ความร่วมมือ

DG Matrix และ InfraPartners ร่วมพัฒนาโครงสร้างพื้นฐาน AI เพื่อแก้ข้อจำกัดการจ่ายไฟ

Antoine Tardif
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญDG Matrix และ InfraPartners ผสานโครงสร้างพื้นฐานแบบ Grid-to-Rack…
ดูเพิ่มเติม
  • DG Matrix และ InfraPartners ผสานโครงสร้างพื้นฐานแบบ Grid-to-Rack เพื่อลดระยะเวลาการปรับใช้ศูนย์ข้อมูล AI อย่างมีนัยสำคัญ
  • แพลตฟอร์ม Interport 360 ใช้หม้อแปลงโซลิดสเตตที่กำหนดโดยซอฟต์แวร์เพื่อจัดการพลังงานไฟฟ้ากระแสสลับและกระแสตรงสำหรับโรงงาน AI
  • อุปสรรคหลักของโครงสร้างพื้นฐาน AI เปลี่ยนจากการเข้าถึง GPU ไปสู่การส่งมอบพลังงานและความล่าช้าในการเชื่อมต่อโครงข่ายไฟฟ้า

เมื่อ ความต้องการโครงสร้างพื้นฐาน AI เติบโตเร็วขึ้นทั่วโลก ข้อจำกัดสำคัญที่สุดข้อหนึ่งของอุตสาหกรรมไม่ได้อยู่ที่การเข้าถึง GPU เพียงอย่างเดียวอีกต่อไป แต่อยู่ที่ความสามารถในการจัดหากำลังไฟฟ้าและโครงสร้างพื้นฐานทางกายภาพให้เพียงพอและรวดเร็วพอที่จะรองรับภาระงาน AI รุ่นถัดไป ท่ามกลางสถานการณ์นี้ DG Matrix และ InfraPartners ได้ประกาศความร่วมมือเพื่อสร้างแพลตฟอร์มแบบบูรณาการ ซึ่งมุ่งเร่งการติดตั้งศูนย์ข้อมูลที่พร้อมรองรับ AI และ «โรงงาน AI»[1] [2] [3]

ความร่วมมือนี้ผสานสถาปัตยกรรมการจ่ายไฟ Interport 360 ของ DG Matrix เข้ากับ RapidNode แพลตฟอร์มศูนย์ข้อมูล AI แบบผลิตชิ้นส่วนล่วงหน้าของ InfraPartners ทั้งสองบริษัทระบุว่ากำลังสร้างโมเดลโครงสร้างพื้นฐานแบบครบวงจร «จากโครงข่ายไฟฟ้าถึงตู้แร็ก» เพื่อย่นระยะเวลาการติดตั้งและเตรียมสถานที่ให้พร้อมสำหรับฮาร์ดแวร์ AI รุ่นต่าง ๆ ในอนาคต

การเติบโตของ AI เพิ่มแรงกดดันต่อโครงสร้างพื้นฐานไฟฟ้า

ความร่วมมือนี้เกิดขึ้นในช่วงที่ผู้ดำเนินการศูนย์ข้อมูลขนาดใหญ่มาก ผู้ให้บริการคลาวด์ และผู้ดำเนินการโครงสร้างพื้นฐาน AI เผชิญความล่าช้ามากขึ้นจากการเชื่อมต่อโครงข่ายไฟฟ้าและระยะเวลาก่อสร้างศูนย์ข้อมูลแบบดั้งเดิม ตาม สมุดปกขาวของทั้งสองบริษัท การรอเชื่อมต่อโครงข่ายในบางตลาดอาจยืดเยื้อนานหลายปี ส่วนการก่อสร้างศูนย์ข้อมูลแบบดั้งเดิมอาจต้องใช้เวลาอีกสองถึงสามปีหลังจากจัดหาไฟฟ้าได้แน่นอนแล้ว[1]

