Райдер Кап — это турнир почти вековой давности, где соревнуются команды Европы и США в демонстрации высочайшего мастерства и тактики в гольфе. На мероприятии 2025 года собралось около четверти миллиона зрителей, чтобы наблюдать за тремя днями напряженной борьбы на полях.
С точки зрения технологий и логистики организация события такого размаха представляет собой серьезный вызов. Инфраструктура Райдер Кап должна обслуживать десятки тысяч пользователей сети, ежедневно заполняющих площадку (в этом году — в Бетпейдж Блэк, Фармингдейл, Нью-Йорк).
Для управления этой IT-сложностью организаторы Райдер Кап привлекли технологического партнера HPE, чтобы создать центральный узел для своих операций. Решение было построено вокруг платформы, где персонал турнира мог получать визуализацию данных для поддержки принятия операционных решений. Эта панель управления, использующая высокопроизводительную сеть и среду частного облака, собирала и обрабатывала insights из разнообразных потоков данных в реальном времени.
Это был взгляд на то, как выглядит сеть, готовая к ИИ, в масштабах — реальный тест на прочность с последствиями для управления событиями и корпоративных операций. Хотя модели и готовность данных получают основное внимание в советах директоров и в СМИ, сети представляют собой критически важный третий элемент успешного внедрения ИИ, отмечает Джон Грин, технический директор HPE Networking. «Изолированный ИИ не приносит большой пользы; необходим способ вводить данные в него и выводить для обучения и вывода», — говорит он.
По мере перехода бизнеса к распределенным приложениям ИИ в реальном времени сети будущего должны будут обрабатывать еще большие объемы информации на сверхвысоких скоростях. То, что происходило на полях Бетпейдж Блэк, иллюстрирует урок, который усваивают во многих отраслях: сети, готовые к выводу ИИ, становятся решающим фактором для превращения обещаний ИИ в реальную производительность.
Подготовка сети к выводу ИИ
Более половины организаций все еще сталкиваются с трудностями в операционализации своих конвейеров данных. В недавнем кросс-отраслевом опросе HPE среди 1775 руководителей IT 45% сообщили, что способны выполнять операции ввода-вывода данных в реальном времени для инноваций. Это заметное улучшение по сравнению с данными прошлого года (только 7% обладали такими возможностями в 2024 году), но остается работа по соединению сбора данных с принятием решений в реальном времени.
Сеть может стать ключом к дальнейшему сокращению этого разрыва. Часть решения, вероятно, будет зависеть от дизайна инфраструктуры. В то время как традиционные корпоративные сети предназначены для обработки предсказуемого потока бизнес-приложений — электронной почты, браузеров, обмена файлами и т.д. — они не рассчитаны на динамичное, высокоинтенсивное перемещение данных, требуемое для нагрузок ИИ. Вывод в частности зависит от передачи огромных наборов данных между несколькими GPU с точностью суперкомпьютера.
«На стандартной корпоративной сети можно позволить себе некоторые вольности», — говорит Грин. «Мало кто заметит, если платформа электронной почты работает на полсекунды медленнее. Но при обработке транзакций ИИ вся работа зависит от последнего вычисления. Поэтому любые потери или перегрузки становятся очень заметными».
Сети, построенные для ИИ, поэтому должны работать с другим набором характеристик производительности, включая сверхнизкую задержку, безпотерянную пропускную способность, специализированное оборудование и масштабируемость. Одно из отличий — распределенная природа ИИ, которая влияет на бесперебойный поток данных.
Райдер Кап стал яркой демонстрацией этого нового класса сетей в действии. Во время события был развернут Центр подключенного интеллекта для приема данных от сканирования билетов, отчетов о погоде, GPS-отслеживания гольф-карт, продаж в буфетах и магазинах, очередей зрителей и потребителей, а также производительности сети. Кроме того, по всему полю было установлено 67 камер, оснащенных ИИ. Входы анализировались через панель операционного интеллекта и предоставляли персоналу мгновенный обзор активности по всей территории.
«Турнир с точки зрения сетей очень сложен, поскольку есть большие открытые пространства, не равномерно заполненные людьми», — объясняет Грин. «Люди следуют за действием. В некоторых зонах очень плотная толпа с множеством устройств, в других — полная пустота».
Чтобы справиться с этой изменчивостью, инженеры создали двухуровневую архитектуру. По всей обширной площадке более 650 точек доступа WiFi 6E, 170 сетевых коммутаторов и 25 сенсоров пользовательского опыта совместно обеспечивали непрерывное соединение и питали кластер частного облака ИИ для живой аналитики. Фронтенд-слои соединяли камеры, сенсоры и точки доступа для захвата живого видео и данных о движении, в то время как бэкенд-слой — расположенный в временном дата-центре на месте — связывал GPU и серверы в конфигурации с высокой скоростью и низкой задержкой, которая фактически служила мозгом системы. В совокупности настройка позволяла как быстрые реакции на месте, так и сбор данных для планирования будущих операций. «Модели ИИ также были доступны команде, которые могли обрабатывать видео ударов и помогать определять по записям, какие из них наиболее интересны», — говорит Грин.
Физический ИИ и возвращение локального интеллекта
Если время критично для управления событиями, то оно еще важнее в ситуациях, где на кону безопасность — например, в автономном автомобиле, принимающем решение о ускорении или торможении за доли секунды.
В подготовке к подъему физического ИИ, где приложения перемещаются с экранов на производственные площадки и городские улицы, все больше предприятий пересматривают свои архитектуры. Вместо отправки данных в централизованные облака для вывода некоторые развертывают кластеры ИИ на краю, которые обрабатывают информацию ближе к месту ее генерации. Исследование от Enterprise Research Group показывает, что 84% респондентов пересматривают стратегии развертывания приложений из-за роста ИИ. Прогнозы рынка также отражают этот сдвиг. Согласно IDC, рынок ИИ для инфраструктуры достигнет 758 миллиардов долларов к 2029 году.
ИИ для сетей и будущее самоуправляемой инфраструктуры
Взаимосвязь между сетями и ИИ носит циклический характер: современные сети делают возможным ИИ в масштабах, но ИИ также помогает делать сети умнее и эффективнее.
«Сети — одни из самых сложных платформ процессов более триллиона точек телеметрии ежедневно, что позволяет им непрерывно учиться на реальных условиях».
Концепция, широко известная как AIOps (или ИИ-управляемые IT-операции), меняет подход к управлению корпоративными сетями в различных отраслях. Сегодня ИИ выдает insights в виде рекомендаций, которые администраторы могут применить одним кликом. Завтра те же системы могут автоматически тестировать и внедрять низкорисковые изменения самостоятельно.
Эта долгосрочная перспектива, как отмечает Грин, называется «самоуправляемой сетью» — той, которая берет на себя повторяющиеся, подверженные ошибкам задачи, исторически мучившие IT-команды. «ИИ не отнимает работу у сетевых инженеров, но устранит скучные дела, которые их замедляют», — говорит он. «Вы сможете сказать: 'Пожалуйста, настройте 130 коммутаторов для решения этой проблемы', и система справится. Когда порт застревает или кто-то вставляет коннектор не в ту сторону, ИИ может это обнаружить — и во многих случаях исправить автоматически».
Цифровые инициативы теперь зависят от того, насколько эффективно перемещается информация. Будь то координация живого события или оптимизация цепочки поставок, производительность сети все больше определяет производительность бизнеса. Создание такой основы сегодня разграничит тех, кто ведет, и тех, кто масштабирует ИИ.