Το Επόμενο Στενό Μπουκάλι στην Ενέργεια της Τεχνητής Νοημοσύνης Θα Βρεθεί Μέσα στις Πόλεις

Τα τελευταία λίγα χρόνια, και συνεχίζοντας, η αγορά υποδομών AI έχει δαπανήσει πολύ χρόνο και χρήματα (σχεδόν $7 trillion επένδυση σε κέντρα δεδομένων μέχρι το 2030, σύμφωνα με την εκτίμηση της McKinsey) μαθαίνοντας πώς να κατασκευάζει μεγάλα κέντρα δεδομένων όπου υπάρχει διαθέσιμη ενέργεια. Η λέξη-κλειδί είναι «όπου», επειδή η τοποθεσία δεν ήταν πολύ σημαντική. Ένα σύμπλεγμα εκπαίδευσης χρειάζεται απλώς πρόσβαση σε επαρκή ενέργεια. Ωστόσο, η τοποθεσία αρχίζει να γίνεται όλο και πιο σχετική σήμερα, καθώς η χρήση της AI επεκτείνεται πέρα από διεπαφές συνομιλίας σε μηχανές, συστήματα φωνής, βίντεο και εφαρμογές που αλληλεπιδρούν με τον φυσικό κόσμο. Τέτοιες λειτουργίες απαιτούν υπολογιστική ισχύ να είναι πιο κοντά στα αστικά κέντρα όπου συμβαίνουν αυτές οι αλληλεπιδράσεις για να μειωθεί η καθυστέρηση. Ενώ εργαλεία όπως τα chatbots μπορούν να αντέξουν καθυστέρηση μισού δευτερολέπτου, εφαρμογές αυτοματοποιημένων υπηρεσιών όπως ρομπότ παράδοσης υπό απομακρυσμένη επίβλεψη, ζωντανοί βοηθοί φωνής ή αυτοματοποιημένα συστήματα εκπλήρωσης παραγγελιών μπορεί να χρειαστεί να αντιδράσουν μέσα σε χιλιοστά του δευτερολέπτου.

Αυτή είναι η νέα πρόκληση για τις εταιρείες AI. Πώς να βρεθούν μικρότερα τμήματα αξιόπιστης ενέργειας μέσα και γύρω από μεγάλες μητροπολιτικές περιοχές; Και ακόμη και αφού έχουν εντοπιστεί οι τοποθεσίες, πώς να αντιμετωπιστεί η αντίδραση που αντιμετωπίζουν ακόμη και τα απομακρυσμένα κέντρα δεδομένων;

Η Ζήτηση για AI στα Αστικά Κέντρα Αυξάνεται

Υπάρχει μια αυξανόμενη ζήτηση μέσα στην αστική σφαίρα για AI που υπερβαίνει τη προσωπική χρήση των chatbots ή οποιαδήποτε υπερπροσανατολισμένη εστίαση στα ρομπότ. Ένα συγγράφημα εργασίας του ΔΝΤ εκτιμά ότι η κατανάλωση ηλεκτρικής ενέργειας από κέντρα δεδομένων και AI είχε ήδη φτάσει τα 400–500 TWh παγκοσμίως το 2023, και η κατανάλωση που προκαλείται από AI θα μπορούσε ενδεχομένως να φτάσει τα 1.500 TWh μέχρι το 2030. Η αυτοματοποίηση που απαιτείται για να γίνουν οι απλές λειτουργίες πιο αποδοτικές — είτε στην επεξεργασία εγγράφων είτε στην αρχειοθέτηση βίντεο — απαιτεί πολλή ενέργεια σε μεγάλη κλίμακα.

Οι πόλεις βρίσκονται στην πρώτη γραμμή αυτού, όπως φαίνεται σε μια ανασκόπηση του ΟΟΣΑ για 250 πόλεις σε 78 χώρες. Διαπίστωσε ότι 56% χρησιμοποιούσαν ήδη ενεργά AI, ενώ άλλο 35% δοκιμάζουν ή σχεδιάζουν υλοποιήσεις. Για να εικονογραφήσουμε μια απλή περίπτωση χρήσης, ας εξετάσουμε τις κάμερες παρακολούθησης στην πόλη. Το IHS Markit εκτίμησε πριν από μερικά χρόνια ότι ο αριθμός των καμερών παρακολούθησης παγκοσμίως θα ξεπεράσει το ένα δισεκατομμύριο. Ενώ κυρίως χρησιμοποιούνται για καταγραφή, τώρα χρησιμοποιούνται και για άλλες, πιο υπολογιστικά απαιτητικές εργασίες, π.χ. παρακολούθηση αντικειμένων μέσω δικτύου ή αναζήτηση μεγάλων αρχείων βίντεο με φυσική γλώσσα. Τέτοιες διαδικασίες δεν μπορούν να πραγματοποιηθούν σε κάθε κάμερα με την τρέχουσα επεξεργασία AI που διαθέτουμε. Θα έπρεπε να αποστέλλονται εκτός της πόλης σε ένα απομακρυσμένο κέντρο δεδομένων για επεξεργασία; Αυτό είναι μη πρακτικό λόγω των κανονισμών δεδομένων και του κόστους μεταφοράς τέτοιων μεγάλων όγκων κίνησης.

