IA eleva a interconexão sem substituir capacidade e energia

Cargas de IA tornam a rede parte da capacidade útil, mas multi-site depende de carga, distância, rotas, energia e custo total.

• IOWN Global Forum e DE-CIX argumentaram que a IA dará mais peso a sites distribuídos e interconexão de baixa latência. São propostas de organizações que promovem redes ópticas e serviços de troca, não prova de que capacidade deixou de importar.
• O desempenho depende de redes diferentes: links de aceleradores, fabric do data center, transporte entre sites e rotas ao usuário. Banda, congestionamento, diversidade, eletricidade e computação devem ser medidos juntos.

O evento reportado reuniu dois argumentos do setor

A reportagem de 25 de março do IT Brief identificou os atores que o texto antigo omitiu. Masahisa Kawashima, da NTT e IOWN Global Forum, propôs distribuir computação em sites menores, ligados por rede óptica de alta banda e baixa latência e ajustados à energia regional. Ivo Ivanov, chefe da DE-CIX, distinguiu treinamento concentrado de certas inferências sensíveis à latência perto dos usuários.

São teses a examinar, não fatos automáticos de mercado. A IOWN desenvolve arquiteturas fotônicas; a DE-CIX vende interconexão. Suas falas explicam uma proposta técnica e comercial. Não demonstram que todo treinamento se distribui, toda inferência vai à borda ou a rede transforma capacidade distante em um cluster sem penalidade.

“Conectividade” cobre controles diferentes

Dentro do sistema, links scale-up conectam processadores e memória. No data center, o fabric scale-out carrega coletivas, leituras, checkpoints e pedidos entre racks. Entre sites, DCI transporta replicação e trabalhos por caminhos maiores. Depois, peering e trânsito roteiam pedidos entre usuários, nuvens e aplicações. Alta velocidade em uma camada não compensa congestionamento, sobresubscrição ou falha em outra.

A experiência da Meta mostra o problema interno: fabric RoCE especializado, design sem bloqueio, agendamento consciente da topologia, balanceamento e roteamento foram necessários. O trabalho Jupiter 2025 do Google trata aprendizado como uma entre várias cargas do fabric. São implementações de dois hiperescaladores, não receita universal.

A especificação Ultra Ethernet 1.0 é outro sinal. Trabalho sobre congestionamento, múltiplos caminhos, ordem e retransmissão mostra que portas rápidas não bastam. É marco de especificação e ecossistema, não prova de implantação, interoperabilidade ou desempenho em uma instalação.

Capacidade são caminhos utilizáveis

No treinamento síncrono, caminho lento ou congestionado deixa aceleradores esperando coletivas. Importam banda de bisseção, sobresubscrição, utilização, perdas, retransmissões e tempo de cauda, não apenas 400 ou 800 Gb/s na porta. Inferência pode gerar pedidos curtos, mas a sensibilidade varia: controle interativo pode ganhar com proximidade; lote pode priorizar uso central e custo.

O roteamento decide o uso da capacidade. O RFC 7938 documenta BGP, Clos e ECMP em grandes data centers, incluindo convergência e falhas. ECMP distribui fluxos, mas não elimina sozinho colisões, pontos quentes ou recuperação lenta. Telemetria, controle de congestionamento, engenharia e testes continuam necessários.

Distância ainda limita a carga

A IOWN publicou uma prova de conceito separando armazenamento e GPU em 40 quilômetros de link fotônico para treinamento médico UNet3D. É evidência concreta de uma carga definida. Não é benchmark de todos os modelos, coletivas, distâncias e falhas, nem elimina propagação.

O multi-site acrescenta rotas ópticas, equipamentos, proteção, armazenamento distribuído, agendamento e coordenação. Pode melhorar acesso a terreno, energia ou resiliência, mas cria domínios de falha e soberania. A comparação deve usar custo e desempenho completos de uma alternativa concentrada, não um “fabric unificado” ideal.

Energia e localização da rede estão acopladas

A tese responde em parte à escassez elétrica. No caso base, a IEA projeta cerca de 945 TWh de consumo global de data centers em 2030, pouco menos de 3% do total. Servidores acelerados geram grande parte do aumento, e infraestrutura elétrica costuma levar mais tempo para planejar e construir que um data center. São projeções com sensibilidades, não demanda garantida.

Mover carga só ajuda se eletricidade, conexão, refrigeração, fibra e computação existirem no outro local no momento certo. Renováveis, treinamento, inferência e rede têm curvas diferentes. Distribuir pode aliviar um site e exigir equipamento duplicado e transporte extra.

O que provaria mudança real

A evidência deve ligar alegação e implantação: cargas multi-site nomeadas, tempo de trabalho e latência de cauda, uso de DCI, convergência, perda, custo por trabalho, fonte e corte de energia, espera de conexão, disponibilidade e adoção. Crescimento de capacidade de uma bolsa é relevante, mas não atribui tráfego à IA sem dados.

A conclusão defensável é que conectividade faz parte da capacidade computacional utilizável. Não substitui megawatts, aceleradores, armazenamento ou fabric local. Treinamento, inferência e replicação pedem colocações diferentes; o design vencedor depende da carga medida e limites regionais, não de uma virada universal de “escala” para “conexão”.