Nadchodząca walka o suwerenność obliczeniową
Kolejka, której nikt nie był właścicielem
Pierwszy argument nie dotyczył strategii. Dotyczył kolejki. Grupa badawcza miała pracę wrażliwą na czas, szpitalny partner chciał walidacji modelu przed pilotażem klinicznym, producent miał zadania symulacyjne ustawione w kolejce za zamrożeniem projektu, a agencja publiczna zarezerwowała moc obliczeniową na analizę oszustw, której nikt nie chciał opóźniać, gdy gazeta już poznała słowo algorytm. Pulpit klastra pokazywał uprzejme prostokąty. Ludzie przy stole widzieli priorytet, obowiązek, pieniądze, ryzyko i reputację. Planista widział zadania. To był problem.
Wszyscy w pokoju zgadzali się, że moc obliczeniowa jest ważna. To była łatwa część, rodzaj zdania, które przetrwa każdy komitet, bo niczego nie wymaga. Trudna część zaczęła się, gdy musieli zdecydować, kto może użyć ograniczonych procesorów jako pierwszy, według jakich zasad, z jakimi danymi, za jaką cenę i czyją władzą można przerwać komuś innemu. Nagle moc obliczeniowa nie była zasobem inżynieryjnym ukrytym w piwnicy. Była pytaniem konstytucyjnym z wentylatorami.
To tutaj odbędzie się nadchodząca walka o suwerenność obliczeniową. Nie tylko w przemówieniach o chipach, nie tylko w polityce handlowej, nie tylko w kontraktach chmurowych i krajowych planach AI, ale w alokacji. Kto ma prawo zamienić energię elektryczną, sprzęt, chłodzenie, modele, dane i wykwalifikowaną siłę roboczą w odpowiedzi. Kto czeka. Kto płaci. Kto może odmówić zdalnej zależności. Kto działa dalej, gdy podaż się kurczy. Kto może sprawdzić stos technologiczny, gdy coś ważnego od niego zależy.
Suwerenność obliczeniowa jest często sprowadzana do posiadania maszyn. Własność ma znaczenie, ale to za mało. Regał akceleratorów bez zasilania, operatorów, kontroli oprogramowania układowego, polityki planisty, ścieżek konserwacji, bezpiecznego dostępu do danych, zarządzania modelami i dyscypliny budżetowej nie jest suwerennością. To drogie meble, które wydają ciepły buczący dźwięk. Suwerenność zaczyna się, gdy instytucja lub region może zdecydować, jak wykorzystywana jest krytyczna moc obliczeniowa, i może utrzymać tę decyzję w mocy pod presją.
Niedobór zmienia ton
Przez lata wiele organizacji traktowało moc obliczeniową jak usługę, którą można przywołać, wpisując numer karty kredytowej, otwierając zgłoszenie lub pytając jedyną osobę, która rozumiała klaster. Ten nawyk narodził się w czasach, gdy pojemność wydawała się wystarczająco elastyczna dla większości celów. Jeśli model wymagał więcej treningu, wynajmij więcej. Jeśli symulacja wymagała więcej pamięci, zarezerwuj więcej. Jeśli projekt chciał demonstracji, wydaj pieniądze i przeproś później w arkuszu kalkulacyjnym z optymistycznymi kolorami.
Popyt na AI sprawił, że takie podejście stało się kruche. Współczesne obliczenia są ograniczane przez układy scalone, obudowy, pamięć o wysokiej przepustowości, reguły eksportowe, przestrzeń w centrach danych, przyłącza do sieci energetycznej, chłodzenie, oprogramowanie układowe, połączenia międzysystemowe, sterowniki, orkiestrację, licencje na modele oraz prozaiczny fakt, że wykwalifikowanych operatorów nie da się pobrać w porze lunchu. Nawet gdy dostępne są pieniądze, mocy obliczeniowej może nie być. Nawet gdy moc obliczeniowa istnieje, może nie być zarządzana przez instytucję, która jej potrzebuje. Nawet gdy jest zarządzana lokalnie, może być zarezerwowana dla niewłaściwych zadań, ponieważ nikt nie zaprojektował modelu priorytetów.
