अभी मांग पर देखें!
प्रस्तुतकर्ता:
मुनीन्द्र सिंह साम्बीउपाध्यक्ष, उत्पाद प्रबंधन, Google क्लाउड नेटवर्किंग
नीलेय शाहवरिष्ठ सॉफ्टवेयर आर्किटेक्ट, NVIDIA
पूर्व दर्शन
व्यवसाय हाइब्रिड और मल्टी-क्लाउड वातावरण में तेजी से काम कर रहे हैं, और डेटा तेजी से वितरित हो रहा है। साथ ही, उद्यम तेजी से एआई/एमएल के लिए मल्टीक्लाउड को अपना रहे हैं और अगले तीन वर्षों के भीतर जेनरेटिव एआई को अपनाने की योजना बना रहे हैं।
व्यावसायिक चपलता बनाए रखते हुए एआई द्वारा उत्पन्न नई मांगों को पूरा करने के लिए, पारंपरिक तकनीक अब पर्याप्त नहीं है: एआई अनुप्रयोगों के लिए एंटरप्राइज़ नेटवर्क को सुरक्षित, सुव्यवस्थित और स्केल किया जाना चाहिए।
Google क्लाउड सबसे व्यापक और कुशल AI बुनियादी ढांचा प्रदान करता है, जो ग्राहकों को अद्वितीय स्केलेबिलिटी, स्थिरता, विकल्प और लचीलापन प्रदान करता है। Google क्लाउड नेटवर्किंग AI/ML ट्रैफ़िक के लिए कम विलंबता और उच्च बैंडविड्थ सुनिश्चित करता है, जबकि GKE और मॉडल-ए-ए-सर्विस एंडपॉइंट विभिन्न वातावरणों में मॉडल तक निर्बाध पहुंच सक्षम करते हैं। इन क्षमताओं का लाभ उठाकर, व्यवसाय एआई/एमएल की पूरी क्षमता का उपयोग कर सकते हैं, नवाचार में तेजी ला सकते हैं और ठोस व्यावसायिक परिणाम प्राप्त कर सकते हैं।
प्रसंग
प्रस्तुतकर्ताओं ने एआई-संचालित प्रौद्योगिकी के विकास पर चर्चा की और एआई अनुप्रयोगों की सेवा के लिए पांच प्रमुख सिफारिशें साझा कीं।
चाबी छीनना
जेनरेशन एआई नेटवर्किंग तकनीक में बुनियादी बदलाव ला रहा है।
जैसे-जैसे अधिक कंपनियां अगली पीढ़ी के एआई को अपनाती हैं, जीपीयू की मांग बढ़ गई है, लेकिन नई प्रौद्योगिकियों के साथ नई चुनौतियां भी आती हैं। पारंपरिक वेब एप्लिकेशन और अगली पीढ़ी के एआई एप्लिकेशन में अलग-अलग ट्रैफ़िक पैटर्न होते हैं जिसके परिणामस्वरूप अलग-अलग नेटवर्क आवश्यकताएं होती हैं।
| पारंपरिक वेब अनुप्रयोग | जनरल एआई ऐप्स |
|---|---|
|
|
जनरल जी एआई की शक्ति का दोहन करने के लिए मौलिक रूप से विभिन्न प्रौद्योगिकियों की आवश्यकता है। एआई उपयोग के मामलों का कार्यान्वयन बड़े पैमाने पर विशेष कंप्यूटिंग बुनियादी ढांचे, कम-विलंबता संचार संरचना, उच्च-बैंडविड्थ डेटा ट्रांसफर इत्यादि जैसी प्रगति पर निर्भर करता है।
“एआई उपयोग के मामलों में, नेटवर्किंग को काम करना होगा। यह एक महत्वपूर्ण उपकरण है जो मार्ग प्रशस्त करने में मदद करता है। »
-मुनिन्दर सिंह सांबी, गूगल क्लाउड नेटवर्किंग
चित्र 1: एआई अनुप्रयोगों में पारंपरिक अनुप्रयोगों की तुलना में अलग-अलग उपयोग के मामले हैं
Google AI वर्कलोड के लिए नेटवर्क प्रबंधन के लिए 5 प्रमुख अनुशंसाएँ प्रदान करता है।
एक अन्य उद्योग नेता, NVIDIA के साथ अपनी दीर्घकालिक साझेदारी के माध्यम से, Google ने जेन एआई अनुप्रयोगों के लिए नवीन तकनीक विकसित की है, जो अधिक गति को सक्षम करने और लगातार बदलती आवश्यकताओं को पूरा करने में मदद करने के लिए बुनियादी ढांचे को सरल बनाती है।
