คอขวดพลังงาน AI ถัดไปจะอยู่ภายในเมือง

ในช่วงไม่กี่ปีที่ผ่านมาและยังคงต่อเนื่อง ตลาดโครงสร้างพื้นฐาน AI ได้ใช้เวลาและเงินจำนวนมาก (ใกล้เคียงกับ 7 ล้านล้านดอลลาร์ของการลงทุนศูนย์ข้อมูลภายในปี 2030 ตามการประมาณของ McKinsey) เพื่อเรียนรู้วิธีการสร้างศูนย์ข้อมูลขนาดใหญ่ทุกที่ที่มีไฟฟ้า “ทุกที่” เป็นคำสำคัญเพราะตำแหน่งเดิมไม่ได้สำคัญมาก กลุ่มฝึกอบรมเพียงต้องการเข้าถึงไฟฟ้าเพียงพอ แต่ตำแหน่งกำลังกลายเป็นปัจจัยที่สำคัญมากขึ้นในปัจจุบัน เนื่องจากการใช้ AI ขยายออกไปนอกเหนือจากอินเทอร์เฟซแชทไปสู่เครื่องจักร ระบบเสียง วิดีโอ และแอปพลิเคชันที่โต้ตอบกับโลกทางกายภาพ การดำเนินการเหล่านี้ต้องการพลังการคำนวณที่ ใกล้กับศูนย์กลางเมืองที่การโต้ตอบเหล่านั้นเกิดขึ้น เพื่อรักษาความหน่วงเวลาให้ต่ำ แม้เครื่องมือเช่นแชทบอทจะทนต่อความล่าช้าครึ่งวินาทีได้ แต่แอปพลิเคชันบริการอัตโนมัติเช่นหุ่นยนต์ส่งของที่ควบคุมจากระยะไกล ผู้ช่วยเสียงแบบเรียลไทม์ หรือระบบจัดส่งอัตโนมัติอาจต้องตอบสนองภายในมิลลิวินาที

นี่คือความท้าทายใหม่ที่บล็อกสำหรับบริษัท AI—การค้นหาแหล่งพลังงานที่เชื่อถือได้ขนาดเล็กในและรอบพื้นที่เมืองใหญ่? และแม้หลังจากที่ได้สำรวจตำแหน่งแล้ว จะจัดการกับการต่อต้านที่ศูนย์ข้อมูลระยะไกลกำลังเผชิญอย่างไร?

ความต้องการ AI ในศูนย์กลางเมืองกำลังเพิ่มขึ้น

มีความต้องการ AI ที่เพิ่มขึ้นในพื้นที่เมือง ซึ่งเกินการใช้ส่วนบุคคลของแชทบอทหรือการหลงใหลอย่างมากกับหุ่นยนต์ IMF working paper ประมาณว่าการใช้ไฟฟ้าจากศูนย์ข้อมูลและ AI ได้ถึง 400–500 TWh ทั่วโลกในปี 2023 แล้ว และการใช้พลังงานที่ขับเคลื่อนด้วย AI อาจเพิ่มขึ้นถึง 1,500 TWh ภายในปี 2030 การอัตโนมัติที่จำเป็นสำหรับทำให้การดำเนินงานง่าย ๆ มีประสิทธิภาพมากขึ้น — ไม่ว่าจะเป็นการประมวลผลเอกสารหรือการจัดเก็บวิดีโอ — ต้องการพลังงานจำนวนมากในระดับใหญ่.

เมืองต่าง ๆ อยู่ในแนวหน้า ตามการทบทวนของ OECD ที่ครอบคลุม 250 เมืองใน 78 ประเทศ พบว่า 56% มีการใช้ AI อย่างแข็งขันแล้ว, อีก 35% อยู่ในขั้นตอนทดลองหรือกำลังวางแผนการใช้งาน เพื่ออธิบายกรณีการใช้งานง่าย ๆ ให้พิจารณากล้องวงจรปิดในเมือง IHS Markit estimated หลายปีที่แล้วว่าจำนวนกล้องวงจรปิดทั่วโลกจะเกินหนึ่งพันล้าน แม้ว่าพวกมันส่วนใหญ่ใช้เพื่อบันทึกภาพ แต่ตอนนี้ก็ถูกนำไปใช้ในงานที่ต้องการการประมวลผลที่ซับซ้อนมากขึ้น เช่น การติดตามวัตถุผ่านเครือข่าย หรือการค้นหาวิดีโอขนาดใหญ่ด้วยภาษาธรรมชาติ กระบวนการเหล่านี้ไม่สามารถทำได้ในทุกกล้องด้วยเทคโนโลยี AI ปัจจุบัน หากต้องส่งข้อมูลออกจากเมืองไปยังศูนย์ข้อมูลไกล ๆ จะไม่เป็นไปได้เนื่องจากกฎระเบียบด้านข้อมูลและค่าใช้จ่ายในการย้ายปริมาณข้อมูลขนาดใหญ่