Μια πρόσφατη έρευνα Gallup δείχνει ότι περίπου 30% των εργαζομένων του ιδιωτικού και δημόσιου τομέα χρησιμοποιούν AI στον ρόλο τους και τα νούμερα αυξάνονται. Αυτοί οι τομείς — είτε είναι τράπεζες, νοσοκομεία ή οργανισμοί δημόσιου τομέα — αντιμετωπίζουν τα ίδια προβλήματα. Θέλουν υποδομή AI εντός της δικής τους δικαιοδοσίας και φυσικά αρκετά κοντά για να ελέγχονται. Τα διαδραστικά φωνητικά συστήματα και οι εφαρμογές βίντεο τους υποβαθμίζονται καθώς αυξάνεται η καθυστέρηση του δικτύου. Ακόμη και αν το πρόβλημα μπορεί αρχικά να παρακαμφθεί διατηρώντας έναν ανθρώπινο χειριστή για την πρώτη γενιά αυτόνομων συστημάτων, αυτή η επίβλεψη από μόνη της δεν είναι πολύ ανεκτική ως προς την καθυστέρηση. Για παράδειγμα, τα ρομπότ παράδοσης και τα οικιακά ρομπότ που επιβλέπονται μέσω βίντεο απαιτούν έναν πλήρη βρόχο επικοινωνίας που πρέπει να παραμένει κάτω από περίπου 80 χιλιοστά του δευτερολέπτου όπως μετρήθηκε σε μελέτη απομακρυσμένης ρομποτικής τηλεχειρισμού. Τα αυτόνομα αυτοκίνητα, αντίστροφα, αποτελούν εξαίρεση: η οδήγηση παραμένει εντός του οχήματος για λόγους ασφαλείας, και οι απομακρυσμένοι χειριστές της Waymo εργάζονται με καθυστέρηση ενός τέταρτου του δευτερολέπτου, μερικοί από διαφορετικό ήπειρο. Αυτό που κληρονομεί η πόλη από τα αυτόνομα στόλα είναι τα δεδομένα τους, όχι το τιμόνι.

Η αγορά κέντρων δεδομένων υποεκτιμά αυτήν την αύξηση της ζήτησης. Η Παγκόσμια Τράπεζα δημοσίευσε ένα άρθρο δείχνει πώς οι δήμοι σε χώρες όπως η Αργεντινή, η Ινδία και η Αιθιοπία, μεταξύ άλλων, έχουν υιοθετήσει AI σε τομείς όπως η δικαιοσύνη, η καταπολέμηση της διαφθοράς, τα τελωνεία, η δημόσια διοίκηση και η βελτίωση των υπηρεσιών. Αυτό δεν είναι τοπικό φαινόμενο. Είναι μια παγκόσμια μεταμόρφωση. Στην Teravolt, η εκτίμησή μας είναι ότι μια μητροπολιτική περιοχή με 10 έως 15 εκατομμύρια κατοίκους θα μπορούσε να υποστηρίξει περίπου 6 έως 13 MW συνεχούς φόρτου AI ευαίσθητου στη καθυστέρηση μέχρι το 2030, πριν τα γενικού σκοπού ρομπότ αναπτυχθούν μαζικά. Μπορεί να φαίνεται μικρός αριθμός κατά τα πρότυπα υπερκλίμακας, αλλά η εύρεσή του στη σωστή θέση είναι πολύ πιο δύσκολη από ό,τι φαίνεται. Μέχρι το 2036, η ίδια μητροπολιτική περιοχή θα αυξηθεί σε 22 έως 50 MW φόρτου ευαίσθητου στη καθυστέρηση — και σε 60 έως 100 MW εάν η αυτοκινητοβιομηχανία αρχίσει να παράγει ρομπότ σε αυτοκινητοβιομηχανική κλίμακα. Η οικονομική ζήτηση είναι αδιάλλακτη με τον καλύτερο τρόπο: μερικές εκατοντάδες δολάρια ετησίως κόστους διακομιστή για μια μηχανή που αντικαθιστά $30,000 έως $60,000 εργασίας είναι ζήτηση που δεν διαπραγματεύεται την τιμή.