ความไม่สอดคล้องนี้สำคัญขึ้นเรื่อย ๆ เมื่อคลัสเตอร์ฝึก AI มีทั้งความหนาแน่นและการใช้กำลังไฟฟ้าเพิ่มขึ้น Jensen Huang ประธานเจ้าหน้าที่บริหารของ NVIDIA (NVDA ) เคยเตือนว่าศูนย์ข้อมูลในอนาคตจะมีข้อจำกัดพื้นฐานจากกำลังไฟฟ้าที่มีอยู่ และความพร้อมของโครงสร้างพื้นฐานจะส่งผลโดยตรงต่อการสร้างรายได้

ทั้งสองบริษัทเห็นว่าการแก้ปัญหานี้ต้องบูรณาการโครงสร้างพื้นฐานการประมวลผลกับระบบพลังงานให้ใกล้ชิดยิ่งขึ้น แทนที่จะมองเป็นชั้นที่แยกจากกัน

ผสานโรงงาน AI สำเร็จรูปกับการจ่ายไฟที่กำหนดด้วยซอฟต์แวร์

InfraPartners มุ่งธุรกิจไปที่ศูนย์ข้อมูล AI แบบผลิตชิ้นส่วนล่วงหน้าและอัปเกรดได้ ซึ่งออกแบบมาเฉพาะสำหรับภาระงานที่ใช้ GPU อย่างเข้มข้น ระบบ RapidNode ใช้แบบอ้างอิงมาตรฐาน โดยโครงสร้างพื้นฐานส่วนใหญ่ผลิตในโรงงานก่อนนำไปติดตั้ง สมุดปกขาวระบุว่าระบบประมาณ 80% ถูกผลิตและประกอบรวมกันนอกสถานที่ติดตั้ง ก่อนส่งไปถึงจุดหมาย

แนวคิดที่กว้างกว่าของโครงสร้างพื้นฐาน AI สำเร็จรูปคือการลดความล่าช้าที่ยาวนานและความแตกต่างในการดำเนินงานทางวิศวกรรมที่เกิดกับสถานที่แบบดั้งเดิมซึ่งก่อสร้างหน้างาน InfraPartners อธิบายว่าแนวทางนี้ช่วยให้สร้างศูนย์ข้อมูลที่ขยายและอัปเกรดได้ โดยคำนึงถึงสถาปัตยกรรม GPU ที่พัฒนาไปและความหนาแน่นของตู้แร็กที่สูงขึ้น

DG Matrix สนับสนุนด้านโครงสร้างพื้นฐานพลังงานผ่าน แพลตฟอร์ม Interport ซึ่งเป็นสถาปัตยกรรมหม้อแปลงแบบสารกึ่งตัวนำ ออกแบบให้จัดการไฟฟ้าขาเข้าและขาออกหลายทางพร้อมกัน บริษัทอธิบายว่า Interport เป็นโครงสร้างการจ่ายไฟที่กำหนดค่าได้ด้วยซอฟต์แวร์ สามารถรวมแหล่งไฟฟ้ากระแสสลับและกระแสตรง แบตเตอรี่ เครื่องกำเนิดไฟฟ้า พลังงานหมุนเวียน และภาระงาน AI ไว้ในระบบเดียว[1]

แพลตฟอร์มยังคำนึงถึงสถาปัตยกรรมไฟฟ้ากระแสตรง 800 โวลต์ที่กำลังเกิดขึ้น ซึ่งหลายคนในอุตสาหกรรมคาดว่าศูนย์ข้อมูล AI ในอนาคตจะนำมาใช้ สมุดปกขาวระบุว่า Interport 360 ออกแบบมาสำหรับการจ่ายไฟทั้งกระแสสลับและกระแสตรง ทำให้ผู้ดำเนินการเปลี่ยนไปใช้สถาปัตยกรรมการจ่ายไฟใหม่ได้โดยไม่ต้องเปลี่ยนระบบเดิมทั้งหมด

จากศูนย์ข้อมูลแบบดั้งเดิมสู่ «โรงงาน AI»

