Kebangkitan Komputasi Tepi: AI dan Masa Depan Data

pibitek.biz -AI merupakan teknologi revolusioner yang mengubah lanskap dunia digital. AI memungkinkan otomatisasi tingkat tinggi yang belum pernah terjadi sebelumnya, membuka jalan baru dalam berbagai bidang. Salah satu dampak langsung dari AI adalah meningkatnya permintaan untuk komputasi tepi (Edge Computing). Komputasi tepi merupakan pendekatan yang memindahkan proses komputasi lebih dekat ke pengguna, menjauhi pusat data tradisional yang terpusat. Perkembangan AI yang pesat membutuhkan kemampuan komputasi yang besar dan cepat.

Proses pelatihan dan inferensi model AI memerlukan sumber daya komputasi yang tinggi, dan komputasi tepi menyediakan solusi yang efisien. Dengan menempatkan sumber daya komputasi di lokasi yang lebih dekat dengan pengguna, komputasi tepi mengurangi latensi, meningkatkan kecepatan, dan meningkatkan pengalaman pengguna secara signifikan. Pusat data tepi menjadi elemen penting dalam strategi pertumbuhan perusahaan. Perusahaan-perusahaan berusaha untuk meminimalkan latensi dan meningkatkan pengalaman pengguna dalam era AI.

Peningkatan permintaan untuk komputasi tepi tercermin dalam peningkatan investasi di pusat data tepi. IDC memproyeksikan bahwa pengeluaran global untuk komputasi tepi akan mencapai $232 miliar pada tahun 2024, naik 15,4% dari tahun sebelumnya. Di Timur Tengah, negara-negara seperti Uni Emirat Arab (UEA) dan Arab Saudi secara aktif berinvestasi dalam pusat data tepi untuk mendukung ambisi digital mereka dan inisiatif AI. Upaya ini bertujuan untuk mengatasi tantangan yang terkait dengan latensi aplikasi, kedaulatan data, dan keberlanjutan teknologi informasi dan komunikasi.

Dalam dua dekade terakhir, dunia menyaksikan proses intens dalam mengalihkan infrastruktur TI ke cloud. Semakin banyak aplikasi yang berpindah ke cloud publik. Skala besar pusat data cloud dengan model konsumsi yang sangat fleksibel telah memungkinkan model bisnis yang menarik untuk komputasi dan penyimpanan beban kerja, secara efektif mencegah pembangunan lokal. Namun, pemrosesan data yang terpusat berarti jalur yang lebih panjang antara pengguna dan konten, dan dengan demikian latensi yang lebih tinggi dialami oleh pengguna yang mengakses konten ini.

Untuk mengatasi masalah ini, penyedia layanan telah beralih ke arsitektur jaringan pengiriman konten (Content Delivery Network/CDN), menyebarkan server cache lebih dekat ke pengguna, terutama yang menargetkan video streaming. Pendekatan ini telah terbukti efektif untuk meningkatkan pengalaman pengguna untuk layanan streaming, sekaligus mengurangi beban beberapa aliran lalu lintas yang padat dari jaringan. Meskipun demikian, pendekatan ini hanya efektif untuk data yang diulang dan sering dikonsumsi, seperti video streaming populer, dan tidak layak secara ekonomis untuk beban kerja acak.

Meskipun jaringan pengiriman konten telah menjadi kasus penggunaan komputasi tepi yang paling luas, aplikasi komputasi tepi yang menonjol dan sangat diharapkan adalah potensinya untuk mempercepat otomatisasi dan orkestrasi mesin. Keputusan mesin yang perlu disinkronkan dengan ketat membutuhkan latensi yang sangat rendah, pada tingkat yang tidak dapat diberikan oleh infrastruktur komputasi terpusat. Ketika AI menjanjikan untuk mempercepat otomatisasi tingkat lanjut pada tingkat yang belum pernah terjadi sebelumnya, kita berada di ambang lonjakan permintaan komputasi tepi.

Dan kemungkinan besar, sebagian besar dari permintaan komputasi tepi itu akan terdiri dari kluster GPU untuk menyediakan inferensi AI yang terdistribusi. Dengan mempercepat pembangunan infrastruktur komputasi terdesentralisasi, UEA dan Arab Saudi dapat meningkatkan kinerja aplikasi yang digerakkan oleh AI dan meningkatkan daya saing wilayah tersebut di bidang yang berkembang ini. Selain memberikan latensi yang lebih rendah, infrastruktur ini juga dapat membantu data sensitif tetap berada di wilayah tersebut.

