لماذا يتطلب المرحلة القادمة من بنية تحتية الذكاء الاصطناعي أكثر من مراكز بيانات الهيبرسكيل

يدخل الذكاء الاصطناعي مرحلة حيث تصبح استراتيجية البنية التحتية غير قابلة للفصل عن قدرة النموذج. لسنوات عديدة ، قامت مراكز البيانات الهيبرسكيل بتشغيل صعود التدريب على نطاق كبير ، مما ermögن النماذج المتقدمة من النمو من ملايين إلى تريليونات المعاملات. لكن مع تسارع اعتماد الذكاء الاصطناعي عبر الشركات والصناعات والأنظمة في الوقت الفعلي ، يستبدل الاستدلال التدريب كحمل العمل السائد ، والاستدلال له متطلبات مختلفة بشكل أساسي.

لا يمكن دعم المرحلة القادمة من الذكاء الاصطناعي بواسطة مراكز البيانات الهيبرسكيل فقط. بدلاً من ذلك ، ي出现 نموذج هجين حيث يتم補充 الحرم الجامعية المركزية للتدريب بواسطة مراكز بيانات تجارية موزعة ومحاذاة الطاقة لمساحة الاستدلال. يتم تشغيل هذا التحول بواسطة قيود التأخير ، واحتياجات السيادة البيانات ، وواقع الطاقة ، والحدود المادية لمواصلة التوسع الهيبرسكيل.

انحراف التدريب والاستدلال

يبقى التدريب نشاطاً مركزيًا. إنه يطالب بمجموعات ضخمة ، وخطوط أنابيب بيانات سريعة ، ووظائف طويلة المدى التي تستفيد من اقتصاديات الحجم. يتم تحسين الحرم الجامعية الهيبرسكيل لهذا الغرض مع حساب كثيف ، وشبكات متخصصة ، وتوافر عالمي. لكن الاستدلال يتصرف بشكل مختلف. إنه قصير المدى ، وعالٍ الحجم ، وحساس للتأخير ، وغالبًا ما يرتبط بالجغرافيا أو حدود المؤسسة. تشير التحليلات من العمل الأخير لأكامي على الأنظمة الوكيلية إلى أن معظم المنظمات تستهدف الآن تأخير نهاية إلى نهاية أقل من 500 مللي ثانية للحالات الحاسمة لاستخدام الذكاء الاصطناعي ، وتتجاوز سلاسل العمل المتعددة الوكلاء عادةً ذلك العتبة بسبب نقل الشبكة وتنفيذ جانب المعالج.

التأخير ليس مقياسًا مجردًا. في الروبوتات والأنظمة المستقلة ، غالبًا ما تعمل حلقات التحكم عند 100 إلى 1,000 هرتز كل 1 إلى 10 مللي ثانية. يجب على أي ذكاء خارجي احترام تلك القيود الزمنية. يؤدي التأخير المستدير البالغ 50 مللي ثانية إلى مركز بيانات بعيد إلى كسر نظام التحكم بالكامل. في التداول المالي واكتشاف الاحتيال ، تحدد الألفية النتائج الاقتصادية. في التأتمت الصناعي ، يمكن أن يؤدي الاستدلال المتأخر إلى تعطيل العمليات أو تعريض السلامة للخطر. وفي التجارب التفاعلية مثل الألعاب و AR / VR ومرافقي الوقت الفعلي ، ينخفض الاستجابية بشكل حاد فوق 100 إلى 150 مللي ثانية.

تعتمد أنظمة الذكاء الاصطناعي الحديثة بشكل متزايد على سلاسل عمل متعددة الوكلاء تتكون من سلسلة من عشرات المكالمات المتتالية. تظهر تحليلات أكامي أن تنفيذ جانب المعالج يمكن أن يrepresent الغالبية العظمى من إجمالي التأخير ، ويضيف كل رحلة شبكة تأخيرًا إضافيًا. قد تتحمل سلاسل العمل التي تتضمن 50 مكالمة متتالية ثوان من تأخير النقل عند توجيهها إلى منطقة هيبرسكيل بعيدة. ضع نفس السلسلة في مركز بيانات محلي يقع في نفس الحرم الجامعي أو منطقة العاصمة ويتغير الفيزياء. يمكن أن يوفر الاستدلال المحلي تأخير رحلة ذهاب وعودة يبلغ 1 إلى 5 مللي ثانية. يمكن أن تكتمل سلسلة عمل تبلغ 50 خطوة في ثوان في منطقة بعيدة في 50 إلى 250 مللي ثانية محليًا ، مع الحفاظ على ميزانيات التأخير للمؤسسة.

سيادة البيانات وواقع الشبكة يدفعان نحو التوزيع المحلي

التأخير هو جزء واحد فقط من القصة. بالنسبة للقطاعات المنظمة مثل الرعاية الصحية والمالية والقطاع العام ، غالبًا ما تكون سيادة البيانات هي المحرك الرئيسي للاستدلال المحلي. تشغيل حمولة الذكاء الاصطناعي خلف جدار الحماية للمؤسسة يحافظ على حدود الأمان الحالية ، ويقلل من التعرض متعدد المستأجرين ، ويبسط الامتثال ، ويحتفظ بالبيانات الحساسة خارج البنية التحتية للسحابة المشتركة. تقدم مزودي الهيبرسكيل أمانًا قويًا ، لكن سطح الهجوم و سلسلة الثقة أوسع بشكل固有的. تفضل المؤسسات بشكل متزايد هياكل استدلال تتوافق مع موقف الأمان الحالي.

