Beban kerja penaakulan AI Agentik membentuk semula keperluan rangkaian, KPMG menunjukkan gentian optik dan pengkomputeran tepi menjadi kunci.

Latar Belakang Acara

Phil Wong, Ketua Teknologi KPMG US, dalam wawancara baru-baru ini dengan RCR Wireless News, menegaskan bahawa apabila perusahaan beralih dari fasa latihan AI kepada inferens, terutamanya dengan kebangkitan Agentic AI (agen autonomi), infrastruktur rangkaian akan menghadapi pembentukan semula permintaan baharu. Wong menekankan bahawa beban kerja inferens tidak lagi terhad kepada pusat data berpusat tradisional, tetapi akan mengalir antara persekitaran awan perusahaan dan infrastruktur pengkomputeran khusus AI, malah meluas ke pinggir rangkaian. Perubahan ini akan memberi kesan mendalam kepada rangkaian gentian optik, pemilihan lokasi pusat data, dan seni bina IT perusahaan.

Analisis Teknikal: Keperluan Unik Agentic AI untuk Seni Bina Rangkaian

Agentic AI merujuk kepada sistem AI yang mampu melaksanakan tugas kompleks secara autonomi, berinteraksi dengan persekitaran, dan membuat keputusan. Berbeza dengan AI pasif tradisional, Agentic AI memerlukan gabungan data, konteks, dan memori secara masa nyata untuk beroperasi, menyebabkan keperluan rangkaian yang sangat berbeza:

• Lebar Jalur Tinggi: Semasa operasi, Agentic AI perlu kerap mengakses data perniagaan yang banyak dalam awan perusahaan (seperti rekod sistem CRM, ERP) dan menjalankan pengiraan inferens pada kluster GPU khusus AI. Pertukaran data berterusan merentas persekitaran ini memerlukan lebar jalur yang sangat tinggi, terutamanya apabila permintaan inferens merangkumi input multimodal (teks, imej, video).
• Kependaman Rendah: Banyak senario Agentic AI memerlukan respons dalam milisaat, seperti perkhidmatan pelanggan masa nyata, perdagangan automatik, atau kawalan industri. Jika kependaman rangkaian terlalu tinggi, keputusan autonomi AI akan kehilangan ketepatan masanya.
• Taburan Pinggir: Apabila AI fizikal (seperti robot, pemanduan autonomi) matang, beban kerja inferens mesti dipindahkan ke nod pinggir yang lebih dekat dengan pengguna akhir atau peranti, seterusnya meluaskan liputan rangkaian.

Wong menjelaskan: "Agentic AI berfungsi paling baik apabila digabungkan dengan data, konteks, dan memori. Trafik antara awan tradisional (tempat data dan sistem rekod perusahaan berada) dan pengkomputeran khusus AI akan meningkat dengan ketara. Selain itu, dengan perkembangan AI fizikal, trafik inferens akan terus merebak ke pinggir rangkaian, lebih dekat dengan pengguna akhir."

Analisis Kesan Perusahaan

Kesan Kos (CAPEX / OPEX)

• Bagi perusahaan, keperluan rangkaian Agentic AI akan terus diterjemahkan kepada perbelanjaan modal baharu.- Aspek CAPEX: Perusahaan perlu melabur dalam sambungan internet berjalur lebar yang lebih tinggi (seperti gentian optik khusus atau naik taraf SD-WAN), dan mungkin menggunakan pelayan inferens tempatan atau nod GPU di tapak tepi. Bagi perusahaan yang menggunakan strategi awan hibrid, kos pemindahan data antara awan akan menjadi kos operasi yang semakin meningkat.
• Aspek OPEX: Kos elektrik adalah cabaran operasi terbesar pada masa ini. Wong menyatakan bahawa ketersediaan kuasa elektrik adalah faktor utama yang menghadkan pengembangan infrastruktur AI, malah lebih serius daripada kelewatan rantaian bekalan atau kekurangan tenaga kerja. Perusahaan perlu menilai kebolehpercayaan elektrik di lokasi pusat data, dan mempertimbangkan pembelian tenaga boleh diperbaharui untuk menstabilkan OPEX.