Niedobór zamienia obliczenia w politykę, ponieważ alokacja ujawnia wartości. Uniwersytet musi wybierać między badaniami na światowym poziomie a dostępem dla studentów. System opieki zdrowotnej musi wybierać między walidacją modeli a zaległościami analitycznymi. Rząd musi wybierać między egzekwowaniem podatków, usługami społecznymi, modelowaniem klimatu a pracami związanymi z bezpieczeństwem. Producent musi wybierać między symulacją produktów a operacjami wspomaganymi przez AI. Kolejka staje się dokumentem politycznym, tylko mniej uczciwym, ponieważ jest zapisana w identyfikatorach zadań.
Tej walki nie rozwiąże stwierdzenie „więcej mocy obliczeniowej", chociaż więcej mocy obliczeniowej pomoże. Drogi pomagają w transporcie, ale nie odpowiadają na pytanie, kto ma prawo do pasa dla karetek. Suwerenność obliczeniowa wymaga zarówno mocy, jak i zasad. Zasady będą niewygodne, ponieważ ujawniają ukryte priorytety. To zazwyczaj moment, w którym dorośli zaczynają prosić o kolejne warsztaty.
Posiadanie sprzętu to tylko jedna warstwa
Suwerenna postawa obliczeniowa obejmuje sprzęt, ale sam sprzęt nie jest władzą. Procesor ma oprogramowanie układowe. Maszyna ma sterowniki. Klaster ma system operacyjny, planistę, strukturę pamięci masowej, warstwę tożsamości, stos monitorowania, repozytoria pakietów, ścieżkę aktualizacji zabezpieczeń i model zdalnej konserwacji. Obciążenie ma dostęp do danych, wagi modeli, warunki licencyjne, kontrolę eksportu, wymagania dotyczące audytu i koszt energii. Instytucja ma operatorów, budżety, zasady zamówień oraz obowiązki publiczne lub handlowe. Każda warstwa może przenosić władzę.
Kraj może dotować maszyny i nadal zależeć od zdalnych płaszczyzn kontroli. Firma może kupić akceleratory i nadal polegać na dostawcy w kwestii okien konserwacyjnych, na które nie ma wpływu. Instytut badawczy może prowadzić lokalny klaster i nadal tracić suwerenność przez licencje na modele, które zabraniają pracy, jaką musi wykonywać. Agencja publiczna może przechowywać dane w swojej jurysdykcji i nadal wysyłać prompty, logi lub osadzenia przez narzędzia gdzie indziej. Pytanie nie brzmi: czy posiadamy maszyny. Pytanie brzmi: które decyzje dotyczące obliczeń możemy podejmować, wykonywać i udowadniać.
Planista zasługuje na szczególną uwagę, ponieważ to tam wartości stają się rzeczywistością wykonawczą. Planistów zwykle przedstawia się jako techniczną machinę: kolejki, partycje, priorytety, rezerwacje, wywłaszczanie. W warunkach niedoboru stają się one zarządzaniem. Kto może wywłaszczać kogo. Które obciążenia są krytyczne. Którzy użytkownicy mają prawa do skokowego zwiększenia mocy. Które projekty muszą udowodnić efektywne wykorzystanie. Które klasy danych mogą działać na których węzłach. Które zadania są zatrzymywane, gdy ceny energii gwałtownie rosną. To nie są tylko ustawienia klastra. To wybory instytucjonalne.
Dlatego suwerenność obliczeniowa wymaga ludzi, którzy potrafią czytać zarówno politykę, jak i konfigurację planisty. Zarząd może ogłosić priorytety, ale jeśli planista nie potrafi ich wyrazić, ogłoszenie jest teatrem. Inżynierowie mogą dostrajać kolejki, ale jeśli żadne zarządzanie nie decyduje, co powinno być faworyzowane, inżynieria staje się przypadkową polityką. Dojrzała wersja łączy oba te elementy. Zapisuje priorytety w mechanizmach operacyjnych i gromadzi dowody, aby pokazać, co się wydarzyło.
Kwestia energii nie pozostanie w tle
Obliczenia to nie abstrakcyjna chmura inteligencji. To energia elektryczna przepływająca przez sprzęt i pozostawiająca po sobie ciepło. Brzmi to oczywiście, dopóki dokumenty planistyczne nie traktują mocy obliczeniowej tak, jakby można ją było dodać jednym rzeczownikiem. Poważna strategia obliczeniowa musi spotkać się z siecią energetyczną. Musi pytać, gdzie dostępna jest energia, kiedy można przesunąć obciążenie, jak zarządza się chłodzeniem, co dzieje się w szczytowym zapotrzebowaniu, które obciążenia mogą czekać i które zobowiązania publiczne zasługują na priorytet, gdy energia jest ograniczona.
