Los CIO buscan innovación en IA más allá de los tres grandes proveedores de nube

AWS, Microsoft y Google pueden seguir dominando el mercado empresarial de la nube, pero una serie de proveedores de nube de segundo nivel están demostrando ser socios valiosos para organizaciones e innovadores con cargas de trabajo y casos de uso especializados, especialmente en la floreciente era de la inteligencia artificial (IA).

Athos Therapeutics es una de esas empresas. Después de haber ejecutado previamente sus cargas de trabajo de IA en sus instalaciones, la empresa de biotecnología en fase clínica eligió Vultr Cloud GPU, una GPU como servicio que Athos ejecuta en servidores HGX H100 PowerEdge de Dell con tecnología Nvidia. Lo hace para entrenar sus modelos de IA de cosecha propia y construir su plataforma de medicina de precisión impulsada por IA destinada a resolver enfermedades autoinmunes y cancerosas.

Antes de firmar el acuerdo el verano pasado, el trío -Athos, Vultr y Dell- colaboró en un proyecto piloto que satisfizo las necesidades de Athos, afirma June Guo, vicepresidenta de IA y ML de Athos.

Guo citó varias razones por las que Athos abandonó su pequeña infraestructura local en favor de la plataforma especializada en la nube de Vultr, entre ellas el enorme consumo de electricidad e Internet, así como la necesidad de seguridad para entrenar sus grandes modelos. El cambio a Vultr también ha resultado menos costoso, afirma.

“Solíamos tener nuestros servidores locales para entrenar estos algoritmos de IA, pero problemas de infraestructura como cortes de energía y problemas de ancho de banda de Internet [nos llevaron a empezar] a buscar un proveedor que se ocupara de estos problemas”, dice Guo, señalando que el cambio a un modelo de GPU como servicio también ha ayudado a acelerar el desarrollo de la plataforma terapéutica de precisión de Athos.

Necesidades de nicho, soluciones de nicho

Vultr, IBM, Alibaba, Akamai, OVHcloud, Tencent y Huawei se encuentran entre un puñado de actores de IaaS en la nube de segundo nivel que ofrecen avances en costes y la flexibilidad de los servicios de entrenamiento, ajuste e inferencia de modelos de IA, así como la seguridad y confidencialidad necesarias para la propiedad intelectual, los datos genómicos y los algoritmos de IA patentados, según los analistas.

“Los proveedores de nube de segundo nivel como Vultr, Akamai, IBM, Alibaba, Tencent y Huawei se diferencian al centrarse en nichos de mercado y necesidades específicas de los clientes, en contraposición al enfoque amplio y universal de los hiperescalares”, afirma David Linthicum, líder de opinión en materia de nube e IA que anteriormente fue director general y director de Estrategia de Nube en Deloitte Consulting. “Estos proveedores prosperan en áreas donde la especialización, la flexibilidad y la rentabilidad son más importantes”.

La protección de la propiedad intelectual fue una razón importante detrás del traslado de Athos a la nube de Vultr, dice Guo, ya que hacerlo protegería mejor su modelo de propiedad intelectual, al tiempo que se ajustaría a las regulaciones y el cumplimiento de la industria. El modelo de GPU como servicio también minimiza los requisitos de mantenimiento en constante evolución de una infraestructura de IA, incluida la descarga de cantidades masivas de datos genómicos, las actualizaciones de Internet y el intercambio de tarjetas Nvidia, afirma.

Athos podría haber optado por uno de los tres grandes hiperescalares (AWS, Google Cloud o Microsoft Azure), pero entrenar sus algoritmos y escalar varios tipos de datos científicos ómicos sería prohibitivamente caro en esas plataformas, dice Guo.

Dado que los datos de Athos proceden de muestras de sangre, heces y tejidos humanos, y que las estructuras de datos multiómicos no son como el texto, el audio o el vídeo, Athos no puede utilizar modelos estándar de IA generativa. La gran variedad y el volumen de datos utilizados para la terapia de precisión requieren que Athos construya sus propios algoritmos y modelos de IA, que puede comercializar a otras empresas biotecnológicas y farmacéuticas cuando estén completamente desarrollados.

Además, Vultr y Dell pudieron proporcionar un soporte de ingeniería más rentable para la plataforma analítica de IA autónoma y el lago de datos de Athos que la mayoría de los proveedores de nube pueden brindar, dice Guo.

Para Athos, la plataforma de GPU en la nube de Vultr lo hace todo (ejecuta los servicios de entrenamiento, ajuste fino e inferencias del modelo de IA de Athos), y eso no ocurre con todas las nubes, dice. También proporciona la seguridad y confidencialidad necesarias para la propiedad intelectual de Athos, grandes conjuntos de datos genómicos y algoritmos de IA patentados.

