อุปสรรคที่แท้จริงของ AI คือ พลังงาน การทำความเย็น และฟิสิกส์ของขนาด

ปัญญาประดิษฐ์ได้ก้าวหน้าไปอย่างมากในช่วงสิบปีที่ผ่านมา การพัฒนา GPU ที่เร็วขึ้น คลัสเตอร์ที่ใหญ่ขึ้น และสถาปัตยกรรมที่ปฏิวัติวงการได้ปลดปล่อยการผสมผสานที่เคยดูเหมือนเป็นไปไม่ได้ แต่ในขณะที่อุตสาหกรรมผลักดันไปสู่โมเดลที่มีพารามิเตอร์หนึ่งล้านล้านและโรงงาน AI ที่มีขนาดใหญ่ ข้อจำกัดถัดไปไม่เกี่ยวข้องกับอัลกอริทึม ข้อจำกัดที่แท้จริงในปัจจุบันคือสิ่งแวดล้อม: พลังงาน การทำความเย็น และโครงสร้างพื้นฐานที่จำเป็นในการรักษาการคำนวณในระดับโลก

คำถามไม่ใช่ว่าคุณสามารถผลิตชิปได้มากเพียงใด แต่ว่าคุณสามารถจัดหาวัตต์ น้ำ และสายส่งที่จำเป็นในการดำเนินการต่อได้หรือไม่ โครงสร้างพื้นฐาน ไม่ใช่ซิลิคอน คือสิ่งที่จะกำหนดความเร็วของ AI ในช่วงหลายปีที่จะมาถึง

วัตต์มากกว่าฟลอป

โครงการ “Stargate” ของ OpenAI ซึ่งกำลังสร้างร่วมกับ Oracle (ORCL ) และ SoftBank มีเป้าหมายที่จะสร้างความสามารถเกือบ 7 วัตต์ ทั่วทั้งแคมปัสในสหรัฐอเมริกา ซึ่งเทียบเท่ากับเครื่องปฏิภูมิแบบรุนแรงหลายเครื่อง ในขนาดนี้ ข้อจำกัดหลักไม่ใช่การผลิต GPU แต่เป็นการรักษาโรงไฟฟ้าและสถานีไฟฟ้าเพื่อให้พวกมันทำงานต่อ

ความต้องการของ Microsoft (MSFT ) ก็ไม่แพ้กัน ความต้องการ AI ของ Microsoft คาดว่าจะ ต้องการไฟฟ้าเท่ากับภูมิภาคนิวอิงแลนด์ทั้งหมด ภายในปี 2030 ซึ่งอธิบายได้ว่าทำไมบริษัทจึงลงทุนหลายสิบพันล้านดอลลาร์ในโครงการพลังงานทดแทนและกำลังพัฒนาเทคโนโลยีใหม่ๆ เช่น การหลอมรวมนิวเคลียร์และเครื่องปฏิภูมิแบบรุนแรงขั้นสูง

การเปลี่ยนแปลงเหล่านี้ส่งผลกระทบต่อนโยบายพลังงาน ใน PJM Interconnection ซึ่งเป็นองค์กรที่จัดการโครงสร้างพื้นฐานสำหรับมากกว่า 65 ล้านคนใน 13 รัฐและวอชิงตัน ดี.ซี. ผู้ให้บริการสาธารณูปโภคกำลังสำรวจ กลไกการลดความต้องการสำหรับศูนย์ข้อมูล ในช่วงเวลาที่มีความต้องการสูงสุด บริษัทเทคโนโลยีขนาดใหญ่กำลังล็อบบี้ต่อต้านการจำกัดดังกล่าว แต่การที่ผู้กำหนดนโยบายพิจารณาการจำกัดเหล่านี้แสดงให้เห็นว่า AI มีความสำคัญต่อการวางแผนโครงสร้างพื้นฐาน

ความท้าทายในการทำความเย็น

การให้ไฟฟ้าเป็นเพียงครึ่งหนึ่งของปัญหา เมื่อไฟฟ้าถึงตู้แล้ว ข้อจำกัดถัดไปคือความร้อน GPU แต่ละตัวที่มีคุณภาพสูงจะใช้พลังงานประมาณ 700 วัตต์ และเมื่อตู้มี GPU หลายร้อยตัว ความหนาแน่นจะสูงถึง 100 ถึง 600 กิโลวัตต์ต่อตู้ การทำความเย็นแบบแอร์ ซึ่งเป็นมาตรฐานอุตสาหกรรมมานานหลายทศวรรษ จะไม่ทำงานได้เมื่อความหนาแน่นเกิน 40 กิโลวัตต์ต่อตู้เนื่องจากความไม่มีประสิทธิภาพของการไหลเวียนของอากาศและการไหลเวียนของอากาศ

