Un’analisi di Juniper Networks per l’AI nelle reti

Gli esperti di Juniper Networks hanno riassunto le principali potenzialità delle piattaforme di networking AI native, a seconda del caso d’uso specifico.

Le piattaforme di networking AI native, infatti, possono essere utilizzate nell’ambito dell’AI per il networking, e quindi nel classico contesto AIOps (Artificial Intelligence for IT Operations) a livello di campus e branch, oppure nell’ottica del networking per l’AI, dove costituiscono una base efficiente per workload AI e ML (Machine Learning) nel data center.

“Con una rete AI nativa è possibile supportare un numero crescente di dispositivi, utenti e applicazioni, anche con staff IT limitati”, ha commentato Mario Manfredoni, senior director South Europe di Juniper Networks. “Le organizzazioni devono anche avere la certezza che la rete possa crescere per supportare i workload AI a livello di data center. Solo così, la rete sarà davvero pronta ad affrontare le sfide del futuro, che rappresenterà una svolta ancora più importante dell’avvento stesso di Internet, in grado di imporre un cambiamento totale rispetto all’attuale approccio al networking”.

L’AI per ottimizzare le operazioni di rete

Le reti AI native sono la base ideale per implementare i concetti AIOps. Con AIOps, i team IT possono prendere decisioni più rapide e accurate e intervenire prontamente in caso di incidenti su sistemi e reti. Inoltre, le aziende ricevono informazioni contestuali per grandi quantità di dati di telemetria e di log per l’intera infrastruttura in tempo reale o quasi. Ciò si traduce in molteplici benefici, come una migliore esperienza sia per gli operatori sia per gli utenti e la semplificazione e riduzione dei costi operativi per la gestione della rete.

Le performance della rete sono continuamente monitorate e analizzate e gli aggiustamenti vengono effettuati automaticamente al fine di ottimizzare velocità, affidabilità ed efficienza. In più, grazie alla capacità di prevedere i colli di bottiglia e i malfunzionamenti prima ancora che si verifichino, AIOps può applicare misure di manutenzione preventiva per ridurre il downtime.

Quando si sceglie una soluzione AI driven per la gestione della rete è importante assicurarsi che questa raccolga e utilizzi tutti i dati generati dalle tecnologie wired e wireless e dalle SD-WAN da tutto l’ambiente aziendale: data center, uffici domestici, tutte le reti campus, branch e cloud. Ciò fornisce trasparenza totale sull’intera rete.

Inoltre, idealmente i team IT sono supportati da un assistente di rete virtuale con un’interfaccia utente conversazionale, che permette di fare domande e ottenere risposte in linguaggio naturale per semplificare e velocizzare la raccolta di insight sulla rete e il troubleshooting.

La rete per ottimizzare l’uso dell’AI

L’uso delle reti AI native come fondamenta per connettere gli utenti è solo un lato della medaglia. L’altro aspetto importante è il modo in cui una rete data center è disegnata. I progressi nell’AI generativa hanno posto AI e ML al centro delle agende di molte aziende: i data center sono diventati il cuore dell’AI e le reti giocano un ruolo critico nel massimizzare l’uso dei costosi server GPU.

I moderni cluster AI e ML possono comprendere anche migliaia di GPU, essenziali per fornire la potenza di calcolo necessaria per addestrare i modelli AI. In particolare, la domanda di potenti GPU e la dipendenza da InfiniBand proprietari rappresenta una sfida significativa per le imprese.

Supportando la distribuzione dei workload fra le GPU e la conseguente sincronizzazione per l’addestramento dei modelli AI, le piattaforme di networking AI native sono una solida base per la velocità di calcolo e l’utilizzo ottimale delle GPU, poiché riducono sia il tempo di completamento del lavoro (JCT, job completion time) sia il tempo necessario affinché anche l’ultima GPU completi i calcoli (tail latency).