แนวคิดที่ปรากฏซ้ำในประกาศความร่วมมือคือ โครงสร้างพื้นฐาน AI กำลังพัฒนาจากโมเดลศูนย์ข้อมูลแบบดั้งเดิมไปสู่ «โรงงาน AI» ที่มีความเฉพาะทางสูง

ต่างจากศูนย์ข้อมูลองค์กรแบบดั้งเดิม โรงงาน AI ต้องรับมือกับ GPU ที่เปลี่ยนรุ่นอย่างรวดเร็ว ภาระความร้อนที่สูงขึ้น ตู้แร็กที่หนาแน่นขึ้น และความต้องการกำลังไฟฟ้าที่ผันผวนจากงานฝึก AI สมุดปกขาวชู «การจัดการภาระ AI แบบพัลส์» เป็นความสามารถหลักข้อหนึ่งของแพลตฟอร์ม โดยหมายถึงความต้องการพลังงานที่สูงและแปรผันอย่างมากจากระบบฝึก AI ขนาดใหญ่

ทั้งสองบริษัทอ้างว่าสถาปัตยกรรมแบบบูรณาการของตนออกแบบมาเพื่อดูดซับและทำให้ความผันผวนของกำลังไฟฟ้ามีเสถียรภาพ พร้อมทั้งมีส่วนร่วมกับโครงข่ายไฟฟ้าอย่างยืดหยุ่นขึ้น ซึ่งรวมถึงการรองรับระบบพลังงานฝั่งผู้ใช้หลังมิเตอร์ ฟังก์ชันปรับสมดุลโครงข่าย และซอฟต์แวร์เพิ่มประสิทธิภาพพลังงานที่มุ่งจัดการการใช้ทั้งทรัพยากรประมวลผลและกำลังไฟฟ้าแบบเรียลไทม์

DG Matrix วางตำแหน่งธุรกิจให้สอดคล้องกับการเปลี่ยนผ่านโครงสร้างพื้นฐานในวงกว้างนี้มากขึ้น บริษัทเพิ่งระดมทุนรอบ Series A ได้ 60 ล้านดอลลาร์ เพื่อขยายการนำเทคโนโลยีหม้อแปลงแบบสารกึ่งตัวนำไปใช้ในตลาดโครงสร้างพื้นฐาน AI และการเปลี่ยนมาใช้ไฟฟ้า

การกำหนดมาตรฐานกลายเป็นลำดับความสำคัญเชิงกลยุทธ์

จุดที่น่าสังเกตข้อหนึ่งของความร่วมมือนี้คือการเน้นมาตรฐานและโมเดลการติดตั้งที่ทำซ้ำได้ ทั้งสองบริษัทระบุว่าแพลตฟอร์มกำหนดค่าได้ด้วยซอฟต์แวร์ เพื่อรองรับภูมิภาค ระดับแรงดัน ความถี่ และข้อกำหนดโครงข่ายที่ต่างกัน โดยไม่ต้องออกแบบใหม่ทั้งหมดในการติดตั้งแต่ละครั้ง

แนวทางนี้สะท้อนการเปลี่ยนแปลงที่กว้างขึ้นในอุตสาหกรรมโครงสร้างพื้นฐาน AI เมื่อความต้องการเติบโตเร็วขึ้น ผู้ดำเนินการจึงมองหาวิธีทำให้การติดตั้งเป็นกระบวนการแบบอุตสาหกรรมมากขึ้น แทนการพึ่งพาโครงการที่ปรับแต่งเฉพาะอย่างมากสำหรับแต่ละสถานที่

สมุดปกขาวยังเห็นว่าความสามารถในการอัปเกรดจำเป็นขึ้น เมื่อวงจรการเปลี่ยนฮาร์ดแวร์ AI สั้นลง สถานที่ซึ่งเดิมออกแบบไว้สำหรับความหนาแน่นของตู้แร็กที่ต่ำกว่ามาก ปัจจุบันถูกคาดหวังให้รองรับกำลังไฟฟ้าสูงขึ้นอย่างมาก ทำให้ผู้ดำเนินการต้องประเมินใหม่ว่าโครงสร้างพื้นฐานจะยังใช้งานได้อีกนานเพียงใดโดยไม่ปรับปรุงครั้งใหญ่