การทำความเย็นแบบของเหลวจึงเปลี่ยนจากสิ่งที่ไม่สำคัญไปเป็นหลักการ NVIDIA (NVDA ) ได้พัฒนา แพลตฟอร์ม Blackwell ที่ทำความเย็นแบบของเหลว สำหรับคลัสเตอร์ AI ที่มีขนาดใหญ่มาก และให้ประสิทธิภาพการใช้พลังงานที่ดีขึ้น 25 เท่าและประหยัดน้ำ 300 เท่าเมื่อเทียบกับตู้ที่ทำความเย็นแบบแอร์ บริษัทได้ร่วมมือกับ Vertiv ในการสร้าง สถาปัตยกรรมอ้างอิง ที่สามารถรองรับได้มากกว่า 130 กิโลวัตต์ต่อตู้ ทำให้สามารถใช้ GPU ที่มีความหนาแน่นสูงได้

บริษัทสตาร์ทอัพก็กำลังพัฒนาเทคโนโลยีใหม่ๆ เช่นกัน Corintis บริษัทจากสวิตเซอร์แลนด์ที่ฝังช่องทางขนาดเล็กลงในซับست्रेटของชิป ได้รับเงินทุน 24 ล้านดอลลาร์ และมีลูกค้าอย่าง Microsoft แล้ว ทีมวิจัยของ Microsoft ได้พัฒนา ช่องทางขนาดเล็กที่ฝังลงในแพ็คเกจชิป ซึ่งสามารถลดอุณหภูมิสูงสุดของ GPU ได้ถึง 65% และเพิ่มประสิทธิภาพการใช้พลังงาน 3 เท่าเมื่อเทียบกับแผ่นเย็นแบบดั้งเดิม เทคโนโลยีเหล่านี้ทำให้สามารถรักษา GPU ให้ทำงานได้อย่างเต็มที่โดยไม่ทำให้ศูนย์ข้อมูลเกิดอุณหภูมิที่สูงเกินไป

น้ำเป็นตัวแปรเชิงกลยุทธ์

การทำความเย็นแบบของเหลวทำให้เกิดตัวแปรใหม่: การบริโภคน้ำ ระบบการทำความเย็นที่ใช้การระเหยและน้ำเย็นสามารถต้องการปริมาณน้ำที่มากเมื่อขยายไปยังแคมปัสที่มีขนาดหลายร้อยเมกะวัตต์ ในฟีนิกซ์ คลัสเตอร์ของศูนย์ข้อมูลอาจต้องการ หลายร้อยล้านแกลลอนของน้ำต่อวัน ทำให้เกิดความกังวลในพื้นที่ที่มีน้ำฝนไม่มาก

สิ่งนี้ทำให้เกิดการพัฒนาระบบทำความเย็นที่ไม่ใช้น้ำและระบบปิดลม IEEE Spectrum ได้บันทึกยุทธวิธี เช่น การแช่ดีเล็กตริกที่ปิดผนึก การทำความเย็นแบบแห้ง และเครื่องทำความเย็นที่ไม่ใช้น้ำ ซึ่งสามารถลดการใช้น้ำดื่มได้ใกล้เคียงกับศูนย์ ในขณะเดียวกัน ผู้ดำเนินการบางรายก็กำลังทดลองใช้การนำความร้อนกลับมาใช้ใหม่ โครงการ เช่น Aquasar และ iDataCool ได้แสดงให้เห็นว่าวงจรทำความเย็นที่ร้อนสามารถให้พลังงานความร้อนแก่ระบบทำความเย็นแบบดูดซับหรือระบบทำความเย็นที่ใช้พลังงานจากน้ำได้

การแลกเปลี่ยนมักจะอยู่ระหว่างน้ำและไฟฟ้า: ระบบปิดหรือแห้งจะใช้พลังงานมากกว่า ในขณะที่การออกแบบที่ใช้การระเหยจะช่วยประหยัดพลังงาน แต่ใช้น้ำมาก ในพื้นที่ที่มีน้ำไม่มาก นโยบายมักจะให้ความสำคัญกับการอนุรักษ์น้ำ แม้ว่าจะต้องใช้พลังงานมากกว่าก็ตาม

โครงสร้างพื้นฐานและโครงข่าย

แม้ว่าจะมีวิธีแก้ปัญหาเรื่องพลังงานและทำความเย็นแล้ว ข้อจำกัดสุดท้ายคือโครงสร้างพื้นฐาน การตัดสินใจในการวางตำแหน่งจึงกลายเป็นตัวกำหนดผู้ชนะและผู้แพ้ในการแข่งขัน AI

โครงการ Fairwater ของ Microsoft ในวิสคอนซิน เป็นตัวอย่างของวิธีการวางตำแหน่งที่กลายเป็นเชิงกลยุทธ์มากขึ้น พื้นที่นี้มีขนาด 315 เอเคอร์ มี GPU หลายแสนตัว และถูกเลือกเนื่องจากสามารถเข้าถึงสถานีไฟฟ้า ระบบไฟเบอร์ และน้ำบาดาลได้ การออกแบบยังเน้นการใช้ระบบทำความเย็นที่ปิดลมเพื่อลดผลกระทบต่อน้ำ