Stanie się to bardziej widoczne politycznie, ponieważ centra danych konkurują z innymi potrzebami: mieszkalnictwem, przemysłem, elektrycznym transportem, sieciami ciepłowniczymi, wzmacnianiem sieci i popytem gospodarstw domowych. Odpowiedzią nie może być po prostu brak centrów danych, bo badania krytyczne, opieka zdrowotna, produkcja, administracja publiczna i bezpieczeństwo wymagają obliczeń. Odpowiedzią nie mogą być też nieskończone centra danych, bo fizyka nie dołączyła do działu innowacji. Więc alokacja wraca, teraz ze stacjami transformatorowymi.
Świadomość energetyczna w suwerenności obliczeniowej oznacza dopasowanie obciążenia do pilności i lokalizacji. Część trenowania może działać, gdy odnawialne dostawy są obfite. Część wnioskowania musi działać blisko użytkowników ze względu na opóźnienia i odporność. Część publicznych obciążeń zasługuje na chronioną przepustowość. Część eksperymentów powinna być zmuszona do uzasadnienia dużych przebiegów. Część modeli powinna być mniejsza, buforowana, kwantyzowana, destylowana lub zastąpiona bardziej wydajnymi metodami. Wydajność nie jest przeciwieństwem ambicji. To sposób, w jaki ambicja przetrwa rachunek za prąd.
Jest też lekcja suwerenności w marnotrawstwie. Jeśli organizacja używa nadmiernych obliczeń, bo modele są zbyt duże, potoki danych są niechlujne, prompty są napompowane lub oceny są powtarzane bez celu, wydaje suwerenność i pieniądze. Rzadka przepustowość użyta źle to przepustowość odmówiona gdzie indziej. Przyszły spór o obliczenia będzie zatem obejmować jakość oprogramowania. To niegrzeczne, ale sprawiedliwe.
Przepustowość chmury jest użyteczna i warunkowa
Zdalna przepustowość pozostanie niezbędna. Żadna poważna strategia obliczeniowa nie powinna udawać, że każda organizacja może lub powinna uruchamiać każde obciążenie lokalnie. Elastyczna przepustowość chmury pomaga w skokach zapotrzebowania, specjalistycznym sprzęcie, zasięgu geograficznym, zarządzanych operacjach i eksperymentach, które byłoby marnotrawstwem wspierać na stałe. Problem nie polega na tym, czy zdalne obliczenia są złe. Problem polega na tym, czy poleganie na nich jest wystarczająco zrozumiałe, ograniczone i odwracalne dla pracy, o którą chodzi.
Zależność warunkowa jest czymś normalnym. Problemem jest zależność niekontrolowana. Instytucja publiczna korzystająca ze zdalnych akceleratorów do niskiego ryzyka pracy wsadowej może podejmować rozsądną decyzję. Ta sama instytucja korzystająca ze zdalnej platformy do wrażliwego wspomagania decyzji bez niezależnych logów, testów wyjściowych, kontroli kluczy ani planowania na wypadek szoków kosztowych może przenosić władzę, nawet tego nie zauważając. Ten sam sprzęt może być odpowiedni albo lekkomyślny w zależności od danych, obciążenia, dowodów i pozycji negocjacyjnej.
Umowy mają tu znaczenie, ale nie mogą udźwignąć całego ciężaru. Jeśli eksport jest teoretycznie dozwolony, ale praktycznie niemożliwy, bo artefakty modeli, potoki, logi i ewaluacje są zamknięte w platformie, wyjście jest tylko dekoracją. Jeśli ceny mogą zmieniać się szybciej niż budżety, wydajność staje się ryzykiem politycznym. Jeśli dostęp do wsparcia jest szeroki i nieprzejrzysty, moc obliczeniowa staje się ścieżką dostępu. Jeśli obietnica dotycząca regionu nie obejmuje płaszczyzny sterowania, system może być lokalny w broszurze, a zdalny w tej części, która może go zatrzymać.