Google और NVIDIA के बीच सहयोग ने न केवल AI प्रौद्योगिकी में महत्वपूर्ण प्रगति को सक्षम किया है, बल्कि प्रचुर अनुभव भी प्रदान किया है जिससे Google ने AI के कार्यभार के लिए नेटवर्क प्रबंधन के लिए पांच प्रमुख सिफारिशें प्राप्त की हैं:
1. एआई/एमएल बुनियादी ढांचे के लिए डिज़ाइन और अनुकूलित एक स्केलेबल नेटवर्क संरचना स्थापित करें
एआई/एमएल पाइपलाइन के चार चरण डेटा अंतर्ग्रहण, डेटा तैयारी, मॉडल प्रशिक्षण और अनुमान हैं। प्रदर्शन, विलंबता और लागत-प्रभावशीलता सुनिश्चित करने के लिए अंतर्निहित नेटवर्क बुनियादी ढांचा हर चरण में महत्वपूर्ण भूमिका निभाता है। मॉडल प्रशिक्षण के दौरान कार्य निष्पादन समय को अनुकूलित करने के लिए प्रशिक्षण के लिए अनुकूलित एक उच्च क्षमता, गैर-अवरुद्ध डेटा सेंटर नेटवर्क आवश्यक है।
“एआई/एमएल डेटा पाइपलाइन के हर चरण में नेटवर्क बुनियादी ढांचे को अनुकूलित करके, कंपनियां अब समग्र मॉडल विकास और तैनाती दक्षता में महत्वपूर्ण प्रगति कर सकती हैं, जिससे बाजार में तेजी से समय और बेहतर उपयोगकर्ता अनुभव प्राप्त होगा। »
-मुनिन्दर सिंह सांबी, गूगल क्लाउड नेटवर्किंग
चित्र 2: एआई पीढ़ी के लिए एक स्केलेबल नेटवर्क
2. Google क्रॉस-क्लाउड नेटवर्क के साथ कई क्लाउडों पर AI को प्रशिक्षित करें
प्रशिक्षण और अनुमान उपयोग के मामले डेटा अंतर्ग्रहण पर निर्भर करते हैं। हालाँकि, सुरक्षा से समझौता किए बिना, डेटा को पहले विभिन्न स्थानों (उदाहरण के लिए, ऑन-प्रिमाइसेस, अन्य क्लाउड में) से AL/ML क्लाउड इंफ्रास्ट्रक्चर में ले जाना होगा। क्रॉस-क्लाउड नेटवर्क डेटा को तेज़ी से और सुरक्षित रूप से स्थानांतरित करने के लिए एसएलए द्वारा समर्थित कम-विलंबता, अत्यधिक विश्वसनीय हाइब्रिड और मल्टी-क्लाउड कनेक्टिविटी प्रदान करता है।
चित्र 3: Google क्रॉस-क्लाउड नेटवर्क कई क्लाउडों पर AI प्रशिक्षण को सक्षम बनाता है
3. सुरक्षित AI कार्यभार, डेटा और उपयोगकर्ता।
जेन जी एआई जोखिमों को कम करने के लिए नेटवर्क के हर स्तर पर व्यापक, व्यापक सुरक्षा लागू करना अनिवार्य है। उद्यमों को उच्च सुरक्षा प्रभावशीलता और मजबूत, सरल नेटवर्क नियंत्रण के उपयोग की आवश्यकता है। Google सुरक्षा समाधान लगातार बदलते खतरे के परिदृश्य में बड़े पैमाने पर सुरक्षा प्रदान करने के लिए डिज़ाइन किए गए हैं, जो आराम और पारगमन में डेटा के लिए उपलब्ध विकल्पों की तुलना में 20 गुना अधिक प्रभावशीलता प्राप्त करते हैं।
“अब ऐसी कोई जगह नहीं होगी जहां डेटा…या मॉडल को एप्लिकेशन लेयर से लेकर जीपीयू तक उजागर किया जा सके। सुरक्षा को हार्डवेयर-आधारित बनाना वास्तव में रोमांचक है। »
-नीले शाह, एनवीडिया
चित्र 4: एआई अनुप्रयोगों के लिए कार्यभार, डेटा और उपयोगकर्ताओं के लिए शून्य विश्वास सुरक्षा आवश्यक है
