Data centers de IA exigem conectividade, mas redes não substituem capacidade

O rápido crescimento das cargas de trabalho de IA está impulsionando uma mudança nas estratégias de data center, passando da simples expansão de capacidade para a otimização de rede. Essa mudança enfatiza a interconexão de alto desempenho e redes de baixa latência como fatores críticos para suportar clusters densos de computação e troca de dados em tempo real.

• O IOWN Global Forum e a DE-CIX argumentaram que a IA colocará mais peso em locais distribuídos e conexões de baixa latência. Estas são propostas da indústria de organizações que promovem redes ópticas e serviços de intercâmbio, não evidência de que a capacidade não importa mais.
• O desempenho da IA depende de várias redes diferentes: conexões de aceleradores, o fabric do data center, transporte entre data centers e roteamento do lado do usuário. Largura de banda, congestionamento, diversidade de caminhos, energia e capacidade de computação devem ser medidos juntos.

O evento relatado consistiu em dois argumentos da indústria

Orelatório do IT Brief de 25 de marçocitou dois defensores que o artigo antigo havia omitido. Masahisa Kawashima da NTT e o IOWN Global Forum propuseram distribuir o poder computacional em locais menores, conectados por redes ópticas de alta largura de banda e baixa latência, adaptados ao fornecimento regional de energia. O chefe da DE-CIX, Ivo Ivanov, argumentou que o treinamento tende a preferir poder computacional concentrado, enquanto alguma inferência sensível à latência deve ser colocada mais perto dos usuários.

Ambas as propostas merecem escrutínio, não uma promoção automática a fato de mercado. O IOWN desenvolve arquiteturas baseadas em fotônica; a DE-CIX vende interconectividade. Suas declarações explicam a tese comercial e técnica por trás da infraestrutura distribuída. Eles não mostram que todo o treinamento será distribuído geograficamente, que toda inferência pertence à borda ou que uma rede pode transformar capacidade remota em um único cluster sem penalidades de carga de trabalho.

"Conectividade" abrange pelo menos três planos de controle diferentes

Dentro de um sistema de aceleradores, links de scale-up conectam processadores e memória. Dentro de um data center, um fabric de scale-out transporta tráfego de treinamento coletivo, leituras de armazenamento, checkpoints e solicitações de serviço entre racks. Entre locais, a conexão de data center transporta replicação ou jobs distribuídos por distâncias maiores. Além disso, peering e transit encaminham solicitações de inferência entre usuários, nuvens e aplicações. Uma alta taxa de linha em um nível não pode compensar congestionamento, sobrescrição ou falha em outro.

Orelatório de produção do Metamostra o que o problema intra-local implica: um fabric RoCE especializado, design sem bloqueio, planejamento consciente da topologia, balanceamento de carga e roteamento foram necessários para suportar treinamento distribuído em grande escala.O artigo Jupiter do Google de 2025trata o tráfego de aprendizado de máquina como uma das várias cargas de trabalho que um fabric de data center deve suportar. Estas são implementações operacionais em dois hiperescaladores, não evidência de que todo operador deva copiar uma topologia.

A publicação daEspecificação Ultra Ethernet 1.0é outro sinal útil. Seu trabalho em controle de congestionamento, multipathing, ordenação e retransmissão mostra que adicionar portas mais rápidas não é suficiente. É uma especificação e um marco para o ecossistema; não comprova implantação, interoperabilidade ou desempenho de aplicação em uma instalação específica.

Capacidade significa caminhos utilizáveis, não velocidade de porta anunciada

Para treinamento síncrono, um caminho lento ou congestionado pode fazer com que aceleradores esperem em operações coletivas. Métricas úteis são largura de banda de bissecção, sobrescrição, utilização do fabric, perda de pacotes, retransmissões e tempo de conclusão de cauda – não apenas 400 ou 800 gigabits por segundo em uma porta. A inferência pode envolver muitas solicitações curtas, mas a sensibilidade à latência varia: o controle interativo pode se beneficiar da proximidade, enquanto a inferência em lote pode favorecer a utilização e os custos centralizados.

O roteamento determina como essa capacidade é utilizada.RFC 7938documenta BGP com topologias Clos e Equal-Cost Multipath em grandes data centers, incluindo considerações de convergência e falha. O ECMP pode distribuir fluxos por caminhos disponíveis; no entanto, não elimina por si só colisões, pontos quentes de congestionamento ou recuperação lenta. Os operadores ainda precisam de telemetria, controle de congestionamento, planejamento de capacidade e tratamento de falhas testado.

Distância continua sendo uma limitação de carga de trabalho

O IOWN publicou umaprova de conceitoonde memória e poder computacional de GPU foram separados por uma conexão All-Photonics de 40 quilômetros para uma tarefa de treinamento UNet3D em imagens médicas. Isso é uma evidência concreta de que uma carga de trabalho definida pode ser executada nessa conexão. Não é um padrão para cada modelo, padrões coletivos, distância ou condição de falha, e não faz o tempo de propagação desaparecer.

Projetos entre locais também adicionam caminhos ópticos, roteadores, comutação de proteção, armazenamento distribuído, escalonamento e coordenação operacional. Eles podem melhorar o acesso a terra, energia ou resiliência, mas podem introduzir novos domínios de falha e restrições de soberania de dados. A comparação deve ser feita com os custos totais e o desempenho de uma alternativa concentrada, não com um "fabric unificado" idealizado.

Energia e localização da rede estão acopladas

A tese de rede é em parte uma resposta à escassez de energia. Em seu cenário base, aIEAprojeta o consumo global de eletricidade de data centers para 2030 em cerca de 945 TWh, pouco menos de 3% do consumo global de eletricidade. Ela também observa que servidores acelerados causam grande parte do aumento e que a infraestrutura do sistema elétrico geralmente leva mais tempo para planejar e construir do que um data center. Estas são projeções modeladas com cenários de sensibilidade, não demanda garantida.

Mover cargas de trabalho para outro local só ajuda se houver eletricidade, conexão de rede, refrigeração, enlaces de fibra óptica e poder computacional disponíveis no momento necessário. A geração renovável é variável, enquanto jobs de treinamento, demanda de inferência e capacidade de rede têm seus próprios cronogramas. A distribuição pode aliviar um local restrito, mas pode exigir equipamento duplicado e energia de transporte adicional.

O que comprovaria uma mudança real

Evidências devem conectar alegações a implantações: cargas de trabalho entre locais nomeadas, conclusão de jobs medida e latência de cauda, utilização de DCI, convergência de rotas, perda de pacotes, custo por job concluído, fonte de energia e estrangulamento, tempo de conexão de rede, disponibilidade do serviço e aceitação do cliente. O crescimento da capacidade de provedores de interconectividade é relevante, mas não pode atribuir crescimento de tráfego à IA sem dados de carga de trabalho.

A conclusão defensável é que a conectividade se tornou parte da capacidade de computação utilizável. Ela não substitui megawatts, aceleradores, armazenamento ou o fabric local. Treinamento, inferência e replicação exigem posicionamentos diferentes, e o design bem-sucedido depende da carga de trabalho medida e de restrições regionais, não de uma mudança universal de "escala" para "conectividade".