Kesan Pelaksanaan dan Operasi

• Pemilihan Lokasi Pusat Data: Pasaran pusat data tradisional (seperti Virginia Utara di Virginia, Silicon Valley) menghadapi kekurangan tanah dan elektrik. Wong menyatakan bahawa pemaju semakin banyak menempatkan taman AI berskala besar di luar hab, yang memerlukan pembinaan laluan gentian optik berjalur lebar baharu. Bagi perusahaan, ini bermakna pusat data yang menempatkan beban kerja AI mungkin jauh dari ibu pejabat atau kawasan perniagaan utama mereka, meningkatkan kependaman rangkaian dan kerumitan operasi.
• Kerumitan Operasi: Apabila trafik inferens merebak ke tepi, perusahaan perlu menggunakan pemantauan rangkaian teragih dan alat AIOps (Operasi AI) untuk mengurus kesihatan rangkaian merentasi awan, pusat data teras dan nod tepi.
• Keselamatan dan Pematuhan: Aliran data merentasi persekitaran meningkatkan risiko kebocoran data. Agentic AI mungkin mengakses data perusahaan sensitif, dan perusahaan mesti memastikan penyulitan penghantaran, kawalan akses dan pematuhan kedaulatan data, terutamanya dalam senario rentas sempadan.

Strategi Penggunaan yang Perlu Diperhatikan

Perusahaan perlu menilai secara berperingkat garis dasar rangkaian untuk kes penggunaan Agentic AI. Bagi tugas yang memerlukan masa nyata yang rendah frekuensi, sambungan awan sedia ada boleh digunakan terlebih dahulu; bagi keperluan frekuensi tinggi dan kependaman rendah, sambungan gentian optik khusus atau rangkaian persendirian perlu dirancang. Pada masa yang sama, disarankan untuk menggunakan perkhidmatan jalur lebar dan sambungan awan atas permintaan (seperti AWS Direct Connect, Azure ExpressRoute) bagi menangani pertumbuhan trafik secara fleksibel.### Pengendali Rangkaian dan Gentian Optik

• Equinix, Digital Realty sebagai REIT pusat data, perlu menyediakan lebih banyak kemudahan kolokasi berketumpatan tinggi dan berkapasiti kuasa tinggi, lengkap dengan gentian gelap atau sambungan awan. Kejayaan mereka akan bergantung pada keupayaan untuk mendapatkan tanah di luar kawasan yang terhad kuasa.
• Lumen Technologies, Zayo, Crown Castle dan pengendali gentian lain menghadapi dilema: membina laluan baru ke taman AI terpencil memerlukan pelaburan besar, tetapi ROI tidak pasti kerana laluan ini tidak melalui pusat penduduk tradisional, sukar untuk menarik pelbagai pelanggan. Wong berkata terus terang: "Cabaran yang dihadapi oleh pengendali gentian adalah sama ada mereka boleh mendapat pulangan yang baik daripada laluan yang tidak melalui pusat perniagaan tradisional ini."

Pembekal Peralatan Rangkaian

• Cisco, Arista, Juniper produk suis dan penghala mewah mereka akan mendapat manfaat daripada pertumbuhan trafik timur-barat dalam pusat data, serta peningkatan permintaan DCI antara pusat data. Peralatan yang menyokong modul optik 800G/1.6T dan kawalan kesesakan pintar akan lebih digemari.
• NVIDIA juga bersaing melalui platform rangkaian InfiniBand dan Spectrum-X, penyelesaian rangkaian yang dioptimumkan untuk kelompok AI ini sedang digunakan oleh hyper scale, namun pelanggan peringkat perusahaan mungkin memerlukan penyelesaian Ethernet yang lebih umum.

Platform Pengkomputeran Tepi

• Cloudflare, Fastly, AWS Wavelength dan pembekal nod tepi lain akan mendapat manfaat daripada penurunan inferens AI Agentik, tetapi perlu menyediakan keupayaan pecutan GPU.