4. एआई अनुमान के लिए लोड संतुलन के साथ यातायात प्रबंधन को अनुकूलित करें
जनरल एआई अनुमान वर्कलोड की मल्टीमॉडल प्रकृति और परिवर्तनशील क्वेरी और प्रतिक्रिया समय नेटवर्क प्रबंधन के लिए अद्वितीय चुनौतियां पेश करते हैं। पारंपरिक उपयोग-आधारित ट्रैफ़िक प्रबंधन या रोटेशन पद्धति जेन एआई-आधारित अनुमान के लिए इष्टतम नहीं है। Google लोड बैलेंसिंग एक अनुकूलन योग्य कतार गहराई मीट्रिक के आधार पर ट्रैफ़िक वितरित करके, बेहतर GPU दक्षता प्रदान करते हुए और लागत कम करते हुए औसत और चरम विलंबता को कम करके इस चुनौती को हल करता है।
चित्र 5: Google AI के लिए उन्नत लोड संतुलन प्रदान करता है
5. एआई-संचालित जेमिनी क्लाउड असिस्ट के साथ परिचालन शुरू करें
इष्टतम परिचालन दक्षता के लिए जेमिनी क्लाउड असिस्ट एआई का लाभ उठाएं। डिज़ाइन से लेकर निर्माण तक, Google जेमिनी सर्वोत्तम प्रथाओं पर सलाह प्रदान करके आपके संचालन को अनुकूलित करने में आपकी सहायता करेगा, जैसे कि लागत कम करना या सुरक्षा में सुधार करना, समस्या निवारण युक्तियाँ प्रदान करना, और बहुत कुछ। जेमिनी क्लाउड असिस्ट के साथ नेटवर्क संचालन क्लाउड की ओर बढ़ने में तेजी लाता है।
चित्र 6: जेमिनी क्लाउड असिस्ट एआई को काम में लाने में मदद करता है
और अधिक जानें
मिलने जाना गूगल क्लाउड और NVIDIA
जीवनी
मुनीन्द्र सिंह साम्बी
मुनींद्र सिंह सांबी Google क्लाउड में नेटवर्किंग के लिए उत्पाद प्रबंधन के उपाध्यक्ष हैं। वह Google क्लाउड के नेटवर्किंग और नेटवर्क सुरक्षा उत्पादों के लिए रणनीति, दृष्टिकोण और निवेश रणनीति निर्धारित करने के लिए जिम्मेदार है। मुनिन्दर के पास वैश्विक उच्च तकनीक वातावरण में उत्पाद प्रबंधन और इंजीनियरिंग का 25 वर्षों से अधिक का अनुभव है। उनके पास अगली पीढ़ी के सुरक्षा, नेटवर्किंग और सेवा सॉफ्टवेयर उत्पाद बनाने का एक सिद्ध ट्रैक रिकॉर्ड है, जिसने अरबों डॉलर का राजस्व अर्जित किया है। वह उत्पाद परिवर्तन के प्रबंधन में एक विशेषज्ञ तकनीकी नेता हैं, जो क्रॉस-फ़ंक्शनल और वैश्विक उत्पाद प्रबंधन टीमों और आउटबाउंड मार्केटिंग टीमों का नेतृत्व करते हैं। मुनींद्र के पास इलेक्ट्रॉनिक्स और संचार में डिग्री और एमबीए है। उनके पास नेटवर्किंग और सुरक्षा के क्षेत्र में 8 से अधिक अमेरिकी पेटेंट हैं।
नीलेय शाह
नीलेय शाह NVIDIA ट्राइटन इन्फेरेंस सर्वर प्रिंसिपल सॉफ्टवेयर आर्किटेक्ट और एआई सॉल्यूशंस इंजीनियर हैं। इसका लक्ष्य डेवलपर्स को प्रोटोटाइप से बड़े पैमाने पर, उच्च-प्रदर्शन उत्पादन तैनाती तक एक सुचारु परिवर्तन में सक्षम बनाना है। NVIDIA में शामिल होने से पहले, नीलेय इंटेल में एक प्रमुख इंजीनियर थे, जो कंप्यूटर विज़न पाइपलाइनों के लिए ओपन सोर्स परियोजनाओं का नेतृत्व कर रहे थे। उनके पास विलियम्स कॉलेज से कंप्यूटर विज्ञान में स्नातक की डिग्री और यूआईयूसी से कंप्यूटर विज्ञान में मास्टर डिग्री है।
