Amazon kutter nettverksflaskehalsen i datasenteret

Amazon har begynt å bruke en ny nettverksarkitektur i egne datasentre. Det høres smalt ut. Det er det ikke. Når AI-regningen flytter seg fra pilot til drift, blir nettverket mellom maskinene en del av kostnadsbildet, ikke bare en teknisk detalj i kjelleren.

WIRED skriver at Amazon Web Services har rullet ut en såkalt quasi-random nettverksdesign i produksjon siden slutten av fjoråret. Internt kalles designet RNG, for resilient network graphs. Poenget er å gjøre datasenternettverket flatere, mer effektivt og mindre avhengig av den tradisjonelle fat-tree-strukturen som har dominert siden 1980-tallet.

Amazon oppgir flere harde tall. Sammenlignet med tradisjonelle nettverk skal løsningen bruke 69 prosent færre rutere og svitsjer, gi 33 prosent høyere gjennomstrømming, kutte nettverkets strømforbruk med 40 prosent og redusere driftskostnadene med 27 prosent. Forskningsartikkelen bak løsningen sier at RNG matcher eller slår fat-tree-nettverk for flere trafikkmønstre, samtidig som designet kan være opptil 45 prosent billigere.

Dette er ikke en ny modell, en ny chatbot eller enda et demo-lag over en API. Det er mer grunnleggende. Amazon forsøker å presse mer kapasitet ut av fysisk infrastruktur som allerede er under press fra AI, skyvekst og stadig dyrere strøm.

Hva Amazon faktisk har gjort

Tradisjonelle datasenternettverk er ofte bygget som trær. Trafikken går opp og ned gjennom lag av svitsjer. Det gir kontroll og forutsigbarhet, men også flaskehalser, mye utstyr og krevende kabling. Amazon sier egne datasentre nå har rundt 20 millioner kilometer fiberoptiske kabler. Det er en absurd mengde fysisk kompleksitet, og den må kjøpes, installeres, feilsøkes og driftes.

RNG angriper dette fra en annen vinkel. Designet bruker quasi-random grafer: ikke helt tilfeldig, ikke helt stramt strukturert. Målet er å få mange alternative veier gjennom nettverket uten at kablingen blir umulig å håndtere. Amazon har også laget en egen optisk enhet, ShuffleBox, som blander kabelforbindelser internt og skal gjøre det praktisk å bygge slike nettverk i skala.

I forskningsartikkelen beskrives dette som de første flate datasenternettverkene satt i produksjon i stor skala. Det er en viktig avgrensning. Randomiserte nettverk har vært diskutert lenge i akademia. Problemet har vært ruting, kabling og drift. Amazon hevder nå å ha fått dette ned på et nivå som fungerer i virkelige datasentre.

Første produksjonsbruk var i et datasenter i Dublin i 2024. Deretter ble teknologien utvidet til datasentre i Tyskland og Spania. Ifølge Amazon er RNG nå standardnettverket for de fleste nye datasentre og for de fleste arbeidslaster hos selskapet.

AI-poenget ligger i infrastrukturen

AWS sier selv at RNG ikke primært er laget for generativ AI-trening. Matt Rehder, som leder nettverksteknikk i AWS, sier til WIRED at AI-trening har mer koordinerte og orkestrerte trafikkmønstre enn det RNG er optimalisert for. Det gjør ikke saken mindre relevant for AI-ledere. Tvert imot.

Den brede AI-bruken i virksomheter er ikke bare store treningsjobber. Den består av inferens, agenter, RAG-systemer, dataplattformer, sikkerhetsanalyse, kodeassistenter og automatiserte arbeidsflyter. Alt dette skaper mer øst-vest-trafikk i skyen. Data flytter seg mellom tjenester, vektorer, databaser, køer, logging, modeller og applikasjoner. Når volumet øker, blir nettverk en direkte faktor i responstid, kapasitet og kostnad.

For norske CIO-er og CISO-er er læringen ganske jordnær: AI-kostnaden handler ikke bare om tokenpris eller GPU-leie. Den handler også om hvilken skyplattform som klarer å levere stabil kapasitet med lavere strøm- og nettverkskost. Hvis AWS faktisk får 40 prosent lavere nettverksstrøm og 27 prosent lavere driftskost på denne delen av stacken, kan det etter hvert slå ut i marginer, priser, kapasitetsgarantier eller prioritering av regioner.

Det betyr ikke at kundene automatisk får lavere regning. Hyperscalere deler ikke nødvendigvis effektiviseringsgevinster pent og ryddig med kundene. Men slike endringer påvirker konkurransen mellom AWS, Google Cloud, Microsoft Azure og spesialiserte AI-skyer. Den som klarer å bygge billigere og mer robust kapasitet, får flere strategiske valg enn konkurrentene.

Hva bør ledelsen følge med på

Første punkt er regionstrategi. Amazon har allerede tatt RNG fra Dublin til Tyskland og Spania. For europeiske virksomheter betyr det at deler av ny skyinfrastruktur kan få annen kost- og ytelsesprofil enn eldre regioner. Det er verdt å spørre leverandøren om hvilke arbeidslaster som faktisk kjører på ny generasjon datasenternettverk, og hva det betyr for tilgjengelighet, flaskehalser og fremtidig kapasitet.

Andre punkt er leverandørbinding. Nettverksarkitektur er ikke synlig i en vanlig anskaffelse, men den blir en del av plattformens reelle moat. Hvis én leverandør kan levere høyere gjennomstrømming med færre bokser og lavere energibruk, blir forskjellen vanskelig å kopiere raskt. Det kan styrke skyens posisjon i store AI-programmer, særlig der datamengdene og agentflytene vokser raskere enn budsjettene.

Tredje punkt er bærekraft og kraft. AI-datasentre møter økende politisk og lokal motstand i mange markeder. En arkitektur som reduserer nettverkets strømforbruk er ikke bare en teknisk gevinst. Den kan bli et argument i kapasitetsutbygging, offentlige tillatelser og ESG-rapportering. Her bør styrer være edruelige: den totale AI-etterspørselen kan likevel spise opp effektiviseringsgevinsten. Men lavere strøm per levert enhet er fortsatt et relevant konkurranseparameter.

Fjerde punkt er operasjonell risiko. Quasi-random nettverk høres ut som noe som kan gjøre feilsøking mer krevende. Amazon hevder det motsatte: flere alternative veier og en distribuert rutingprotokoll skal gi bedre robusthet. Kundene bør likevel spørre om observability, feildomener og hvordan slike nettverk påvirker incident-håndtering. Ny infrastruktur gir ikke bare nye gevinster. Den gir nye antakelser som må testes.

Det korte bildet: Amazon har ikke lansert en AI-funksjon. Selskapet har flyttet på en fysisk begrensning i skyøkonomien. Det er ofte slike endringer som får størst effekt når AI går fra lab til drift.

Kilder og medier

Primær nyhetskilde: WIRED, "Amazon Thinks the Future of Data Centers Depends on a Technical Problem It Just Solved", publisert 28. mai 2026. Source: https://www.wired.com/story/amazon-thinks-the-future-of-data-centers-depends-on-a-technical-problem-it-just-solved/

Teknisk grunnlag: Amazon-forskningsartikkelen "RNG: Flat Datacenter Networks at Scale", arXiv: https://arxiv.org/abs/2604.15261

Thumbnail: OpenAI Image 2 / hogby.ai