การสำรวจของ Gallup ล่าสุดแสดงว่าประมาณ 30% ของพนักงานภาคเอกชนและภาครัฐใช้ AI ในบทบาทของตนและจำนวนนี้กำลังเพิ่มขึ้น ภาคส่วนเหล่านี้ — ไม่ว่าจะเป็นธนาคาร โรงพยาบาล หรือองค์กรภาครัฐ — เผชิญกับปัญหาเดียวกัน พวกเขาต้องการ โครงสร้างพื้นฐาน AI ภายในเขตอำนาจของตนเอง และอยู่ใกล้พอที่จะควบคุม ระบบเสียงโต้ตอบและแอปพลิเคชันวิดีโอของพวกเขาเสื่อมสภาพเมื่อความหน่วงของเครือข่ายเพิ่มขึ้น แม้ว่าปัญหานี้อาจหลีกเลี่ยงได้โดยการรักษาผู้ปฏิบัติงานมนุษย์สำหรับระบบอัตโนมัติรุ่นแรก การควบคุมนี้เองก็ไม่ค่อยยืดหยุ่นต่อความหน่วง ตัวอย่างเช่น หุ่นยนต์ส่งของและหุ่นยนต์ในบ้านที่ควบคุมผ่านการเชื่อมต่อวิดีโอต้องการวงจรการสื่อสารเต็มรูปแบบที่ต้องคงอยู่ต่ำกว่า ประมาณ 80 มิลลิวินาที ตามการศึกษาการควบคุมหุ่นยนต์จากระยะไกล อย่างไรก็ตาม รถยนต์อัตโนมัติเป็นข้อยกเว้น: การขับขี่ทำบนบอร์ดเพื่อความปลอดภัย และผู้ควบคุมระยะไกลของ Waymo ทำงานที่ความหน่วงหนึ่งในสี่วินาที แม้บางคนจะอยู่บนทวีปอื่น สิ่งที่เมืองได้รับจากฝูงยานยนต์อัตโนมัติคือข้อมูล ไม่ใช่พวงมาลัย

ตลาดศูนย์ข้อมูลกำลังประเมินความต้องการเพิ่มขึ้นนี้ต่ำเกินไป ธนาคารโลกได้ตีพิมพ์เอกสาร แสดงให้เห็นว่าจังหวัดในประเทศเช่นอาร์เจนตินา อินเดีย และเอธิโอเปีย รวมถึงประเทศอื่น ๆ ได้นำ AI มาใช้ในด้านยุติธรรม การต่อต้านทุจริต กรมศุลกากร การบริหารงานสาธารณะ และการปรับปรุงบริการ นี่ไม่ใช่เหตุการณ์เฉพาะที่เกิดขึ้นในพื้นที่เดียว มันเป็นการเปลี่ยนแปลงทั่วโลก ที่ Teravolt เราประมาณว่าพื้นที่เมืองใหญ่ที่มีประชากร 10–15 ล้านคนสามารถรองรับโหลด AI ที่ต้องการความหน่วงต่ำต่อเนื่องได้ประมาณ 6–13 เมกะวัตต์ภายในปี 2030 ก่อนที่หุ่นยนต์ทั่วไปจะถูกใช้งานอย่างแพร่หลาย อย่างไรก็ตาม นับว่าเป็นจำนวนที่ไม่ใหญ่เมื่อเทียบกับมาตรฐาน hyperscale แต่การค้นหาตำแหน่งที่เหมาะสมนั้นยากกว่าที่คิดมากกว่า 2036 พื้นที่เมืองเดียวกันจะเปลี่ยนเป็น 22–50 เมกะวัตต์ของโหลดที่ต้องการความหน่วงต่ำ และถึง 60–100 เมกะวัตต์หากอุตสาหกรรมรถยนต์เริ่มผลิตหุ่นยนต์ในระดับอุตสาหกรรม เศรษฐศาสตร์ของความต้องการนั้นรุนแรงในทางที่ดีที่สุด: ค่าใช้จ่ายเซิร์ฟเวอร์เพียงไม่กี่ร้อยดอลลาร์ต่อปีบนเครื่องที่แทนที่แรงงาน 30,000–60,000 ดอลลาร์ เป็นความต้องการที่ไม่ต่อรองเรื่องราคา

