التمويل:
شركة Niv-AI تجمع 12 مليون دولار لمعالجة مشكلة اختناق الطاقة الخفي في البنية التحتية للذكاء الاصطناعي
تدخل شركة ناشئة جديدة إلى مجال البنية التحتية للذكاء الاصطناعي المزدحم بشكل متزايد مع التركيز على قيد نادرًا ما يتصدر عناوين الأخبار ولكنه سرعان ما أصبح أحد أكثر التحديات إلحاحًا في الصناعة: الطاقة.
نيف-الذكاء الاصطناعي خرجت الشركة من مرحلة التأسيس السري بتمويل قدره 12 مليون دولار من جليلوت كابيتال, جروف فينتشرز, Arc VC, رمز الفيديو, قفزة إلى الأمام, and Aurora. The Tel Aviv–based company is positioning itself at the intersection of energy systems and high-performance computing, targeting what it describes as an “instantaneous power capacity” crisis inside modern data centers.
المشكلة: تزايد شهية الذكاء الاصطناعي للسلطة
مع تزايد أحمال عمل الذكاء الاصطناعي، ولا سيما مع اعتماد وحدات معالجة الرسومات ذات الكثافة العالية للطاقة، تواجه مراكز البيانات قيودًا مادية لا يمكن حلها بتحسين البرمجيات وحده. فبينما تستمر القدرة الحاسوبية في النمو، تتخلف القدرة على توفير طاقة مستقرة على مستوى أجزاء من الثانية.
لم تُصمَّم أنظمة المراقبة التقليدية للتعامل مع أنماط استهلاك الطاقة السريعة والمتقلبة لأحمال العمل الحديثة للذكاء الاصطناعي. ولتجنب تلف المعدات أو عدم استقرار الشبكة، غالبًا ما يُبالغ المشغلون في التعويض عن طريق الحد من الاستخدام. والنتيجة هي نقص كبير في استغلال البنية التحتية الحالية، حيث تصل نسبة الطاقة المتعاقد عليها التي تبقى غير مُستغلة فعليًا إلى 30%.
يؤثر هذا القصور على الجوانب المالية. إذ يدفع مشغلو مراكز البيانات مقابل سعة لا يمكنهم استخدامها بالكامل، بينما تواجه شركات الذكاء الاصطناعي قيوداً تبطئ عملية النشر وتزيد التكاليف.
طبقة جديدة بين الطاقة والحوسبة
يقدم نهج شركة Niv-AI طبقة تحكم جديدة تتوسط بين توصيل الطاقة وأحمال العمل الحسابية. ويكمن جوهر منصتها فيما تسميه الشركة "البصمة الكهربائية" - وهي رؤية عالية الدقة لكيفية استهلاك أحمال عمل الذكاء الاصطناعي للطاقة في الوقت الفعلي.
باستخدام أجهزة استشعار متخصصة، يلتقط النظام إشارات طاقة دقيقة لا تستطيع العدادات التقليدية رصدها. ثم تُعالج هذه الإشارات بواسطة نماذج ذكاء اصطناعي مصممة للتنبؤ بالتقلبات قصيرة المدى في الطلب. وبدلاً من الاستجابة بعد حدوث ارتفاع مفاجئ في الطلب، تقوم المنصة بتعديل توقيت أحمال العمل بشكل استباقي، حيث تُوزّع عمليات الحوسبة بشكل تدريجي لتحقيق استقرار في استهلاك الطاقة.
من الناحية العملية، يعمل هذا كنظام لإدارة حركة مرور الكهرباء داخل مركز البيانات، مما يسمح للمشغلين بدفع البنية التحتية إلى حدودها الحقيقية دون التسبب في عدم الاستقرار.
تجاوز إصلاحات الأجهزة
تعتمد معظم المحاولات الحالية لمعالجة قيود الطاقة على حلول مادية مثل البطاريات والمكثفات أو التحكم التدريجي في أحمال العمل. ورغم فعاليتها إلى حد ما، فإن هذه الأساليب تزيد التكلفة والتعقيد أو تقلل الأداء.
تراهن شركة Niv-AI على أن طبقة التنسيق البرمجية قادرة على تحقيق مكاسب مماثلة أو أكبر دون الحاجة إلى أجهزة إضافية. وتهدف الشركة، من خلال تحسين الرؤية والتحكم على مستوى دقيق، إلى تمكين المشغلين من استخلاص قيمة أكبر من البنية التحتية الحالية.
يعكس هذا التحول اتجاهات أوسع في تحسين مراكز البيانات، حيث يتم استخدام الأساليب المحددة بالبرمجيات بشكل متزايد لإدارة القيود المادية.
الآثار الأوسع نطاقاً على البنية التحتية للذكاء الاصطناعي
إذا أثبتت هذه الفئة من التكنولوجيا فعاليتها، فقد تُعيد تشكيل كيفية تصميم مراكز البيانات وتشغيلها خلال العقد القادم. فبدلاً من التعامل مع حدود الطاقة كقيود ثابتة، قد يبدأ المشغلون في النظر إليها كمتغيرات ديناميكية يمكن إدارتها بفعالية في الوقت الفعلي.
لهذا الأمر تداعيات تتجاوز مجرد الكفاءة. فقد يؤدي إلى تأخير أو تقليل الحاجة إلى ترقيات مكلفة لشبكة الكهرباء وإنشاء مرافق جديدة، لا سيما في المناطق التي تُعدّ فيها الطاقة شحيحة بالفعل. كما قد يؤثر على كيفية جدولة أحمال عمل الذكاء الاصطناعي وتسعيرها وتحديد أولوياتها، مما يُدخل بُعدًا جديدًا للتحسين يمزج بين تنسيق الحوسبة وإدارة الطاقة.
على مستوى الأنظمة، يشير تقارب التحكم في الطاقة والحوسبة إلى مستقبل تتزايد فيه كفاءة تنسيق البنية التحتية عبر طبقات كانت معزولة تاريخيًا. ومع استمرار نمو الذكاء الاصطناعي، قد تصبح القدرة على مواءمة هذه الطبقات بنفس أهمية التطورات في هندسة النماذج أو تصميم الرقائق.
