เป็นมาตรฐานเดียวกัน เพื่อช่วยให้องค์กรสามารถกำหนดสภาพแวดล้อมการดำเนินงานที่เหมาะสมที่สุดสำหรับเวิร์กโหลด AI แต่ละประเภทได้อย่างมีประสิทธิภาพ
ผลการวิจัยได้จำแนกเวิร์กโหลด AI สำหรับองค์กรออกเป็น 6 รูปแบบ (Archetypes) ซึ่งครอบคลุมทั้งการพัฒนาโมเดล การปรับฝึกสอนหรือการRetraining โมเดล และการใช้งานจริงอีก 4 รูปแบบ เพื่อช่วยให้องค์กรสามารถระบุเวิร์กโหลดที่มีคุณลักษณะด้านประสิทธิภาพ การดำเนินงาน และความต้องการด้านโครงสร้างพื้นฐานที่ใกล้เคียงกัน เพื่อใช้เป็นพื้นฐานในการวางแผนได้อย่างเป็นระบบและสอดคล้องกันมากขึ้น จากนั้นแต่ละเวิร์กโหลดจะสามารถเชื่อมโยงเข้ากับหนึ่งใน 4 รูปแบบโครงสร้างพื้นฐานทางกายภาพ ได้แก่ Edge AI Cluster, Small AI Cluster, Large AI Cluster และ High-Density AI Cluster
โครงสร้างพื้นฐานทั้ง 4 รูปแบบนี้เป็นจุดเริ่มต้นสำหรับการตัดสินใจในด้านต่าง ๆ ที่เกี่ยวข้องกับการรองรับ AI ไม่ว่าจะเป็นพลังงาน ระบบระบายความร้อน ระบบควบคุม การเชื่อมต่อเครือข่าย ความยืดหยุ่นในการดำเนินงาน การสนับสนุนด้านปฏิบัติการ และการรองรับการขยายตัวในอนาคต จากนั้นองค์กรสามารถนำแบบอ้างอิงที่สอดคล้องกันไปปรับใช้เพิ่มเติม โดยคำนึงถึงผลการประเมินสถานที่ติดตั้ง ความต้องการเฉพาะของเวิร์กโหลด และการออกแบบทางวิศวกรรมในรายละเอียดของแต่ละโครงการ
ความพร้อมของอาคารสถานที่ติดตั้ง ถือเป็นปัจจัยสำคัญในการรองรับโครงสร้างพื้นฐานทั้ง 4 รูปแบบ โดยคู่มือฉบับนี้ช่วยให้องค์กรสามารถประเมินความพร้อมด้านพลังงาน ระบบระบายความร้อน การเชื่อมต่อเครือข่าย ศักยภาพในการดำเนินงาน และความสามารถในการรองรับการเติบโตในอนาคตของสถานที่ที่วางแผนใช้งาน การประเมินตั้งแต่เนิ่น จะช่วยให้สามารถระบุข้อจำกัดด้านโครงสร้างพื้นฐานได้ก่อนที่จะกลายเป็นอุปสรรคต่อการติดตั้งใช้งาน
คู่มือ Designing Infrastructure for Enterprise AI ฉบับเต็ม ให้รายละเอียดเกี่ยวกับรูปแบบเวิร์กโหลด AI ทั้ง 6 รูปแบบ โครงสร้างพื้นฐานทางกายภาพ 4 รูปแบบ และโรดแมป 4 ระยะ สำหรับการวางแผน ติดตั้งใช้งาน และต่อยอดโครงสร้างพื้นฐาน AI สำหรับองค์กร เพื่อรองรับการขยายการใช้งาน AI ในระยะยาวได้อย่างเป็นระบบ