การเพิ่มระดับที่สี่ให้กับการคำนวณ

ในปัจจุบัน พลังการคำนวณสำหรับ AI มีอยู่ในสามระดับ ชั้นบนสุดประกอบด้วยโรงงานขนาดกิกะที่ใช้ฝึกโมเดล ตำแหน่งของมันสำคัญต่อผู้พัฒนาเพียงเท่าที่จะรับประกันไฟฟ้าจำนวนมากในราคาที่ยอมรับได้ จากนั้นคือศูนย์ AI ระดับภูมิภาค ที่มักมีขนาด 20‑200 MW ซึ่งเป็นที่เกิด ความต้องการการสรุปผลแบบต่อเนื่องในคลาวด์หลักและการดำเนินงานขององค์กร สุดท้ายคือพลังการคำนวณที่ฝังอยู่โดยตรงในอุปกรณ์หรือหุ่นยนต์

ดูเหมือนว่าจะมีช่องว่างระหว่างสองชั้นสุดท้ายที่ฉันเรียกว่า ชั้นเมือง — ช่องว่างที่เป็นสาเหตุของปัญหาความหน่วงเวลา สิ่งเหล่านี้จำเป็นต้องตั้งอยู่ภายในหรือใกล้กับเมืองใหญ่เป็นอย่างมาก ต้องมีขนาดวัดเป็นระดับเมกะวัตต์หลักหน่วยเดียวหรือสองหลักที่ต่ำ ในขณะที่ตั้งอยู่ในเขตเมืองและเชื่อมต่อกับไฟเบอร์คุณภาพสูง จุดเริ่มต้นอาจอยู่ที่ประมาณ 2 MW หากไซต์มีการรับประกันพลังงาน เพื่อแสดงให้เห็นถึงความเป็นประโยชน์ของแนวคิดนี้ ลองพิจารณาหุ่นยนต์ส่งของ มันจัดการกับคำขอที่หลากหลายและไม่ใช่ทุกอย่างสามารถประมวลผลได้บนอุปกรณ์ที่มีอยู่ แม้จะได้รับการฝึกฝนที่ gigafactory แต่การช่วยเหลือขั้นสูงแบบเรียลไทม์จะต้องถูกประมวลผลโดยศูนย์ข้อมูลเมืองใกล้เคียง แทนที่จะส่งไปยังศูนย์ข้อมูลระดับภูมิภาคทุกครั้ง

ปัญหาการจราจรสองทาง

ศูนย์ข้อมูลเมืองจะไม่เป็นเพียงจุดรับข้อมูลจากศูนย์ฝึกอบรมเท่านั้น แต่ยังจะผลิตข้อมูลจำนวนมากเพื่อส่งกลับขึ้นไปในสายงาน

เครื่องจักรอัตโนมัติทุกเครื่องและระบบที่เต็มไปด้วยเซ็นเซอร์จะสะสมข้อมูลที่ต้องได้รับการประมวลผลและส่งกลับเพื่อรวมเข้ากับการฝึกอบรม ฝูงหุ่นยนต์ที่กลับไปยังจุดชาร์จหลังจากทำงานเสร็จจะส่งข้อมูลที่มีประโยชน์จำนวนมหาศาลเกี่ยวกับกรณีขอบและการดำเนินงานประจำวันที่ศูนย์ข้อมูลต้องการเพื่อปรับปรุงฟังก์ชัน ลองจินตนาการว่าการจราจรข้อมูลทั้งหมดนี้ถูกส่งพร้อมกันในทิศทางเดียว จะสร้างคอขวด นี่คือจุดที่ศูนย์ข้อมูลเมืองมีประโยชน์ เพราะมันสามารถประมวลผลส่วนของภาระงานก่อนที่มันจะทำให้ศูนย์คอมพิวเตอร์ระดับภูมิภาคอัดแน่นได้ มันสามารถระบุและตัดข้อมูลที่ผิดพลาดออกได้พร้อมกับบีบอัดและส่งต่อส่วนที่มีประโยชน์ต่อไป

โดยสรุป ศูนย์ข้อมูลเมืองเพิ่มชั้นการกรองอีกหนึ่งชั้นให้กับสองชั้นก่อนหน้า ทำให้การไหลของข้อมูลเป็นระเบียบยิ่งขึ้น

อนาคตจะเป็นเซิร์ฟเวอร์บนทุกบล็อกหรือไม่?

