إنتربرايز دي بي تقدم “الذكاء لكل وات” لتقليل استهلاك الطاقة في الذكاء الاصطناعي

إنتربرايز دي بي أعلنت عن مجموعة جديدة من معايير الأداء والتحسينات المعمارية داخل منصة إيدب بوستجرس إيه آي، مما أدى إلى تقديم ما يسمى ب معيار “الذكاء لكل وات” للذكاء الاصطناعي في الشركات. تم تصميم هذا المفهوم لمواجهة تحدي متزايد: كيفية توسيع نطاق أنظمة الذكاء الاصطناعي دون زيادة متناسبة في استهلاك الطاقة وتكاليف البنية التحتية.

تشير نتائج الشركة الأخيرة إلى أن المكاسب الكبيرة في الكفاءة يمكن تحقيقها ليس على مستوى النموذج أو وحدة معالجة الرسومات، ولكن داخل طبقة البيانات التي تؤسس كل互одействة بالذكاء الاصطناعي. من خلال تحسين كيفية استرجاع البيانات وفهارسها ومعالجتها، تدعي إنتربرايز دي بي أنها يمكن أن تقلل من استخدام الرموز، وتقلل من متطلبات البنية التحتية، وتخفض انبعاثات الغازات الدفيئة المرتبطة بعمليات الذكاء الاصطناعي.

المكاسب في الأداء تركز على طبقة البيانات

تأتي هذه الإعلان مدعومة بمجموعة من الاختبارات التي تبرز التحسينات في السرعة والكفاءة. تقارير إنتربرايز دي بي أن منصتها يمكن أن تعزز فهرسة المتجهات باستخدام ذاكرة أقل بكثير من النهج التقليدية، وتقلل من استهلاك الرموز دون التأثير السلبي على جودة الإخراج.

بمعنى praktisk، هذا يعني أن أنظمة الذكاء الاصطناعي يمكنها إكمال نفس المهام بدرجات حسابية أقل. منذ أن يتم ربط توليد الرموز واسترجاع البيانات مباشرة بالاستخدام الحاسوبي، فإن هذه الانخفاضات تترجم إلى انخفاض استهلاك الطاقة لكل互одействة.

كما تشير الشركة إلى تحسينات أوسع عبر حمولات التحليلات، حيث يمكن إكمال العمليات على البيانات الحية بسرعة كبيرة. هذه المكاسب لا تقتصر على حالات استخدام معزولة، ولكنها تنطبق عبر بيئات الشركات حيث تعمل أنظمة الذكاء الاصطناعي والتحليلات والنظم التعاملية بشكل متزامن.

تقليل البنية التحتية وتأثير الانبعاثات

عبر التحسينات على مستوى الحملات، تؤكد إنتربرايز دي بي على تقليل البنية التحتية. في مجموعة من تطبيقات الشركات، تقارير الشركة أن منصتها تمكنت من تقليل عدد كبير من النواة الحاسوبية المطلوبة لتشغيل التطبيقات، مما أدى إلى تقليل استهلاك الطاقة والانبعاثات المرتبطة بها.

في مثال ي涉ل بيئات الخدمات المالية على نطاق واسع، أدى تقليل البنية التحتية إلى انخفاض كبير في الإنتاج الكربوني. يبرز حجم هذه التوفيرات كيف يمكن أن يكون للتحسينات في كفاءة طبقة البيانات تأثيرات على مستوى النظام، خاصة في المنظمات التي تعمل بمножد مراكز البيانات.

يؤسس هذا التركيز المزدوج على تحسين البنية التحتية وعمليات الحملات أسس إطار “الذكاء لكل وات”. الفكرة ليست فقط جعل الذكاء الاصطناعي أسرع، ولكن جعلها أساسًا أكثر كفاءة مع توسعها.

التحدي المتزايد لاستهلاك الطاقة في مراكز البيانات والذكاء الاصطناعي

تزداد أهمية هذه التحسينات عند النظر إلى مسار نمو مراكز البيانات بشكل أوسع. يزيد الذكاء الاصطناعي بسرعة من الطلب على الموارد الحاسوبية، وبالتالي استهلاك الكهرباء.

توقعت الوكالة الدولية للطاقة أن يصل الطلب على الكهرباء من مراكز البيانات إلى حوالي 945 تيراوات ساعة بحلول عام 2030، أي أكثر من ضعف المستويات الحالية. من المتوقع أن تكون حمولات الذكاء الاصطناعي هي المحرك الرئيسي لهذه الزيادة.