Dojrzałe podejście traktuje zdalne obliczenia jako element portfela. Utrzymuje pewną lokalną lub regionalnie zarządzaną wydajność dla wrażliwych, pilnych lub strategicznych obciążeń. Tam, gdzie to możliwe, stosuje przenośne opisy obciążeń. Testuje przenoszenie przed kryzysem. Zachowuje niezależne dowody. Rozumie, jakie dane i pochodne artefakty opuszczają organizację. Wycenia koszt braku możliwości uruchomienia. To mniej ekscytujące niż ogromne ogłoszenie o zakupie. Jest też bardziej skuteczne.
Strona popytowa jest polityką
Dyskusje o suwerenności obliczeniowej często skupiają się na podaży. Ile układów. Które fabryki. Które chmury. Które klastry. Podaż ma znaczenie, ale dyscyplina popytowa też. Jeśli każdy zespół traktuje uruchomienie dużego modelu jako domyślną odpowiedź, żadna ilość mocy nie będzie wydawać się wystarczająca. Jeśli sukces mierzy się liczbą parametrów, liderzy będą kupować ciepło i nazywać to strategią. Jeśli ewaluacja jest słaba, zespoły będą powtarzać eksperymenty, bo nikt nie wie, które uruchomienie miało znaczenie. Kolejka wypełni się niepewnością w laboratoryjnym przebraniu.
Dobra polityka popytowa zaczyna się od pytania, jakiej klasy obliczeń dane zadanie naprawdę potrzebuje. Trenowanie modelu fundamentowego, dostrajanie modelu domenowego, prowadzenie inferencji, wykonywanie wyszukiwania, symulowanie fizyki, renderowanie danych, ewaluacja modeli i obsługa interaktywnych użytkowników to różne obciążenia. Mają różne potrzeby w zakresie wrażliwości, opóźnień, skalowania, energii i audytu. Traktowanie ich jako jednego worka o nazwie obliczenia AI jest wygodne administracyjnie i technicznie leniwe.
Techniki wydajnościowe są narzędziami suwerenności. Mniejsze modele, metody rozrzedzone, kwantyzacja, przetwarzanie wsadowe, buforowanie, wyszukiwanie, lepsza jakość danych, wczesne zatrzymywanie, powtarzalne eksperymenty i dobre profilowanie zmniejszają zależność od ograniczonej mocy. Podobnie działa odmowa przyjęcia pracy bez jasnej ewaluacji lub właściciela. Najtańsza jednostka obliczeniowa to ta, której nie wydano, bo ktoś zadał ostrzejsze pytanie. To zdanie nie sprzeda wielu stoisk konferencyjnych, ale uratowało więcej budżetów niż ozdobna ambicja.
Dyscyplina popytowa chroni też sprawiedliwość. Bez niej silne zespoły zużywają moc z przyzwyczajenia, podczas gdy mniejsze czekają. Planista może egzekwować limity, ale limity bez wspólnych norm stają się kolejnym polem bitwy. Instytucje potrzebują jasnych kategorii: strategiczne zadania publiczne, praca regulowana, praca krytyczna dla przychodów, eksploracja badawcza, edukacja, utrzymanie i eksperymenty spekulacyjne. Kategorie nie będą idealne. Idealne to coś, o co komitety proszą, gdy chcą uniknąć wyboru.
Publiczna moc obliczeniowa wymaga publicznych zasad
Gdy rządy inwestują w krajową lub regionalną moc obliczeniową, staną przed problemem legitymizacji. Publiczna moc obliczeniowa nie może być po prostu lepszą kolejką dla tych, którzy już wiedzą, jak pisać wnioski. Musi służyć misjom publicznym, badaniom, edukacji, małym firmom, sektorom krytycznym i długoterminowym zdolnościom. Wymaga to przejrzystych zasad dotyczących dostępu, cen, priorytetów, wrażliwości danych, publikacji, bezpieczeństwa i dozwolonego użytku. W przeciwnym razie nowy publiczny zasób odziedziczy stare nierówności z lepszym chłodzeniem.
Publiczne zasady nie oznaczają wolnych zasad. Oznaczają zasady możliwe do skontrolowania. Zadanie walidacyjne szpitala może wymagać priorytetu nad spekulacyjnym benchmarkiem. Kurs uniwersytecki może potrzebować gwarantowanej skromnej mocy, ponieważ edukacja to sposób, w jaki pojawiają się przyszli operatorzy. Mały producent może potrzebować dostępu seriami bez miażdżących procedur zakupowych przedsiębiorstw. Model klimatyczny może zasługiwać na chroniony czas, ponieważ społeczeństwo korzysta, nawet jeśli żaden pojedynczy departament nie jest właścicielem faktury. Te wybory są polityczne w szacownym sensie: alokują wspólny zasób ku wspólnym obowiązkom.