แม้ฉันจะนำเสนอเซิร์ฟเวอร์เมืองเป็นวิธีแก้ไข แต่ก็ยังมีค่าใช้จ่ายสูงเกินกว่าจะแก้ปัญหาความหน่วงด้วยการขยายตัวอย่างไม่จำกัด ไม่ว่าไซต์จะมีขนาดเท่าใด ศูนย์ข้อมูลก็ยังต้องการการเชื่อมต่อกับกริด, ตัวแปลงไฟ, ระบบทำความเย็น, ความปลอดภัย, เครือข่ายและบุคลากร ค่าใช้จ่ายเหล่านี้ ไม่ลดลงตามสัดส่วนกับภาระงานไอที เพื่อให้เห็นภาพ ช่วยอ้างอิงว่า ศูนย์ขนาด 0.5 MW ยังมี ค่าใช้จ่ายคงที่เดียวกันกับไซต์ที่ใหญ่กว่ามาก

ในโครงการของเรา เราเห็นว่าศูนย์ข้อมูลเมืองแบบสแตนด์อโลนจะคุ้มเชิงเศรษฐกิจที่ประมาณ 5 ถึง 8 MW แม้จะสมมติว่าหลายไซต์สามารถใช้ศูนย์ปฏิบัติการเครือข่ายร่วมกัน จุดเริ่มต้นก็ยังลดลงเหลือเพียง 1.5 ถึง 3 MW ดังนั้นผลสรุปยังคงเหมือนเดิม การแบ่ง การกระจาย 20 MW ไปยังยี่สิบสถานที่แทนสองหรือสามสถานที่นั้นเกือบไม่มีการลดความหน่วงภายในเขตเมือง — วงแสงไฟเบอร์ของเมืองมีระยะเวลาเพียงไม่กี่มิลลิวินาที — แต่กลับทำให้ต้นทุนและค่าใช้จ่ายการดำเนินการเพิ่มขึ้นหลายเท่า

นี่คือเหตุผลที่ฉันเชื่อว่าอุตสาหกรรมต้องลดขนาดลงและสร้างสิ่งที่ฉันเรียกว่า “สถานีย่อยสำหรับปัญญาประดิษฐ์” ปัจจุบันนักพัฒนากำลังเรียนรู้วิธีสร้างศูนย์ระดับภูมิภาคใน ช่วง 20 ถึง 100 MW เป้าหมายในอนาคตคือการนำแนวคิดนี้ไปใช้กับไซต์เมืองที่เล็กลงเพื่อให้ได้ระดับ 2 MW ที่เหมาะกับเมืองใหญ่

อุปสรรคทางการเมือง

เมื่อลบเลือนความคุ้มค่าเชิงเศรษฐกิจ ปัญหาทางการเมืองยังคงอยู่ ศูนย์ข้อมูลกลายเป็น ถูกวิพากษ์วิจารณ์อย่างต่อเนื่องในสื่อ เนื่องจากผลกระทบเชิงลบต่อสิ่งแวดล้อม ตามผลสำรวจของ Pew คนอเมริกากว่า ครึ่งหนึ่ง เชื่อว่าศูนย์ข้อมูลเป็นอันตรายต่อสิ่งแวดล้อมและมีมุมมองเชิงลบต่อมัน การอ้างอิงเรื่องการสร้างงานจึงดูเล็กน้อยเมื่อเทียบกับปริมาณน้ำ, ที่ดิน, และไฟฟ้าที่ใช้ รวมถึงเสียงและการปล่อยก๊าซ การขออนุมัติแม้สำหรับศูนย์เมืองขนาดเล็กก็จะเป็นเรื่องยาก