إضافة إلى القلق بشأن التأخير والأمان ، يصبح توافر الطاقة قيودًا مهمة بنفس القدر. غالبًا ما تواجه مراكز البيانات الهيبرسكيل الكبيرة تأخيرات متعددة السنوات بسبب قيود النقل وطوابير الاتصال. يمكن أن تكون التوزيعات التجارية الصغيرة ، خاصة تلك الموجودة بالقرب من الأحمال الحالية أو التوليد الموزع ، ممكنة بسهولة أكبر. هذا يهم لأن الطلب على الذكاء الاصطناعي يتصادم مع مفارقة غريبة.

في الوقت نفسه الذي يصارع فيه المشغلون للحصول على اتصالات شبكة جديدة ، يتم تقييد كميات هائلة من الطاقة المتجددة. على الصعيد العالمي ، يتجاوز تقييد الطاقة المتجددة 200 تيرا واط ساعة في السنة. في الولايات المتحدة ، يُقدر التقييد عند حوالي 20 تيرا واط ساعة سنويًا. قام ERCOT بتقييد أكثر من 9 تيرا واط ساعة من توليد الرياح والطاقة الشمسية في عام حديث. في غضون ذلك ، قام CAISO بتقييد 3.4 تيرا واط ساعة من الطاقة الشمسية والرياح في عام 2024 ، مع حساب الطاقة الشمسية بنسبة 93٪ من جميع الإخراج المقطوع. تظهر استطلاعات أنظمة الطاقة باستمرار أن كل من الطاقة الشمسية والرياح يواجهن تقييدًا كبيرًا عندما يتجاوز الإنتاج سعة الشبكة. يحدث تقييد الطاقة الشمسية بشكل شائع في المناطق ذات القمم القوية في منتصف النهار ، بينما يحدث تقييد الرياح غالبًا خلال ساعات منخفضة أو في ممرات مقيدة. يمكن لمراكز البيانات الموزعة الموجودة بالقرب من التوليد ، خاصة المناطق الغنية بالطاقة الشمسية ، تحويل الطاقة المهجورة إلى قدرة استدلال مفيدة.

ستبقى مراكز البيانات الهيبرسكيل أساسية للتدريب ، لكنها تواجه قيودًا فيزيائية واقتصادية متزايدة. يتطلب الاتصال بشبكة النقل عملية طويلة ، يتطلب ذلك محطات فرعية جديدة ، وتحديثات نقل ، وتراخيص متعددة الوكالات ، ومراجعة المجتمع. هذه هي عمليات تتم بشكل روتيني خلال سنوات. تتطلب مراكز البيانات الهيبرسكيل مساحات أرضية كبيرة ، وتخصيصًا مائيًا كبيرًا ، وموافقة بيئية معقدة. تزداد مقاومة المجتمعات لتطوير مراكز بيانات جديدة بسبب الضوضاء ، واستخدام المياه ، وتأثير الأراضي. ويتركز المخاطر في الحرم الجامعية المركزية بحيث يمكن أن تؤثر الأحداث الجوية ، وإنقطاع الشبكة ، أو الاضطرابات الجيوسياسية على أجزاء كبيرة من القدرة الحاسوبية العالمية. توفر البنية التحتية الموزعة التكرار الجغرافي والاستجابة التشغيلية.

المستقبل هو بنية تحتية متعددة المستويات للذكاء الاصطناعي

عندما يتعلق الأمر بضمان تشغيل حاسوب الاستدلال بسلاسة ، قد يصبح الكفاءة مهمًا بنفس القدر مثل السعة الخام. يستهلك الاستدلال الطاقة باستمرار ، و يشير محللون في الصناعة إلى أن الاستدلال قد يمثل في النهاية الغالبية العظمى من استهلاك الطاقة المرتبط بالذكاء الاصطناعي. ستكون المكاسب في الكفاءة من التكامل المحلي للطاقة المتجددة ، وخفض خسائر النقل ، وتنفيذ صحيح الحجم ، وتحسين الملفات الحرارية ، وزيادة معدلات الاستخدام ، ضرورية لتحقيق الطلب العالمي على الذكاء الاصطناعي بشكل مستدام. مراكز البيانات التجارية الموزعة على النحو المثالي لتوفير هذه المكاسب لأنها يمكن أن تتموضع حيث تكون الطاقة وفيرة ، ورخيصة ، أو غير مستخدمة.

ستكون المرحلة القادمة من بنية تحتية الذكاء الاصطناعي مزيجًا هجينًا من الحرم الجامعية الهيبرسكيل التي تهيمن على التدريب ، ومراكز البيانات التجارية الموزعة التي تخدم الاستدلال ، والأجهزة الحرفية التي تخدم الحملات المحلية بشكل شديد. تعكس هذه البنية التحتية متعددة المستويات الحقائق الفيزيائية للطاقة والتأخير والأمان وال规模. مع اندماج الذكاء الاصطناعي في الأنظمة في الوقت الفعلي عبر جميع الصناعات ، يجب أن تتطور البنية التحتية وفقًا لذلك لجلب الاستدلال أقرب إلى العالم الذي يخدمه.