Zasady powinny obejmować dowody. Kto korzystał z mocy. Do jakiej klasy pracy. Z jaką wrażliwością danych. Przy jakim koszcie energii. Z jakim rezultatem. Które zadania zostały wywłaszczone. Które projekty wielokrotnie konsumowały moc bez wytworzenia ocenionych wyników. Które sektory były niedostatecznie obsłużone. To nie jest inwigilacja dla samej siebie. To zarządzanie powierzone. Rzadka publiczna moc obliczeniowa nie powinna znikać w heroicznych anegdotach i corocznych zdjęciach szaf.
Publiczna moc obliczeniowa wymaga również profesjonalnej eksploatacji. Klaster istniejący tylko jako zakup grantowy szybko się dezaktualizuje. Operatorzy potrzebują finansowania, statusu, szkoleń i autorytetu. Utrzymanie nie jest biurowym dodatkiem. To różnica między strategiczną infrastrukturą a muzeum zeszłorocznych ambicji. Europa popełniła ten błąd już wcześniej w innych formach: kup rzecz, niedofinansuj ludzi, zdziw się, gdy rzecz nabierze własnej osobowości.
Bezpieczeństwo to coś więcej niż tajemnice
Platformy obliczeniowe koncentrują wrażliwy materiał: zbiory danych, wagi modeli, prompty, osadzenia, logi, poświadczenia, pomysły badawcze, projekty przemysłowe i wzorce operacyjne. Bezpieczeństwo to nie tylko zapobieganie kradzieży. To kontrolowanie, kto może uruchamiać co obok czego, które artefakty przetrwają, które logi są przechowywane, którzy operatorzy mogą przeglądać zadania, które zależności mogą aktualizować zachowanie środowiska uruchomieniowego i które wyniki mogą opuścić środowisko. Moc obliczeniowa to miejsce, gdzie dane stają się działaniem. To czyni je atrakcyjnym miejscem do popełniania błędów.
Przetwarzanie wielodostępowe jest szczególnie wymagające. Różni użytkownicy mogą podlegać różnym reżimom prawnym, mieć różne potrzeby w zakresie poufności i różne modele zagrożeń. Projekt studencki, symulacja związana z obronnością, zbiór danych medycznych i komercyjna ocena modelu nie powinny być traktowane jak sąsiedzi tylko dlatego, że w kolejce było miejsce. Izolacja, poświadczanie, tożsamość, obsługa tajemnic, polityka sieciowa, higiena przechowywania i ślady audytu stają się częścią suwerenności. Jeśli te mechanizmy kontroli są słabe, lokalne przetwarzanie nadal może być przetwarzaniem niezarządzanym.
Zarządzanie modelami również należy do tego obszaru. Które wagi mogą być ładowane. Które licencje na jakie prace zezwalają. Które modele zostały ocenione pod kątem danej domeny. Które dostrojenia zawierają wrażliwe dane. Które wyniki wymagają przeglądu. Które artefakty można eksportować. Platforma nie powinna stać się miejscem, w którym polityka jest zamieniana na flagi wiersza poleceń przez każdego, kto się spieszy. Pośpiech nie jest modelem zarządzania. Jest stanem pogody.
Mechanizmy bezpieczeństwa powinny być projektowane z myślą o użyteczności. Jeśli bezpieczne ścieżki są niemożliwe, ludzie tworzą niebezpieczne. Kopiują dane, wynajmują zewnętrzne zasoby, omijają kolejki lub prowadzą prywatne notatniki z zaklęciami. Suwerenność zawodzi, gdy oficjalne środowisko jest tak wolne lub nieprzejrzyste, że poważni ludzie je obchodzą. Kontrola musi być na tyle użyteczna, aby zasługiwała na posłuszeństwo.