Προσθήκη Τέταρτου Επιπέδου στην Υπολογιστική

Αυτή τη στιγμή, η υπολογιστική ισχύς για AI υπάρχει σε τρία επίπεδα. Το ανώτερο επίπεδο αποτελείται από γιγαεργοστάσια που χρησιμοποιούνται για την εκπαίδευση μοντέλων. Η τοποθεσία τους έχει σημασία για τους προγραμματιστές μόνο στο βαθμό που εξασφαλίζει μεγάλες ποσότητες ενέργειας σε αποδεκτή τιμή. Στη συνέχεια έρχονται οι περιφερειακές εγκαταστάσεις AI, συνήθως περίπου 20 έως 200 MW, όπου συμβαίνει η επαναλαμβανόμενη ζήτηση επαγωγών σε κύριες λειτουργίες cloud και επιχειρήσεων. Τέλος, έχουμε την υπολογιστική ισχύ ενσωματωμένη απευθείας στη συσκευή ή στο ρομπότ.

Φαίνεται ότι υπάρχει ένα κενό μεταξύ των δύο τελευταίων επιπέδων που ορίζω ως το αστικό επίπεδο — το κενό που είναι υπεύθυνο για τα προβλήματα καθυστέρησης. Αυτά θα πρέπει να τοποθετούνται μέσα ή πολύ κοντά σε μεγάλες πόλεις. Θα πρέπει να έχουν ισχύ μονάδων με μονάδες ψηφίων ή χαμηλά διψήφια megawatt, ενώ βρίσκονται σε αστικές περιοχές και είναι συνδεδεμένα με υψηλής ποιότητας ίνες. Το σημείο εκκίνησης θα μπορούσε να είναι περίπου 2 MW εάν ο χώρος έχει εγγυημένη ενέργεια. Για να δείξουμε την πρακτικότητά του, σκεφτείτε ένα ρομπότ παράδοσης. Διαχειρίζεται διαφορετικά αιτήματα και δεν όλα μπορούν να επεξεργαστούν στη συσκευή. Ενώ εκπαιδεύεται στη γιγα-εργοστάσιο, πιο προχωρημένη βοήθεια σε πραγματικό χρόνο θα χρειαστεί να επεξεργαστεί από μια κοντινή αστική εγκατάσταση αντί να αποστέλλεται σε περιφερειακό κέντρο κάθε φορά.

Το Ζήτημα της Διπλής Κατεύθυνσης της Κυκλοφορίας

Τα αστικά κέντρα δεδομένων δεν θα είναι απλώς ενδιάμεσοι κόμβοι λήψης δεδομένων από κέντρα εκπαίδευσης, αλλά θα παράγουν επίσης μεγάλες ποσότητες δεδομένων που θα αποστέλλονται ξανά στην αλυσίδα.

Κάθε αυτόνομη μηχανή και σύστημα πλούσιο σε αισθητήρες θα συγκεντρώνει πληροφορίες που θα πρέπει να υποβληθούν σε επεξεργασία και να σταλούν πίσω για ενσωμάτωση στην εκπαίδευση. Στόλοι ρομπότ που επιστρέφουν στα σημεία φόρτισης μετά από μια βάρδια θα στέλνουν τεράστιες χρήσιμες πληροφορίες σχετικά με ακραίες περιπτώσεις και καθημερινές λειτουργίες, τις οποίες τα κέντρα δεδομένων χρειάζονται για τη βελτίωση των λειτουργιών. Φανταστείτε όλη αυτή την κίνηση να αποστέλλεται ταυτόχρονα στην ίδια κατεύθυνση. Θα δημιουργήσει ένα σημείο συμφόρησης. Εδώ έρχεται χρήσιμη η λειτουργία του αστικού κέντρου δεδομένων, καθώς μπορεί να επεξεργαστεί μέρος του φορτίου πριν αυτό υπερφορτώσει το περιφερειακό υπολογιστικό σύστημα. Μπορεί να εντοπίσει και να απορρίψει εσφαλμένα δεδομένα, ενώ συμπιέζει και προωθεί τα χρήσιμα τμήματα.