เพื่อรองรับการเติบโตของงาน Microsoft ได้ทำข้อตกลงกับ Brookfield เพื่อเพิ่ม 10.5 กิกะวัตต์ของพลังงานทดแทน ภายในปี 2030 ในขณะเดียวกัน บริษัทก็ได้สนับสนุนโครงการทดลอง เช่น โรงงานการหลอมรวมนิวเคลียร์ที่กำลังก่อสร้างโดย Helion Energy ซึ่งกำหนดให้เริ่มให้บริการในปี 2028 และ ข้อตกลง 20 ปีในการเปิดโรงไฟฟ้านิวเคลียร์ Three Mile Island ในเพนซิลเวเนียอีกครั้ง

Amazon (AMZN ) และ Google (GOOGL ) ก็กำลังดำเนินการที่คล้ายกัน โดยจัดหาพื้นที่ใกล้กับโรงไฟฟ้านิวเคลียร์และพัฒนาผลงานพลังงานสะอาดของตนเอง ในไอร์แลนด์ ซึ่ง ศูนย์ข้อมูลใช้พลังงานมากกว่าครัวเรือนรวมกัน ผู้กำหนดนโยบายได้ระงับการอนุมัติใหม่จนถึงปี 2028 เป็นอย่างน้อย ซึ่งเน้นย้ำว่านโยบายและใบอนุญาตสามารถขัดขวางแม้แต่โครงการที่มีเงินทุนมากที่สุด

การดำเนินการที่ฉลาดกว่า: AI จัดการ AI

น่าสนใจที่ AI เองก็ถูกนำมาใช้ในการจัดการภาระโครงสร้างพื้นฐาน การเรียนรู้แบบเสริมกำลัง ได้ถูกนำไปใช้ในศูนย์ข้อมูลการผลิตเพื่อเพิ่มประสิทธิภาพระบบทำความเย็น โดยให้ผล การประหยัดพลังงาน 14 ถึง 21 เปอร์เซ็นต์ โดยไม่กระทบต่อความปลอดภัย การสร้างแบบจำลองดิจิทัลและแบบจำลองการคาดการณ์ยังถูกนำมาใช้เพื่อคาดการณ์จุดร้อน การทำความเย็นล่วงหน้า และการย้ายงานไปยังช่วงเวลาที่มีพลังงานทดแทนที่มากเกินไป

Google ได้แสดงให้เห็นว่า การเรียนรู้ของเครื่องสามารถลดความต้องการการทำความเย็นของศูนย์ข้อมูลได้ 40 เปอร์เซ็นต์ และผู้ดำเนินการอื่นๆ ก็กำลังนำระบบที่คล้ายกันมาใช้ เมื่อต้นทุนพลังงานและทำความเย็นเพิ่มขึ้น การประหยัดจากการดำเนินการที่ดีขึ้นนี้ก็กลายเป็นข้อได้เปรียบที่สำคัญในการแข่งขัน

มุมมองเชิงกลยุทธ์

ทิศทางเป็นที่ชัดเจน ความต้องการ AI คาดว่าจะเพิ่มการใช้ไฟฟ้าในศูนย์ข้อมูลทั่วโลกเป็นสองเท่าภายในปี 2030 โดยงาน AI เพียงอย่างเดียวคาดว่าจะมีส่วนแบ่งการบริโภคพลังงานทั่วโลกถึง 5% ภายในปี 2050 ในขณะที่ NVIDIA และผู้ผลิตชิปอื่นๆ ยังคงผลักดันประสิทธิภาพของซิลิคอนไปข้างหน้า ขอบเขตที่เป็นไปได้ของ AI จะถูกกำหนดโดยความเร็วที่ผู้ให้บริการสาธารณูปโภคสามารถสร้างโครงสร้างพื้นฐานใหม่ในการผลิต การส่งสัญญาณ และการทำความเย็น

สำหรับบริษัทที่สร้างผลิตภัณฑ์ AI สิ่งนี้หมายความว่าแผนการดำเนินงานจะถูกผูกกับสถานที่ที่มีความสามารถ สำหรับนักลงทุน การลงทุนที่มีค่าที่สุดอาจเป็นผู้ให้บริการสาธารณูปโภค ผู้พัฒนาโครงข่าย และบริษัททำความเย็นที่ไม่ใช่น้ำ มากกว่าผู้จัดหาชิป GPU เพียงอย่างเดียว และสำหรับผู้กำหนดนโยบาย การถกเถียงเกี่ยวกับ AI กำลังเปลี่ยนจากคำถามเกี่ยวกับจริยธรรมและการกำกับดูแลข้อมูลไปสู่คำถามเกี่ยวกับเมกะวัตต์ น้ำ และการปรับปรุงโครงข่าย

อนาคตของ AI จะไม่ได้ถูกกำหนดเพียงในห้องปฏิบัติการวิจัยและโรงงานผลิตชิปเท่านั้น แต่ยังถูกกำหนดที่สถานีไฟฟ้า วงจรทำความเย็น และโรงไฟฟ้า ฟิสิกส์ของขนาด — ไม่ใช่แค่คณิตศาสตร์ของอัลกอริทึม — คือสิ่งที่จะกำหนดความเร็วและขอบเขตของปัญญาประดิษฐ์ในทศวรรษหน้า