Pemerhatian Trend Industri

Peralihan Berat Rangkaian daripada Latihan ke Inferens

Perbelanjaan modal infrastruktur AI kini tertumpu pada keupayaan pengkomputeran (GPU). Wong menunjukkan bahawa setiap gigawatt pengkomputeran baru memerlukan keperluan sambungan yang sepadan, dan apabila beban kerja beralih daripada latihan ke inferens dan AI Agentik, keperluan sambungan akan meningkat lagi. Ini bermakna kadar pertumbuhan pelaburan dalam infrastruktur rangkaian akan mengejar pelaburan pengkomputeran dalam beberapa tahun akan datang.

Kesempitan Kuasa Menjana Logik Baru Pemilihan Lokasi Pusat Data

Di peringkat global, penggunaan kuasa pusat data AI sedang menarik perhatian. Data daripada Uptime Institute dan agensi lain menunjukkan bahawa permintaan kuasa untuk satu kelompok AI berskala hiper boleh mencecah ratusan megawatt, manakala kitaran pengembangan grid kuasa selalunya mengambil masa 5-10 tahun. Ini memaksa pemaju mencari kawasan bukan tradisional seperti Midwest Amerika Syarikat atau Eropah Utara, tetapi pada masa yang sama membawa keperluan pemasangan gentian optik baru.

Penggunaan Token dan Imbangan Semula Kecekapan AIWong meramalkan, walaupun penggunaan AI dan Agentic AI akan mendorong pertumbuhan berterusan yang ketara dalam permintaan pengkomputeran dan penyimpanan, dengan peningkatan penggunaan token dan kos, perusahaan dan penyedia akan mula menguruskan penggunaan secara lebih proaktif. Pengoptimuman model, penjadualan inferens, dan teknik mampatan token akan menjadi bidang pelaburan utama. Ini menunjukkan bahawa permintaan rangkaian tidak akan berkembang tanpa had, sebaliknya akan berkembang selari dengan peningkatan kecekapan.

Awan Berdaulat dan Penyetempatan Data

Agentic AI melibatkan data perusahaan yang sensitif, dan banyak negara memerlukan data kekal di dalam negara. Ini mendorong pembangunan awan berdaulat dan pusat data serantau, seterusnya menambah kerumitan pembahagian rangkaian.

CloudTechDaily Insight

Agentic AI bukan sekadar peningkatan algoritma AI, tetapi secara asasnya mengubah corak interaksi antara awan, rangkaian, dan pengkomputeran. Analisis KPMG ini mendedahkan beberapa isyarat utama: Pertama, rangkaian bukan lagi "pelengkap" selepas pengkomputeran, tetapi menjadi salah satu daripada tiga hambatan utama infrastruktur AI bersama dengan kuasa elektrik. Strategi IT perusahaan mesti mendahulukan perancangan rangkaian, seiring dengan pembelian GPU dan pemilihan awan. Kedua, penyebaran lokasi pusat data akan membentuk semula peta rangkaian gentian optik, pengendali berdepan ketidakpastian pulangan pelaburan, manakala perusahaan perlu menanggung kitaran penggunaan yang lebih panjang dan kos sambungan yang lebih tinggi. Ketiga, keperluan masa nyata Agentic AI memaksa perusahaan menilai semula keupayaan tepi seni bina IT mereka – tidak semua inferens perlu ke awan, dan tidak semua data perlu dipusatkan. Pada masa hadapan, seni bina perusahaan akan berkembang menjadi model tiga lapisan "latihan teras + inferens tepi + akses data berbilang awan", yang memberikan cabaran yang belum pernah berlaku kepada visi strategik CTO dan CIO. CloudTechDaily percaya bahawa 2026 akan menjadi titik pemisah untuk pelaburan infrastruktur rangkaian AI: perusahaan dan penyedia yang merancang lebih awal untuk sambungan lebar jalur tinggi dan kependaman rendah akan mendapat kelebihan struktur dalam perlumbaan Agentic AI seterusnya.