Sul fronte InfiniBand, invece, una soluzione per il traffico di dati AI mission critical aperta e collaudata alternativa diventerà probabilmente Ethernet. Con i prossimi sviluppi a 800 GbE e il data center bridging (DCB), Ethernet garantisce alta capacità, bassa latenza per l’ottimizzazione del JCT, migliore gestione delle congestioni e trasmissione dei dati loss free.

Contenuti correlati

• 
  Intel e Google ampliano la collaborazione

  Intel e Google stanno ampliando la loro collaborazione per lo sviluppo della prossima generazione di AI e infrastrutture cloud. Questa collaborazione pluriennale prevede il rafforzamento del ruolo di CPU e IPU ((Infrastructure Platform Unit) personalizzate per scalare...
• 
  Sondaggio Avnet Insights: accelera l’adozione dell’AI

  In base ai risultati del sondaggio Avnet Insights 2026, l’AI sta diventando una componente standard dello sviluppo di prodotto nell’area EMEA, con differenze regionali relative al modo in cui la tecnologia viene adottata. Gli ingegneri di quest’area...
• 
  Microsoft presenta l’acceleratore AI Maia 200

  Microsoft  ha presentato Maia 200, un acceleratore AI per l’inferenza basato sul processo a 3 nm di TSMC, dotato di core tensor nativi FP8/FP4, un sistema di memoria riprogettato con 216 GB di HBM3e a 7 TB/s e...
• 
  Innovare alla frontiera: come AI ed Edge Computing stanno trasformando la distribuzione elettronica in Italia

  Christian Reinwald, Head of Product Management and Marketing di reichelt elektronik Viviamo in un’epoca in cui l’innovazione non è più un’opzione strategica, ma una condizione necessaria per la competitività. L’Italia, con il suo tessuto imprenditoriale ricco di...
• 
  Sei nuove applicazioni di AI da SECO

  SECO ha presentato sei nuove applicazioni di AI che spaziano dallo smart vending all’analisi video e al monitoraggio acustico. L’obiettivo è di accelerare la diffusione dell’intelligenza artificiale negli ambienti industriali ed embedded rafforzando l’ecosistema edge AI di...
• 
  SECO annuncia un Application Hub per l’AI

  SECO Application Hub è un nuovo marketplace di SECO che ospita, per ora, oltre 150 applicazioni di AI/ML. Questo hub è stato realizzato con l’obiettivo di semplificare lo sviluppo e l’implementazione dell’intelligenza artificiale sui dispositivi edge. L’hub...
• 
  AI per il portafoglio EDA di Siemens

  Siemens Digital Industries Software ha scelto la cornice della 2025 Design Automation Conference per annunciare il suo set di strumenti basati sull’intelligenza artificiale per migliorare il flusso di progettazione EDA. Gli obiettivi sono di aumentare la produttività e...
• 
  Trasformare le telco: tre fattori da considerare per restare competitivi sul mercato

  Streaming di dati in tempo reale, automazione della rete supportata dall’AI e architetture cloud ibride per un’infrastruttura scalabile e agile: queste alcune delle principali sfide che gli operatori delle telecomunicazioni sono chiamati ad affrontare. Il punto di vista di Anthony...
• 
  Intelligenza artificiale e videosorveglianza, un’accoppiata vincente

  Di Nico Paciello, Marketing & Communication Manager, Axitea L’utilizzo dell’intelligenza artificiale (AI) per la videosorveglianza sta diventando un trend dominante e trasformativo, con un impatto significativo su sicurezza, efficienza operativa e business intelligence. Si tratta di un...
• 
  Palo Alto Networks: le principali sfide cyber per le aziende europee nel 2025

  Da una nuova ricerca di Palo Alto Networks, condotta da Vitreous World, emerge che due terzi (66%) delle aziende europee considerano le minacce basate su AI come il maggiore rischio cyber nel 2025. Le sfide maggiori per...