Walka o talenty
Najbardziej deficytową częścią suwerenności obliczeniowej mogą być ludzie. Sprzęt można kupować powoli i drogo. Wykwalifikowani operatorzy, inżynierowie wydajności, architekci bezpieczeństwa, administratorzy danych, specjaliści ds. zakupów i tłumacze polityk potrzebują więcej czasu. Potrzebują doświadczenia z rzeczywistymi obciążeniami, a nie tylko schematów od dostawców. Muszą rozumieć, dlaczego wybór planisty może stać się wyborem dotyczącym zarządzania, dlaczego niewinny dziennik może stać się wrażliwy i dlaczego model mieszczący się w pamięci może być mimo to zbyt kosztowny, by zaufać mu operacyjnie.
Instytucje często nie doceniają tej warstwy, ponieważ ludzie są mniej fotogeniczni niż maszyny. Wstęgę można przeciąć przed klastrem. Trudniej przeciąć wstęgę przed kulturą utrzymania ruchu. Jednak bez ludzi suwerenność degeneruje się do dostępu do sprzętu. Operatorzy, którzy utrzymują platformę bezpieczną, wydajną i sprawiedliwą, są częścią infrastruktury. Traktowanie ich jako kosztów ogólnych to niezawodny sposób na zamianę strategii w nadgodziny.
Talenty kształtują również niezależność w relacjach z dostawcami. Kompetentny nabywca może zapytać, co dzieje się podczas aktualizacji oprogramowania układowego, jak oddzielane są dzienniki, czy obciążenia są przenośne, jak egzekwowane są limity, jak obsługiwane są szczyty energetyczne, jak niszczone są dane i co może zobaczyć dostęp wsparcia. Niekompetentny nabywca prosi o innowacje i otrzymuje broszurę. Dostawcy nie są złoczyńcami za odpowiadanie na zadane pytanie. Instytucje muszą nauczyć się zadawać lepsze.
Edukacja ma znaczenie na kilku poziomach. Inżynierowie potrzebują głębszej wiedzy o systemach. Menedżerowie potrzebują wystarczającej znajomości tematu, aby rozumieć kompromisy. Prawnicy muszą rozumieć płaszczyzny sterowania i artefakty pochodne. Urzędnicy publiczni muszą rozumieć, dlaczego przydział zasobów obliczeniowych nie jest tym samym co zakup krzeseł biurowych, chociaż oba mogą generować zaskakującą dokumentację. Suwerenność obliczeniowa jest po części problemem programowym.
Rezerwy, ćwiczenia i prawo do krótszego czekania
Zdolność strategiczna nie jest tym samym co zdolność średnia. Region może mieć wystarczające zasoby obliczeniowe przez większość dni, a mimo to zawieść podczas kryzysu, audytu, ataku, szoku cenowego, sporu prawnego, ważnego terminu badawczego lub nagłego wypadku publicznego. Suwerenność jest testowana przez zły timing. Oznacza to, że część zasobów musi być zarezerwowana, część obciążeń musi być możliwa do wywłaszczenia, część ścieżek zapasowych musi być przećwiczona, a część decyzji musi zostać podjęta, zanim wszyscy spojrzą na ten sam pulpit z różnymi definicjami pilności.
Rezerwy są politycznie trudne, bo niewykorzystana zdolność wygląda na marnotrawstwo, dopóki nie jest potrzebna. To samo dotyczy remiz strażackich, kopii zapasowych i zapasowych transformatorów. Sztuka nie polega na tym, by wszystko trzymać w bezczynności. Chodzi o zaprojektowanie zdolności, która może przechodzić ze zwykłej pracy do pracy chronionej w zadeklarowanych warunkach. Zadania o niskim priorytecie mogą działać, gdy rezerwa jest niewykorzystana. Praca krytyczna może je wyprzedzić, gdy reguła zadziała. Reguła musi być znana przed kryzysem. W przeciwnym razie wygra najgłośniejszy pokój.
Ćwiczenia mają znaczenie. Czy obciążenie może przenieść się ze zdalnej na lokalną zdolność. Czy klaster może działać odłączony od usługi zarządzania. Czy artefakty modeli można przywrócić. Czy dane można zamontować bez naruszania zasad lokalności. Czy awarię dostawcy można ominąć. Czy można egzekwować priorytet publiczny. Czy dowody mogą pokazać, dlaczego jedno zadanie wyprzedziło inne. To nie są abstrakcyjne pytania. To różnica między suwerennością jako rzeczownikiem a suwerennością jako czasownikiem.
