Huawei stellt ersten Rechenzentrum-Switch vor

CloudEngine 16800 für das KI-Zeitalter

Mit CloudEngine 16800 bringt Huawei den ersten Rechenzentrum-Switch, für das Zeitalter der künstlichen Intelligenz (KI), auf den Markt. Die Netzwerkleistung im Rechenzentrum spielt eine entscheidende Rolle. Sie kann die kommerzielle Durchsetzung von KI-Technologien deutlich verlangsamen. Bestehende 100GE Rechenzentrum-Netzwerke werden die prognostizierte Datenflut nicht bewältigen können. Darüber hinaus werden traditionelle manuelle O&M-Methoden an ihre Grenzen stoßen, da die Serverzahl in Rechenzentren weiter ansteigt und Computernetzwerk, Speichernetzwerk und Datennetzwerk miteinander verschmelzen.

Quelle: Huawei

CloudEngine 16800, der branchenweit erste Rechenzentrum-Switch mit der Power eines integrierten hochperformanten KIChip, verwendet den innovativen iLossless-Algorithmus. Dieser erweitert das Datenverkehrsmodell, um automatische Erkennung und Optimierung. Die Latenz wird somit verringert und der Durchsatz erhöht – vollkommen ohne Paketverlust. Somit erhöht sich auch die KI-Rechenleistung von 50 Prozent auf 100 Prozent. Außerdem werden die IOPS (Input/Output Operations Per Second) um 30 Prozent gesteigert.

Die verbesserte Hardware-Switching-Plattform überwindet, mit seiner orthogonalen Architektur, mehrere technische Hürden wie ultraschnelle Signalübertragung, Wärmeableitung und Stromversorgung. 48- Port 400GE Linecard pro Steckplatz mit branchenweit höchster Dichte und branchenweit größte 768-Port 400GE Switching- Kapazität (das Fünffache des Industriestandards) bedeuten Zukunftssicherheit. Ein um 50 Prozent geringerer Stromverbrauch reduziert zusätzlich die Umweltbelastung des Systems.

Der KI-Chip, der an Randstellen des Netzwerks eingesetzte Geräte deutlich intelligenter macht, ist so in der Lage, lokale Inferenz zu implementieren und in Echtzeit schnelle Entscheidungen zu treffen. Mit der lokalen Intelligenz und dem zentralisierten Netzwerk-Analyzer FabricInsight werden Fehler von der KI O&M-Architektur in Sekundenschnelle erkannt und in Minutenschnelle automatisch lokalisiert. Vernetzte selbstfahrende Autos werden so schneller zur Realität. Außerdem trägt die Architektur zu einer deutlichen Verbesserung der Flexibilität und Implementierfähigkeit von O&M-Systemen bei.