Βασικά, το αστικό κέντρο δεδομένων παρέχει ένα επιπλέον επίπεδο φιλτραρίσματος στα δύο προηγούμενα επίπεδα, καθιστώντας τη ροή των δεδομένων ακόμη πιο οργανωμένη.

Το Μέλλον Θα Είναι Ένας Διακομιστής Σε Κάθε Μπλοκ;

Αν και παρουσιάζω τους αστικούς διακομιστές ως λύση, είναι επίσης απλώς πολύ ακριβό να λυθούν τα προβλήματα καθυστέρησης με ανεξέλεγκτη εξάπλωση. Ανεξάρτητα από το μέγεθος, ένα κέντρο δεδομένων απαιτεί ακόμη σύνδεση στο δίκτυο, μετασχηματιστές, ψύξη, ασφάλεια, δικτύωση και προσωπικό. Αυτές οι δαπάνες δεν μειώνονται αναλογικά με το φορτίο IT. Για να το θέσουμε σε προοπτική, μια εγκατάσταση 0.5 MW εξακολουθεί να φέρει πολλές από τις ίδιες σταθερές δαπάνες όπως ένας πολύ μεγαλύτερος χώρος.

Στα έργα μας, έχουμε παρατηρήσει ότι ένα αυτόνομο αστικό κέντρο δεδομένων γίνεται οικονομικά βιώσιμο γύρω στα 5 έως 8 MW. Ακόμη και αν υποθέσουμε ότι αρκετές τοποθεσίες θα μπορούσαν να μοιραστούν ένα κέντρο λειτουργιών δικτύου, το όριο πέφτει μόνο στα 1.5 έως 3 MW. Συνεπώς, το τελικό αποτέλεσμα παραμένει το ίδιο. Διαχωρίζοντας 20 MW σε είκοσι τοποθεσίες αντί για δύο ή τρία δεν εξοικονομούν σχεδόν καθόλου καθυστέρηση μέσα σε μια μητροπολιτική περιοχή — ο αστικός δακτύλιος οπτικών ινών είναι μόνο λίγα χιλιοστά του δευτερολέπτου — ενώ πολλαπλασιάζουν το κεφαλαιο και το λειτουργικό κόστος.

Γι’ αυτό πιστεύω ότι η βιομηχανία πρέπει να μειώσει το μέγεθος και να δημιουργήσει ό,τι αποκαλώ «substations for intelligence». Προς το παρόν, οι προγραμματιστές μαθαίνουν πώς να κατασκευάζουν περιφερειακές εγκαταστάσεις στο εύρος 20 έως 100 MW. Ο μελλοντικός στόχος είναι να εφαρμόσουν αυτό σε ακόμη μικρότερες, αστικές τοποθεσίες ώστε να φτάσουν στο επίπεδο των 2 MW, κατάλληλο για μεγάλες πόλεις.

Το Πολιτικό Εμπόδιο

Πέρα από την οικονομική βιωσιμότητα, η πολιτική πρόκληση παραμένει. Τα κέντρα δεδομένων έχουν γίνει όλο και περισσότερο καταδικάζονται στα μέσα ενημέρωσης για την αρνητική τους επίδραση στο περιβάλλον. Σύμφωνα με μια έρευνα του Pew, περισσότερο από το ήμισυ των Αμερικανών θεωρούν ότι τα κέντρα δεδομένων είναι επιβλαβή για το περιβάλλον και έχουν αρνητικές απόψεις γι’ αυτό. Το επιχείρημα της δημιουργίας θέσεων εργασίας φαίνεται ασήμαντο σε σύγκριση με την ποσότητα νερού, γης και ηλεκτρικής ενέργειας που καταναλώνεται· καθώς και τον θόρυβο και τις εκπομπές που παράγονται. Η λήψη εγκρίσεων ακόμη και για μικρότερες αστικές εγκαταστάσεις θα αποδειχθεί δύσκολη.