InfraPartners เน้นย้ำแนวคิดนี้ต่อสาธารณะหลายครั้ง โดยระบุว่าโครงสร้างพื้นฐาน AI ต้องพัฒนาอย่างต่อเนื่องตามการเปลี่ยนแปลงของชิปสารกึ่งตัวนำ การทำความเย็น และข้อกำหนดการจ่ายไฟ

อนาคตโครงสร้างพื้นฐาน AI อาจขึ้นอยู่กับความยืดหยุ่นของการจ่ายไฟ

ความร่วมมือระหว่าง DG Matrix และ InfraPartners สะท้อนความเป็นจริงที่ชัดเจนขึ้นในอุตสาหกรรม AI: การขยายขนาด AI กำลังกลายเป็นความท้าทายด้านพลังงานและโครงสร้างพื้นฐานมากขึ้นเรื่อย ๆ ไม่ใช่เพียงปัญหาด้านกำลังประมวลผล[1]

เมื่อโมเดล AI มีขนาดใหญ่ขึ้นและการใช้งานขยายไปทั่วโลก ความได้เปรียบในการแข่งขันในอนาคตอาจขึ้นอยู่กับว่าผู้ดำเนินการจัดหาไฟฟ้า ติดตั้งโครงสร้างพื้นฐาน และปรับสถานที่ให้เข้ากับข้อกำหนดฮาร์ดแวร์ที่เปลี่ยนแปลงรวดเร็วได้ไวเพียงใด

ทั้งสองบริษัทเชื่อว่าระบบแบบบูรณาการที่รวมโรงงาน AI แบบโมดูลาร์ สถาปัตยกรรมการจ่ายไฟที่กำหนดด้วยซอฟต์แวร์ และการจัดการพลังงานที่ยืดหยุ่น อาจเป็นองค์ประกอบพื้นฐานของกลยุทธ์การนำ AI รุ่นถัดไปมาใช้ ยังต้องรอดูว่าโมเดลนี้จะกลายเป็นกระแสหลักหรือไม่ แต่แรงกดดันต่อบริษัทสาธารณูปโภค โครงข่ายไฟฟ้า และระยะเวลาก่อสร้างแบบดั้งเดิม กำลังผลักดันให้อุตสาหกรรมทบทวนตั้งแต่ต้นว่าควรสร้างโครงสร้างพื้นฐาน AI อย่างไร

อองตวนเป็นผู้นำที่มีวิสัยทัศน์และหุ้นส่วนผู้ก่อตั้ง Unite.AI โดยมีความมุ่งมั่นอย่างไม่เปลี่ยนแปลงในการกำหนดทิศทางและส่งเสริมอนาคตของ AI และหุ่นยนต์ ในฐานะผู้ประกอบการที่ก่อตั้งธุรกิจมาแล้วหลายแห่ง เขาเชื่อว่า AI จะสร้างการเปลี่ยนแปลงครั้งใหญ่ต่อสังคมเช่นเดียวกับไฟฟ้า และมักกล่าวถึงศักยภาพของเทคโนโลยีที่พลิกโฉมโลกและ AGI อย่างกระตือรือร้น

ในฐานะ นักอนาคตศาสตร์ เขาทุ่มเทให้กับการสำรวจว่านวัตกรรมเหล่านี้จะกำหนดรูปแบบโลกของเราอย่างไร นอกจากนี้ เขายังเป็นผู้ก่อตั้ง Securities.io ซึ่งเป็นแพลตฟอร์มที่มุ่งเน้นการลงทุนในเทคโนโลยีล้ำสมัยที่กำลังนิยามอนาคตใหม่และเปลี่ยนโฉมอุตสาหกรรมทั้งภาคส่วน