Prawo do krótszego czekania stanie się wymogiem zarządczym. Krytyczne obciążenia publiczne, praca związana z bezpieczeństwem, badania w wąskich oknach czasowych i procesy przemysłowe o dużym ryzyku ekonomicznym będą domagać się pierwszeństwa. Część z nich będzie miała rację. Część będzie oportunistyczna. System potrzebuje reguł wystarczająco solidnych, by odróżnić jedno od drugiego. Alternatywą jest kolejka rządzona statusem, wolumenem i tym, kto napisze najbardziej alarmujący e-mail.
Argument, który powinniśmy przeprowadzić wcześnie
Nadchodząca walka o suwerenność obliczeniową nie jest czymś, czego należy unikać. To coś, co trzeba przeprowadzić, zanim niedobór uczyni ją brzydszą. Instytucje powinny zdecydować, które obciążenia są krytyczne, które mogą czekać, które muszą działać lokalnie, które mogą się przelewać zdalnie, które dane mogą podróżować, które modele są dozwolone, jakie dowody są wymagane, które rezerwy są chronione i które standardy wydajności obowiązują. Te decyzje nie będą doskonałe. Będą lepsze niż odkrywanie polityki przez zakorkowaną kolejkę.
Ten argument powinien być praktyczny. Powinien obejmować inżynierów, operatorów, opiekunów danych, zespoły bezpieczeństwa, ekspertów dziedzinowych, prawników, finanse i ludzi, których praca zostanie opóźniona, gdy priorytet zostanie przypisany. Nie powinien pozostawać wyłącznie w dokumentach strategii narodowej ani wyłącznie u administratorów klastrów. Suwerenność obliczeniowa leży między polityką a maszynerią. Pominij którąkolwiek stronę, a wynikiem będzie teatr, uraza albo jedno i drugie.
Powinna też unikać czystości. Całkowita niezależność nie jest realistyczna dla większości instytucji i nie jest konieczna dla większości obciążeń. Całkowite zlecanie na zewnątrz jest równie naiwne w przypadku pracy krytycznej. Użyteczny środek to świadoma zależność: wiedzieć, na czym się polega, zachować wpływ tam, gdzie wymagają tego konsekwencje, budować lokalne kompetencje, zapewniać przenośność obciążeń tam, gdzie to możliwe, gromadzić dowody, chronić rezerwy i wydatkować moc obliczeniową z dyscypliną. Wersja dla dorosłych jest mniej efektowna niż wersja hasłowa. To zwykle znak, że może zadziałać.
Walka będzie toczyć się o układy, ale także o energię elektryczną, kolejki, uprawnienia, operatorów, budżety, licencje na modele, obowiązki publiczne i odwagę, by powiedzieć, że niektóre zadania są ważniejsze od innych. Ta odwaga to zarządzanie. Bez niej suwerenność obliczeniowa staje się listą zakupów. Z nią moc obliczeniowa staje się infrastrukturą, która może służyć społeczeństwu, a nie tylko robić wrażenie na slajdzie o zamówieniach.
Lekcja
Suwerenność obliczeniowa to zdolność do działania, gdy moc obliczeniowa jest ograniczona i ma istotne konsekwencje. Oznacza posiadanie wystarczającej wydajności, rozumienie wystarczającej liczby zależności, obsługiwanie wystarczającej liczby warstw i zarządzanie wystarczającą alokacją, aby praca krytyczna nie stała się pasażerem w cudzej kolejce. To nie jest postawa przeciw chmurze, przeciw handlowi ani przeciw współpracy. To postawa przeciw zaskoczeniom.
Praktyczna praca jest prosta: odwzorować stos kontroli, finansować operatorów, pisać politykę planisty, uczciwie wyceniać energię, klasyfikować obciążenia, testować przenośność, gromadzić dowody, rezerwować wydajność na zadania krytyczne i ograniczać marnotrawstwo. Żadne z tych działań nie ma czystego uroku kupowania największej maszyny w sali. Ma za to lepszą zaletę: sprawia, że maszyna jest rozliczalna.
Przyszłość nie zapyta, czy instytucja wierzyła, że moc obliczeniowa ma znaczenie. Wszyscy odpowiedzą twierdząco. Zapyta, kto potrafił ją alokować, na jakiej podstawie, z jakim dowodem, gdy łatwa wydajność się skończyła.