เรากำลังเห็นตัวอย่างของผู้พัฒนาศูนย์ข้อมูลและหน่วยงานเมืองที่ขัดแย้งกัน ในสหรัฐอเมริกา การใช้ก๊าซเทอร์ไบน์ของ xAI เพื่อเร่งการสร้างศูนย์ในเมมฟิสทำให้เกิดข้อพิพาทเรื่องการอนุญาต, การคัดค้านจากชุมชนและการฟ้องร้อง ยุโรปก้าวไกลยิ่งขึ้น: อัมสเตอร์ดัมกำหนดระยะเวลาหยุดชั่วคราวสำหรับศูนย์ที่มีขนาดเกิน 70 MW, ดับเบิลอินน์ยอมรับศูนย์ข้อมูลใหม่เฉพาะเมื่อพวกเขานำการผลิตหรือการเก็บพลังงานของตนเองเข้ามา, และสถานีย่อยสำคัญของคอร์ริดอร์ลอนดอนตะวันตกจะไม่ได้รับการเสริมแรงจนถึงต้นทศวรรษ 2030 แม้จะนอกกรณีที่มีชื่อเสียงเหล่านี้ การเป็นพื้นที่ข้อขัดแย้งใหม่ทำให้หลายหน่วยงานเมืองไม่มีขั้นตอนการอนุมัติที่ชัดเจนสำหรับการอนุมัติโครงสร้างพื้นฐาน AI เพิ่มอีก 10 MW ภายในพื้นที่เมือง ตามที่ รายงานของ National League of Cities ระบุ หนึ่งในความท้าทายที่พบบ่อยที่สุดสำหรับเมืองคือรหัสโซนพื้นที่เก่าที่ไม่ได้ระบุอย่างชัดเจนเกี่ยวกับศูนย์ข้อมูล ทำให้ต้องพิจารณาเป็นกรณีต่อกรณี ความไม่แน่นอนทางกฎหมายเหล่านี้อาจทำให้โครงการที่เทคนิคแล้วเป็นไปได้ล่าช้า

การตัดสินใจด้านโครงสร้างพื้นฐานในวันนี้กำหนดความสามารถของเราในอนาคต

ทั้งหมดนี้หมายความว่าเราต้องวางแผนล่วงหน้าและสร้างโครงสร้างพื้นฐานที่จำเป็นสำหรับการพัฒนาต่อไปของ AI เพราะแม้โมเดลจะพัฒนาอย่างรวดเร็ว พลังงานที่ต้องใช้ในการรันขึ้นอยู่กับประเภทของโครงสร้างพื้นฐานที่ต้องใช้เวลาสร้าง การเชื่อมต่อกริดอาจใช้หลายปี และในบางตลาดศูนย์ข้อมูลขนาดใหญ่ คิวตอนนี้ ยืดออกเป็นเจ็ดถึงสิบปี ดังนั้น หากเมืองต่างๆ เพิ่มกำลังการคำนวณ AI จนถึงปี 2030 โครงสร้างพื้นฐานไฟฟ้านั้นจำเป็นต้องจัดตั้งตั้งแต่ตอนนี้ ที่ Teravolt โมเดลการทำงานของเราประมาณการความต้องการ AI ในเมืองทั่วโลกอยู่ที่ 9 ถึง 18 GW ภายในปี 2036 ซึ่งหมายถึงประมาณ 1,000 ถึง 1,500 แห่งสำคัญในเมืองและมหานครทั่วโลก ขึ้นอยู่กับขนาดเฉลี่ยของแต่ละสถานที่ และโดยรวมอาจเป็นตลาดมูลค่าประมาณ $500 พันล้าน ถึง $1 ล้านล้าน

หากไม่ได้ดำเนินการวางแผนที่จำเป็น เราจะติดอยู่กับความสามารถ AI ขั้นสูงที่ไม่สามารถใช้ประโยชน์ได้ ยุคมือถือจำเป็นต้องมีโครงสร้างพื้นฐานของเสาโทรคมนาคมเพื่อให้สัญญาณครอบคลุมผู้คน มิฉะนั้น โทรศัพท์มือถือก็จะไม่มีความหมายเช่นกัน ในทำนองเดียวกัน เราต้องรับรู้ถึงความไม่ตรงกันระหว่างการพัฒนา AI กับการติดตั้งโครงสร้างพื้นฐานไฟฟ้า ยุคมือถือวัดการครอบคลุมด้วยระดับสัญญาณ ในขณะที่ยุค AI จะวัดด้วยมิลลิวินาทีและวัตต์ต่อคนประชากร — และมันจะไม่ต้องการเสานับล้าน แต่ประมาณหนึ่งพันแห่งที่มีขนาดเท่ากับสถานีไฟฟ้าย่อย ไฟเบอร์, มิลลิวินาทีและเมกะวัตต์เป็นสกุลเงินในสาขานี้ และผู้ที่รับรู้ถึงความขาดแคลนนี้ล่วงหน้าจะมีความพร้อมที่ดีกว่าในการกำหนดรูปแบบของอนาคต