Athos Therapeutics, que está colaborando con la Clínica Cleveland y el Hospital y Centro Médico Lahey, ha desarrollado múltiples modelos con miles de millones de parámetros y datos multi-ómicos y ha realizado análisis de más de 25.000 pacientes. La asociación en la nube Vultr-Dell ha ayudado a allanar el camino.

“En comparación con los servidores locales que utilizábamos antes, la aceleración es asombrosa. Tenemos 10 veces más aceleración que antes”, afirma Guo.

Abundan las opciones de innovación

La fiebre del oro de la IA ha traído consigo el auge de actores especializados que ofrecen GPU como servicio, así como proveedores de segundo nivel que ofrecen un menú más completo de opciones en la nube, muy similar al de los tres grandes hiperescalares, incluyendo GPU en la nube. El analista de IDC Dave McCarthy afirma que GPU como servicio ha surgido como un nuevo término con el debut de empresas emergentes como CoreWeave que ofrecen el modelo de servicio GPU exclusivamente, pero los grandes actores, como AWS, Microsoft y Google, lo han estado ofreciendo durante muchos años.

Vultr, dice McCarthy, es “más parecido” a los tres grandes hiperescalares porque ofrece una gama de servicios en la nube además de GPU como servicio. Vultr, que se lanzó en 2014, fue fundada por desarrolladores que diseñaron su primera plataforma en la nube para ofrecer un panel de control único y automatización para ayudar a los clientes a escalar rápidamente. La plataforma fue originalmente muy popular entre las empresas de juegos y las nuevas empresas de SaaS.

A medida que Vultr creció, se expandió, contrató a un directivo y formó asociaciones con Nvidia y Dell, la empresa ahora se dirige a empresas de todo el mundo con soluciones flexibles y escalables de computación en la nube global, GPU en la nube, bare metal y almacenamiento en la nube que admite cargas de trabajo de IA.

Por ejemplo, la CPU-a-a-service de Vultr ofrece acceso al acelerador Instinct MI300X de AMD y a las GPU de Nvidia, incluyendo GH200, HGX H100, A100, L40S, A40 y A16 para IA/ML y computación de alto rendimiento,

El experto en la nube Linthicum señala que Vultr atrae a desarrolladores, empresas emergentes y pymes con su sencillez y precios directos, mientras que Akamai domina en computación de borde y entrega de contenido para medios, juegos y aplicaciones sensibles a la latencia. IBM, añade Linthicum, lidera las soluciones de nube híbrida, dirigidas a empresas que gestionan sistemas heredados con un enfoque en industrias con gran cumplimiento normativo, como la sanidad y las finanzas en EE. UU. y la UE.

Geográficamente, Alibaba, Tencent y Huawei son los actores dominantes en Asia, afirma.

Para las empresas estadounidenses y europeas, el atractivo de los proveedores de nube de segundo nivel a menudo radica en la diversidad de proveedores, el ahorro de costes y la capacidad de soportar IA y cargas de trabajo especializadas que no requieren la escalabilidad y complejidad de AWS, Google Cloud Platform o Azure, añade Linthicum.

Sulabh Srivastava, analista de Accenture Cloud First, afirma que los proveedores de nube de segundo nivel brindan una variedad de servicios especializados para pymes, empresas regionales e industrias reguladas con beneficios clave como menores costes para la formación en IA/ML y casos de uso de inferencia. Srivastava afirma que el coste de la infraestructura informática de GPU de un hiperescalar para entrenar modelos de IA suele ser mucho mayor que el de los mismos recursos proporcionados por proveedores especializados como Vultr.

Por su parte, Vultr está trabajando para ampliar su presencia en la empresa y solo el tiempo dirá si los grandes hiperescalares bajan sus precios para hacerse con una mayor parte del negocio de entrenamiento de modelos de IA.

“Para los segmentos empresariales, Vultr tiene una penetración limitada”, dice Srivastava. “Como socio preferente de Nvidia, Vultr parece estar posicionándose a la vanguardia como una alternativa rentable para las cargas de trabajo de IA, lo que podría hacer más accesible el entrenamiento de IA/ML”.

Para Athos Therapeutics, la solución Vultr-Dell es la opción óptima para desarrollar su plataforma de creación y entrenamiento de sus modelos propios.

“Ni siquiera tenemos datos, código o plataforma heredados. Utilizamos la nube pública para procesar algunos datos, pero para entrenar nuestros modelos con datos genómicos, Vultr y Dell nos hicieron una propuesta muy razonable en este espacio”, dice Guo.