Unternehmen im asiatisch-pazifischen Raum, die Cloud-basierte Strategien für KI und High-Performance Computing (HPC) verfolgen, riskieren erhebliche Kostenüberschreitungen, wenn die Workloads nicht auf die passende Infrastruktur abgestimmt sind, so Joseph Yang, General Manager für HPC und KI, APAC & Indien bei HPE. Yang warnt davor, dass Cloud-basiertes HPC bis zu … 10-mal teurer als On-Premises-Bereitstellungen und fordert CIOs auf, vor der Skalierung einen datengestützten Ansatz zur Ermittlung der Gesamtbetriebskosten (TCO) zu verfolgen.
Wichtige Überlegungen für den Einsatz von KI und HPC sind:
- Geschäftliche Ausrichtung: Prüfen Sie, ob HPC oder KI spezifische operative Herausforderungen direkt adressieren. KI, die auf HPC-Architektur basiert, reicht mittlerweile über Forschung und Entwicklung hinaus und umfasst Produktivität, Automatisierung und kundenorientierte Anwendungen.
- Kostenstruktur: In KI- und HPC-Umgebungen können die Infrastrukturkosten 501 Tsd. Billionen US-Dollar übersteigen, im Vergleich zu 15–201 Tsd. Billionen US-Dollar bei traditionellen Workloads, was eine andere Budgetierung und ROI-Planung erfordert.
- Systemarchitektur: Speziell entwickelte Designs mit hoher Rechendichte, optimierter Verkabelung und fortschrittlicher Kühlung können Leistung und Energieeffizienz steigern.
Der Nutzen von HPC zeigt sich deutlich in Branchen wie der Fertigung und der Simulation. So konnte beispielsweise Toyo Tire durch die Einführung eines HPE Cray XD-Systems über HPE GreenLake die Simulationszeiten halbieren, die Entwicklungszyklen beschleunigen und die Deep-Learning-Tools für die Reifenentwicklung verbessern.
Yang identifizierte drei häufige Fehler: den Einsatz leistungsschwacher Systeme, die die Leistung des KI-Agenten beeinträchtigen, die übermäßige Priorisierung von Anpassungen vor der Festlegung grundlegender Anwendungsfälle und das Versäumnis, HPC/KI-Spezialisten frühzeitig einzubeziehen.
Generative KI-Workloads, insbesondere große Sprachmodelle, erfordern eine reaktionsschnelle Infrastruktur, um die Erwartungen der Nutzer zu erfüllen. Bei ersten Implementierungen kann der Fokus auf allgemeinen Produktivitätssteigerungen liegen, bevor die Integration kundenspezifischer Daten erfolgt.
Da es an qualifizierten Fachkräften mangelt und die On-Premise-Kapazitäten durch Cloud-First-Strategien geschwächt werden, betont Yang die Bedeutung einer frühzeitigen strategischen Planung und der Zusammenarbeit mit Experten für Kosteneffizienz, Skalierbarkeit und nachhaltige Leistungsfähigkeit bei KI- und HPC-Initiativen.
Quelle:
