نبرد تازه دیتاسنترهای هوش مصنوعی؛ برنده کسی است که برق بیشتری دارد
رقابت بر سر ساخت دیتاسنترهای هوش مصنوعی وارد مرحله تازه ای شده؛ مرحله ای که دیگر فقط به تعداد پردازنده های گرافیکی یا قدرت مدل های زبانی ربط ندارد. حالا تأمین برق، دسترسی پایدار به انرژی و توسعه زیرساخت برق تعیین می کند کدام شرکت می تواند سریع تر رشد کند و کدام پروژه باید ماه ها یا حتی سال ها منتظر بماند.
رک بگوییم، خرید هزاران تراشه پیشرفته یک طرف ماجراست و روشن نگه داشتن آن ها طرف دیگر. پردازش مدل های بزرگ، خنک سازی سرورها و انتقال داده، برق وحشتناکی مصرف می کند. به همین دلیل غول های فناوری فقط دنبال زمین و تراشه نیستند؛ آن ها دنبال نیروگاه، شبکه انتقال مطمئن و قراردادهای بلندمدت انرژی می گردند.
مطالعه مقاله قبلی در دسته بندی تکنولوژی با عنوان راز بازگشت لوگوی نورانی اپل در مک بوک پرو لمسی جدید.
برق؛ گلوگاه جدید توسعه هوش مصنوعی
در سال های گذشته، کمبود تراشه مهم ترین دردسر شرکت های فعال در حوزه هوش مصنوعی بود. هر شرکتی که زودتر به پردازنده های قدرتمند دست پیدا می کرد، شانس بیشتری برای آموزش مدل های پیچیده داشت. اما این معادله دارد عوض می شود؛ چون حتی اگر انبار پر از تراشه باشد، بدون برق کافی عملاً هیچ کاری پیش نمی رود.
یک مرکز داده بزرگ ممکن است به اندازه یک شهر کوچک برق مصرف کند. تازه این فقط مصرف مستقیم سرورهاست. تجهیزات سرمایشی، سیستم های پشتیبان، شبکه داخلی، ذخیره سازها و سامانه های امنیتی هم سهم قابل توجهی دارند. هرچه تراکم پردازنده ها بیشتر شود، گرمای تولیدشده نیز بالاتر می رود و کنترل آن دشوارتر خواهد شد.
مسئله فقط حجم مصرف نیست. دیتاسنتر باید شبانه روز و بدون وقفه کار کند. حتی افت کوتاه ولتاژ یا قطعی چندثانیه ای می تواند هزاران پردازش را مختل کند. بنابراین اپراتورها به یک اتصال ساده به شبکه سراسری راضی نیستند و معمولاً چند مسیر برق، باتری های عظیم، ژنراتور و سامانه مدیریت بار می خواهند.
همین نیازها باعث شده زیرساخت برق دیتاسنتر به یکی از مهم ترین معیارهای انتخاب محل تبدیل شود. زمینی که ارزان است اما شبکه ضعیفی دارد، دیگر چندان جذاب نیست. در مقابل، منطقه ای با اتصال مطمئن، ظرفیت توسعه و امکان دریافت مجوز سریع می تواند ارزش بسیار بالاتری پیدا کند.
شبکه های قدیمی برای این حجم از تقاضا آماده نیستند
بخش بزرگی از شبکه های برق جهان برای رشد آرام و قابل پیش بینی طراحی شده اند؛ نه برای پروژه ای که ناگهان صدها مگاوات ظرفیت درخواست می کند. ساخت خطوط انتقال، پست های جدید و نیروگاه های بزرگ زمان می برد. فرایند دریافت مجوز هم گاهی آن قدر طولانی می شود که تجهیزات خریداری شده پیش از آماده شدن اتصال برق، نسل قدیمی محسوب می شوند.
این وضعیت شرکت ها را وادار کرده پیش از شروع ساخت، ظرفیت واقعی منطقه را بررسی کنند. دیگر نمی شود اول ساختمان را بالا برد و بعد سراغ شرکت برق رفت. مذاکره برای تأمین برق باید از همان مراحل ابتدایی طراحی آغاز شود؛ درست کنار انتخاب تراشه، سیستم خنک کننده و معماری شبکه.
از آن طرف، شرکت های برق هم با تصمیم ساده ای روبه رو نیستند. آن ها باید مطمئن شوند سرمایه گذاری سنگین برای یک مشتری بزرگ، هزینه مصرف کنندگان عادی را بالا نمی برد. اگر نیروگاه و خطوط تازه فقط برای پاسخ به نیاز یک دیتاسنتر ساخته شوند، سؤال مهم این است که چه کسی باید پول آن را بدهد؟
غول های فناوری به دنبال انرژی اختصاصی می روند
وقتی شبکه عمومی نتواند با سرعت موردنیاز توسعه پیدا کند، راه بعدی روشن است: تولید اختصاصی. بعضی شرکت ها سراغ قرارداد مستقیم با نیروگاه ها رفته اند و برخی دیگر ایجاد منابع تولید در نزدیکی مراکز داده را بررسی می کنند. هدف این است که وابستگی به شبکه کاهش پیدا کند و زمان راه اندازی کوتاه تر شود.
انرژی خورشیدی و بادی بخشی از راه حل هستند، اما تولید آن ها دائمی نیست. دیتاسنتر نمی تواند آموزش یک مدل را فقط به ساعت های آفتابی یا روزهای پرباد محدود کند. پس منابع تجدیدپذیر باید در کنار باتری، برق شبکه یا یک منبع پایدار دیگر قرار بگیرند.
نیروگاه های گازی محلی هم به خاطر امکان راه اندازی سریع تر موردتوجه قرار گرفته اند. بااین حال، این گزینه نگرانی های زیست محیطی خودش را دارد. شرکتی که از یک طرف وعده کاهش انتشار کربن می دهد و از طرف دیگر برای اجرای مدل های هوش مصنوعی سوخت فسیلی بیشتری مصرف می کند، دیر یا زود باید جواب افکار عمومی و قانون گذاران را بدهد.
در این میان، انرژی هسته ای دوباره به بحث داغ صنعت فناوری تبدیل شده است. نیروگاه های هسته ای می توانند برق پایدار و کم کربن تولید کنند، اما ساخت واحدهای بزرگ بسیار زمان بر و پرهزینه است. رآکتورهای کوچک ماژولار هم جذاب به نظر می رسند، ولی هنوز باید مسیر فنی، اقتصادی و قانونی طولانی ای را طی کنند.
ترکیب چند منبع، منطقی تر از یک انتخاب جادویی است
احتمالاً هیچ منبعی به تنهایی پاسخ همه نیازها نیست. راه حل عملی تر، ترکیبی از شبکه سراسری، انرژی تجدیدپذیر، ذخیره ساز باتری و تولید محلی خواهد بود. این مدل که گاهی به شکل ریزشبکه اجرا می شود، انعطاف بالاتری دارد و در زمان اوج مصرف یا اختلال شبکه خیال اپراتور را راحت تر می کند.
البته ساخت چنین مجموعه ای ارزان نیست. باتری های بزرگ، تجهیزات کنترل، ژنراتورها و اتصال چندگانه سرمایه زیادی می خواهند. بااین حال، وقتی تأخیر در راه اندازی یک مجموعه هوش مصنوعی می تواند فرصت چندمیلیاردی بازار را از بین ببرد، هزینه زیرساخت دیگر آن قدر عجیب به نظر نمی رسد.
مکان دیتاسنترها هم دوباره تعریف می شود
تا همین چند سال پیش، نزدیکی به کاربران یکی از معیارهای اصلی ساخت مرکز داده بود. این موضوع هنوز برای سرویس هایی که به تأخیر بسیار پایین نیاز دارند مهم است، اما آموزش مدل های بزرگ الزاماً نباید در قلب یک شهر شلوغ انجام شود. چنین پردازش هایی را می توان در مناطقی انجام داد که زمین ارزان تر، آب وهوا خنک تر و برق فراوان تر است.
به همین دلیل مناطق نزدیک به نیروگاه های برق آبی، منابع بادی یا خطوط انتقال پرظرفیت جذاب تر شده اند. هوای سرد نیز می تواند بخشی از هزینه خنک سازی را کم کند. بااین حال، فاصله زیاد از شبکه های ارتباطی اصلی، کمبود نیروی متخصص و دشواری تعمیر تجهیزات محدودیت هایی هستند که نباید نادیده گرفته شوند.
رقابت محلی برای آب هم مسئله مهمی است. برخی سیستم های خنک کننده مصرف آب بالایی دارند و ساخت آن ها در مناطق خشک می تواند با واکنش مردم روبه رو شود. برای همین، خنک سازی مایع در مدار بسته و فناوری هایی که آب کمتری مصرف می کنند، جدی تر از قبل دنبال می شوند.
در عمل، بهترین نقطه جایی نیست که فقط برق ارزان داشته باشد. اتصال فیبر نوری، ریسک بلایای طبیعی، قوانین محلی، مالیات، دسترسی به نیروی انسانی و امکان توسعه آینده هم مهم اند. دیتاسنترهای هوش مصنوعی پروژه هایی نیستند که امروز ساخته شوند و فردا بدون تغییر باقی بمانند؛ آن ها باید برای چند مرحله گسترش آماده باشند.
بهره وری حالا یک مزیت اقتصادی جدی است
اولین واکنش به رشد مصرف معمولاً ساخت نیروگاه بیشتر است، اما بخش مهمی از جواب در مصرف هوشمندانه تر قرار دارد. هر وات برقی که هدر نرود، به معنی ظرفیت بیشتر برای پردازش است. طراحی رک ها، مدیریت جریان هوا، انتخاب تجهیزات شبکه و نرم افزار زمان بندی بار همگی روی بهره وری اثر می گذارند.
خنک سازی مایع یکی از تغییرات مهم این حوزه است. تراشه های جدید گرمای زیادی در فضای کوچک تولید می کنند و روش های سنتی مبتنی بر هوای سرد همیشه جواب گو نیستند. انتقال مستقیم گرما از پردازنده به مایع می تواند عملکرد پایدارتر و مصرف پایین تری ایجاد کند، هرچند اجرای آن به طراحی دقیق و تجهیزات تخصصی نیاز دارد.
خود نرم افزار هم نقش پررنگی دارد. همه پردازش ها مجبور نیستند دقیقاً در ساعات اوج مصرف انجام شوند. بخشی از آموزش مدل را می توان به زمانی منتقل کرد که تقاضای شبکه پایین تر یا تولید تجدیدپذیر بیشتر است. حتی امکان جابه جایی برخی وظایف بین مراکز داده مختلف وجود دارد.
مدل های هوش مصنوعی نیز باید کارآمدتر شوند. بزرگ تر بودن همیشه به معنی بهتر بودن نیست. مدل های تخصصی کوچک تر، روش های فشرده سازی و استفاده بهینه از پردازنده می توانند خروجی مناسب را با مصرف پایین تر ارائه دهند. این موضوع هم هزینه را کم می کند و هم فشار روی تأمین برق را کاهش می دهد.
برنده این مسابقه فقط تراشه بیشتری نمی خرد
در موج بعدی هوش مصنوعی، دسترسی به پردازنده همچنان مهم است، اما دیگر کافی نیست. شرکتی جلو می افتد که بتواند زمین، برق، خنک سازی، شبکه و مجوزها را به صورت یک مجموعه هماهنگ مدیریت کند. یک حلقه ضعیف می تواند کل پروژه را متوقف کند.
قراردادهای زودهنگام با تولیدکنندگان برق و برنامه ریزی چندساله به یک مزیت رقابتی تبدیل شده اند. ظرفیت شبکه چیزی نیست که بتوان آن را در چند هفته سفارش داد. شرکت هایی که امروز برای پنج یا ده سال آینده برنامه ندارند، ممکن است فردا تراشه داشته باشند اما جایی برای روشن کردن آن پیدا نکنند.
این رقابت روی شهرها و مصرف کنندگان عادی هم اثر می گذارد. توسعه درست می تواند شغل، سرمایه گذاری و زیرساخت تازه ایجاد کند؛ توسعه بی برنامه اما ممکن است قیمت برق را بالا ببرد یا منابع محلی را تحت فشار قرار دهد. شفافیت درباره مصرف، هزینه ها و اثرات محیط زیستی برای جلوگیری از تنش ضروری است.
در نهایت، ماجرای دیتاسنترهای هوش مصنوعی فقط یک مسابقه فناوری نیست؛ مسابقه ای برای دسترسی به منابع واقعی و محدود است. آینده مدل های قدرتمند در اتاق های سرور شکل می گیرد، اما سوخت این آینده از نیروگاه ها، خطوط انتقال و سیستم های خنک کننده می آید. خلاصه اش ساده است: بدون برق پایدار، حتی باهوش ترین هوش مصنوعی هم کاری از دستش برنمی آید.
برای دریافت جدیدترین اخبار تکنولوژی با مجله هوش مصنوعی با ما همراه باشید
نظرات کاربران