Βλέπουμε ήδη παραδείγματα συγκρούσεων μεταξύ προγραμματιστών κέντρων δεδομένων και δημοτικών αρχών. Στις ΗΠΑ, η χρήση αεριοτουρμπίνων από την xAI για την επιτάχυνση της ανάπτυξης του Memphis οδήγησε σε διαφωνίες αδειοδότησης, αντίθεση της κοινότητας και δικαστικές διαμάχες. Η Ευρώπη έχει προχωρήσει περισσότερο: το Άμστερνταμ επέβαλε μορατόριο σε εγκαταστάσεις άνω των 70 MW, το Δουβλίνο τώρα επιτρέπει νέα κέντρα δεδομένων μόνο εάν φέρνουν τη δική τους παραγωγή ή αποθήκευση, και ο κύριος υποσταθμός του διαδρόμου της Δυτικής Λονδίνου δεν θα ενισχυθεί πριν τις αρχές της δεκαετίας του 2030. Ακόμη και εκτός τέτοιων υψηλού προφίλ περιπτώσεων, καθώς πρόκειται για νέο πεδίο αντιπαράθεσης, πολλές δημοτικές αρχές δεν διαθέτουν σαφή διαδικασία έγκρισης για την προσθήκη επιπλέον 10 MW υποδομής AI εντός της αστικής περιοχής. Όπως σημειώνεται σε μια αναφορά του National League of Cities, μία από τις πιο συχνές προκλήσεις για τις πόλεις είναι ότι οι παλαιότεροι τοπικοί ζωνοποιητικοί κώδικες δεν αντιμετωπίζουν ρητά τα κέντρα δεδομένων, οδηγώντας σε αξιολόγηση κατά περίπτωση. Τέτοιες νομικές αβεβαιότητες μπορούν να καθυστερήσουν ακόμη και τεχνικά εφικτά έργα.

Οι Αποφάσεις Υποδομής Σήμερα Διαμορφώνουν τη Δυνατότητά μας για το Μέλλον

Όλα αυτά σημαίνουν ότι πρέπει να προγραμματίσουμε και να χτίσουμε προληπτικά την υποδομή που απαιτείται για τις μελλοντικές προόδους στην τεχνητή νοημοσύνη. Επειδή ενώ τα μοντέλα εξελίσσονται γρήγορα, η ενέργεια που απαιτείται για τη λειτουργία τους εξαρτάται από έναν τύπο υποδομής που χρειάζεται χρόνο για να κατασκευαστεί. Οι συνδέσεις του δικτύου μπορούν να διαρκέσουν χρόνια, και σε ορισμένες μεγάλες αγορές κέντρων δεδομένων οι ουρές τώρα επεκτείνεται σε επτά έως δέκα χρόνια. Έτσι, εάν οι πόλεις αυξήσουν την υπολογιστική ισχύ AI μέχρι το 2030, η ηλεκτρική υποδομή πρέπει να εγκατασταθεί τώρα. Στην Teravolt, το λειτουργικό μας μοντέλο εκτιμά τη παγκόσμια αστική ζήτηση AI στα 9 έως 18 GW μέχρι το 2036. Αυτό σημαίνει περίπου 1.000 έως 1.500 σημαντικές αστικές και μεταπολιτικές τοποθεσίες παγκοσμίως, ανάλογα με το μέσο μέγεθος εγκατάστασης, και συνολικά θα μπορούσε να αντιπροσωπεύει μια αγορά αξίας περίπου $500 billion to $1 trillion.

Εάν δεν πραγματοποιηθεί ο απαραίτητος προγραμματισμός, θα μείνουμε κολλημένοι με προχωρημένη υπολογιστική ισχύ AI που δεν μπορούμε να αξιοποιήσουμε. Η εποχή των κινητών απαιτούσε την υποδομή πύργων για ραδιοφωνική κάλυψη ώστε να ακολουθεί τους ανθρώπους· διαφορετικά, το κινητό τηλέφωνο θα ήταν περιττό. Παρομοίως, πρέπει να αναγνωρίσουμε τη διαφορά μεταξύ της εξέλιξης της AI και της εγκατάστασης της ηλεκτρικής υποδομής. Ενώ η εποχή των κινητών μέτρησε την κάλυψη σε σήματα, η εποχή της AI θα τη μετρά σε χιλιοστά του δευτερολέπτου και βατ ανά κάτοικο — και δεν θα χρειαστεί εκατομμύρια πύργοι, αλλά περίπου χίλιες εγκαταστάσεις μεγέθους υποσταθμού. Η οπτική ίνα, τα χιλιοστά του δευτερολέπτου και τα μεγαβάτ είναι το νόμισμα σε αυτόν τον τομέα και όσοι αναγνωρίζουν αυτή τη σπανιότητα εκ των προτέρων είναι καλύτερα εξοπλισμένοι να διαμορφώσουν το μέλλον.