Para gerenciar essa complexidade de TI, a Ryder Cup contratou o parceiro tecnológico HPE para criar um hub central para suas operações. A solução centrou-se em uma plataforma onde a equipe do torneio poderia acessar a visualização de dados para apoiar a tomada de decisões operacionais. Este painel, que aproveitou uma rede de alto desempenho e um ambiente de nuvem privada, agregou e destilou insights de diversos feeds de dados em tempo real.
Foi um vislumbre de como são as redes prontas para IA em escala – um teste de estresse do mundo real com implicações para tudo, desde gerenciamento de eventos até operações empresariais. Embora os modelos e a prontidão dos dados recebam a maior parte da atenção da diretoria e do entusiasmo da mídia, a rede é uma terceira etapa crítica da implementação bem-sucedida da IA, explica Jon Green, CTO da HPE Networking. “A IA desconectada não ajuda muito; você precisa de uma maneira de inserir e retirar dados dela, tanto para treinamento quanto para inferência”, diz ele.
À medida que as empresas avançam em direção a aplicações de IA distribuídas e em tempo real, as redes de amanhã precisarão analisar volumes ainda maiores de informações em velocidades cada vez mais rápidas. O que aconteceu nos verdes em Bethpage Black representa uma lição que está sendo aprendida em todos os setores: redes prontas para inferência são um fator decisivo para transformar a promessa da IA em desempenho no mundo real.
Preparando uma rede para inferência de IA
Mais de metade das organizações ainda lutam para operacionalizar os seus pipelines de dados. Em uma recente pesquisa intersetorial da HPE com 1.775 líderes de TI, 45% disseram que poderiam executar push e pull de dados em tempo real para inovação. É uma mudança notável em relação aos números do ano passado (apenas 7% relataram ter tais capacidades em 2024), mas ainda há trabalho a ser feito para ligar a recolha de dados à tomada de decisões em tempo real.
A rede pode ser a chave para reduzir ainda mais essa lacuna. Parte da solução provavelmente se resumirá ao projeto da infraestrutura. Embora as redes empresariais tradicionais sejam projetadas para lidar com o fluxo previsível de aplicativos de negócios (e-mail, navegadores, compartilhamento de arquivos etc.), elas não foram projetadas para atender à movimentação dinâmica e de alto volume de dados exigida pelas cargas de trabalho de IA. A inferência, em particular, depende do transporte de vastos conjuntos de dados entre várias GPUs com precisão semelhante à de um supercomputador.
“Existe a capacidade de jogar de forma rápida e livre com uma rede empresarial padrão e pronta para uso”, diz Green. “Poucos perceberão se uma plataforma de e-mail é meio segundo mais lenta do que poderia ter sido. Mas com o processamento de transações de IA, todo o trabalho é limitado pelo último cálculo realizado. Portanto, torna-se realmente perceptível se houver alguma perda ou congestionamento.”
As redes construídas para IA, portanto, devem operar com um conjunto diferente de características de desempenho, incluindo latência ultrabaixa, rendimento sem perdas, equipamento especializado e adaptabilidade em escala. Uma dessas diferenças é a natureza distribuída da IA, que afeta o fluxo contínuo de dados.
A Ryder Cup foi uma demonstração vívida desta nova classe de networking em ação. Durante o evento, um Centro de Inteligência Conectado foi instalado para ingerir dados de leituras de ingressos, boletins meteorológicos, carrinhos de golfe rastreados por GPS, vendas de concessões e mercadorias, filas de espectadores e consumidores e desempenho da rede. Além disso, 67 câmeras habilitadas para IA foram posicionadas ao longo do percurso. As informações foram analisadas por meio de um painel de inteligência operacional e forneceram à equipe uma visão instantânea da atividade no local.