Pelatihan, penyesuaian, atau inferensi model AI berurusan dengan data yang mungkin lebih disukai untuk disimpan secara lokal, daripada dikirim ke lokasi terpusat. Meskipun pembangunan pusat data inti terus berkembang di seluruh dunia, pergeseran menuju pusat data tepi menghadirkan tantangan dan peluang. Sebagai contoh, dampak lingkungan dari pusat data tidak dapat diabaikan. Menurut perkiraan Badan Energi Internasional, konsumsi listrik dari pusat data, mata uang kripto, dan AI dapat meningkat dua kali lipat antara tahun 2022 dan 2026.

Akibatnya, proyek pusat data sedang mengeksplorasi berbagai teknik untuk meningkatkan keberlanjutan dalam penyimpanan dan pemrosesan untuk mengurangi beban pada jaringan listrik yang ada. Ini termasuk mengadopsi teknologi optik terbaru, menerapkan metode pendinginan yang lebih efisien, dan memanfaatkan sumber daya listrik alternatif. Hal ini sangat penting di Timur Tengah, di mana terdapat ketergantungan yang besar pada sistem pendingin untuk mengatasi efek panas yang ekstrem. Terdapat pergeseran menuju sumber energi alternatif seperti energi surya untuk meningkatkan keberlanjutan, dengan Masdar City di Abu Dhabi mengintegrasikan praktik berkelanjutan ke dalam operasi pusat datanya.

Menyediakan aplikasi lebih dekat ke pengguna akhir merupakan faktor penting untuk aplikasi AI. Namun, untuk mewujudkan keuntungan ini, jaringan di dalam dan di antara pusat data harus ditingkatkan. Layanan AI mutakhir tidak dapat berjalan di dalam server pusat data biasa; mereka membutuhkan komputer dengan unit pemrosesan grafis (GPU) berkinerja tinggi. Dan kluster GPU berkinerja tinggi tersebut yang menjalankan layanan AI memerlukan jaringan berkecepatan tinggi untuk memindahkan data terkait AI di dalam pusat data dan kemudian keluar ke dunia yang lebih luas.

Di luar lokasi, jaringan antar pusat data berkecepatan tinggi dan kapasitas tinggi harus tetap menjadi prioritas untuk investasi. Telco regional dapat memanfaatkan kedekatan dengan pengguna akhir dan kemampuan untuk memproses data lebih dekat ke sumber untuk mendukung sejumlah besar layanan terlokalisasi. Ini akan menghasilkan pengambilan keputusan bisnis yang lebih cepat dan ledakan inovasi layanan. Meningkatnya permintaan untuk komputasi tepi membuka peluang baru untuk pertumbuhan dan inovasi. Namun, implementasi komputasi tepi menghadirkan tantangan tersendiri.

Salah satu tantangan utama yang dihadapi oleh komputasi tepi adalah keamanan data. Karena data diproses lebih dekat ke pengguna, penting untuk memastikan bahwa data tersebut dilindungi dari akses yang tidak sah dan ancaman keamanan. Peningkatan jumlah perangkat yang terhubung di tepi juga meningkatkan risiko serangan siber. Perusahaan yang mengadopsi komputasi tepi perlu menginvestasikan dalam solusi keamanan yang kuat untuk melindungi data mereka dari serangan. Tantangan lain yang dihadapi oleh komputasi tepi adalah pengelolaan dan pemeliharaan infrastruktur yang terdesentralisasi.

Menjalankan dan memelihara sejumlah besar perangkat di berbagai lokasi memerlukan upaya dan sumber daya yang signifikan. Perusahaan perlu mengembangkan strategi pengelolaan yang efektif untuk memastikan bahwa infrastruktur komputasi tepi mereka beroperasi secara efisien dan andal. Permintaan untuk komputasi tepi terus meningkat, didorong oleh pertumbuhan yang cepat dalam teknologi AI. Komputasi tepi menawarkan sejumlah keuntungan bagi perusahaan, termasuk latensi yang lebih rendah, peningkatan pengalaman pengguna, dan pengambilan keputusan yang lebih cepat.

Namun, implementasi komputasi tepi juga menghadirkan tantangan, termasuk keamanan data, pengelolaan infrastruktur, dan ketersediaan sumber daya yang terampil. Perusahaan yang ingin memanfaatkan kekuatan komputasi tepi perlu secara hati-hati mempertimbangkan tantangan ini dan mengembangkan strategi yang komprehensif untuk mengatasinya. Dengan mengatasi tantangan ini, perusahaan dapat memanfaatkan sepenuhnya keuntungan dari komputasi tepi dan mendorong inovasi di berbagai industri.