لهذه الزيادة تأثيرات بيئية مباشرة. تعتبر مراكز البيانات بالفعل مساهماً значительным في استهلاك الكهرباء العالمي، وتوسعها يضع ضغطًا إضافيًا على بنية الطاقة وأهداف الانبعاثات. بدون تحسينات في الكفاءة، قد تمتد تكلفة توسيع نطاق الذكاء الاصطناعي إلى ما وراء الاعتبارات المالية.

ما هي إنتربرايز دي بي ولماذا هذا الأمر مهم

ترتبط إنتربرايز دي بي منذ فترة طويلة بالحلول من الدرجة الأولى لمنصة بوستجرس إس كيو إل، ولكن تطورها إلى مزود منصة بيانات وذكاء اصطناعي يعكس تغييرات أوسع في السوق. مع دمج المنظمات للذكاء الاصطناعي في العمليات الأساسية، تختفي الحدود بين قواعد البيانات وأنظمة الذكاء الاصطناعي.

تم تصميم إيدب بوستجرس إيه آي للعمل في ذلك التماس، حيث يجمع بين المعالجة التعاملية والتحليلات وعمليات الذكاء الاصطناعي داخل نظام موحد. هذا النهج يقلل من الحاجة إلى منصات متخصصة متعددة، والتي غالبًا ما تتطلب تكرار البيانات ونقلها بين البيئات.

من خلال توحيد هذه الوظائف، تضع إنتربرايز دي بي نفسها كطبقة أساسية للبنية التحتية للذكاء الاصطناعي. يتوافق تركيزها على الكفاءة مع الاعتراف المتزايد بأن توسيع نطاق الذكاء الاصطناعي ليس فقط عن زيادة القدرة، ولكن عن القيام بذلك بشكل مستدام.

كيف يقارن هذا بالجهود الأخرى في الصناعة

عبر الصناعة، تركز معظم الجهود لتحسين كفاءة الذكاء الاصطناعي على تحسين الأجهزة ونمذجة الذكاء الاصطناعي. تواصل الشركات المصنعة لتطوير معالجات أكثر كفاءة، بينما تعمل شركات الذكاء الاصطناعي على تقليل حجم النماذج ومتطلبات الحوسبة.

كما تستثمر مزودي الخدمات السحابية بشكل كبير في كفاءة مراكز البيانات، بما في ذلك ابتكارات التبريد وتكامل الطاقة المتجددة. في الوقت نفسه، تتطور منصات البيانات لدعم حمولات الذكاء الاصطناعي بشكل أكثر مباشرة، غالبًا عن طريق دمج khả năng البحث بالمتجه و القدرات التعلم الآلي في أنظمتها.

ما يميز نهج إنتربرايز دي بي هو التركيز على طبقة البيانات كالمحرك الرئيسي للكفاءة. بدلاً من المنافسة مع وحدات معالجة الرسومات أو هياكل النماذج، يستهدف العمليات التي تحدث قبل وبعد الاستدلال، حيث يمكن أن تتراكم عدم الكفاءات بشكل كبير مع التوسع.

لا ي置 هذا المنظور محل تحسينات الأجهزة أو النماذج، بل يكملهما. مع أصبحت أنظمة الذكاء الاصطناعي أكثر تعقيدًا وذكاءً، قد يلعب كفاءة البنية التحتية للبيانات دورًا متزايدًا في تحديد الأداء الإجمالي والتكلفة.

تحول نحو قياس كفاءة الذكاء الاصطناعي

يعكس تقديم “الذكاء لكل وات” تحولًا أوسع في كيفية تقييم الشركات لأنظمة الذكاء الاصطناعي. لم يعد الأداء وحده كافياً. بدأت المنظمات في النظر إلى مقدار الطاقة المطلوبة لتحقيق هذا الأداء وما إذا كان يمكن تقليلها دون التضحية بالجودة.

تُشير إعلان إنتربرايز دي بي إلى أن المرحلة القادمة من تبني الذكاء الاصطناعي سيتأثر ليس فقط بما يمكن أن تفعله الأنظمة، ولكن بكيفية كفاءتها في القيام بذلك. مع توسع وكلاء الذكاء الاصطناعي إلى مليارات وتشغيلهم بشكل مستمر، يمكن أن يكون التحسينات الصغيرة في الكفاءة لها تأثير تراكمي كبير.

في هذا السياق، يصبح تحسين طبقة البيانات ليس فقط مشكلة ثانوية، بل يصبح جزءًا مركزيًا من المحادثة حول مستقبل الذكاء الاصطناعي في الشركات.