Meta prosegue gli investimenti nell’infrastruttura dei data center introducendo Watermelon, un algoritmo progettato per migliorare la distribuzione del traffico nelle reti utilizzate per l’Intelligenza Artificiale.
La crescita dei modelli e dei cluster di calcolo ha reso sempre più evidente un limite strutturale: la rete interna può diventare un collo di bottiglia anche in presenza di hardware molto potente. In questo scenario, l’ottimizzazione del flusso dei dati assume un ruolo centrale per mantenere alte le prestazioni complessive. Watermelon nasce proprio con questo obiettivo, intervenendo su uno degli aspetti meno visibili ma più critici dell’infrastruttura AI moderna.
Il problema del traffico nei data center
L’addestramento dei modelli linguistici richiede migliaia di GPU che lavorano in parallelo, scambiando continuamente grandi volumi di dati. Operazioni come la sincronizzazione dei parametri generano un traffico intenso e costante, che può portare a una distribuzione non uniforme del carico sulla rete.
Gli algoritmi tradizionali, spesso basati su funzioni di hashing statiche, non riescono a sfruttare in modo efficiente tutti i percorsi disponibili. Il risultato è che alcuni collegamenti vengono saturati mentre altri restano poco utilizzati, causando congestione, aumento della latenza e rallentamenti nelle operazioni distribuite.
