Niv-AI, Yapay Zeka Altyapısındaki Gizli Güç Darboğazını Gidermek İçin 12 Milyon Dolar Yatırım Aldı

Yeni bir girişim, giderek kalabalıklaşan yapay zeka altyapısı alanına, nadiren manşetlere çıkan ancak hızla sektörün en acil sorunlarından biri haline gelen bir kısıtlamaya odaklanarak giriyor: güç.

Niv-AI 12 milyon dolarlık fon desteğiyle gizlilik perdesini araladı. Glilot Sermaye, Grove Girişimleri, Arc VC, Kodlanmış VC, İleri AtılımTel Aviv merkezli şirket, enerji sistemleri ve yüksek performanslı bilgi işlem kesişiminde konumlanarak, modern veri merkezlerinde yaşanan "anlık güç kapasitesi" krizini hedefliyor.

Sorun: Yapay Zekanın Artan Güç Hırsı

Yapay zeka iş yükleri, özellikle giderek daha yüksek güç yoğunluğuna sahip GPU'ların benimsenmesiyle birlikte ölçeklendikçe, veri merkezleri yalnızca yazılım optimizasyonunun çözemeyeceği fiziksel bir sınırlamayla karşılaşıyor. Hesaplama kapasitesi artmaya devam ederken, milisaniye düzeyinde istikrarlı güç sağlama yeteneği geride kalıyor.

Geleneksel izleme sistemleri, modern yapay zeka iş yüklerinin hızlı ve ani güç tüketimi modelleri için tasarlanmamıştır. Ekipman hasarını veya şebeke istikrarsızlığını önlemek için operatörler genellikle kullanımı sınırlayarak aşırı telafi yoluna giderler. Sonuç olarak, mevcut altyapının önemli ölçüde düşük kullanımı söz konusu olup, sözleşmeli güç kapasitesinin %30'u fiilen atıl durumda kalmaktadır.

Bu verimsizlik finansal sonuçlar doğuruyor. Veri merkezi operatörleri tam olarak kullanamadıkları kapasite için ödeme yaparken, yapay zeka şirketleri de dağıtımı yavaşlatan ve maliyetleri artıran kısıtlamalarla karşı karşıya kalıyor.

Güç ve Hesaplama Arasında Yeni Bir Katman

Niv-AI'nin yaklaşımı, enerji dağıtımı ve hesaplama iş yükleri arasına yerleşen yeni bir kontrol katmanı sunuyor. Platformun özünde, şirketin "elektriksel parmak izi" olarak adlandırdığı şey yer alıyor; bu da yapay zeka iş yüklerinin gerçek zamanlı olarak nasıl güç tükettiğine dair yüksek çözünürlüklü bir görünüm sağlıyor.

Sistem, özel sensörler kullanarak geleneksel sayaçların kaçırdığı ayrıntılı güç sinyallerini yakalar. Bu sinyaller daha sonra, talepteki kısa vadeli dalgalanmaları tahmin etmek üzere tasarlanmış yapay zeka modelleri tarafından işlenir. Platform, ani bir artış meydana geldikten sonra tepki vermek yerine, güç kullanımını dengelemek için işlem süreçlerini ince bir şekilde kademeli olarak gerçekleştirerek iş yükü zamanlamasını proaktif olarak ayarlar.

Pratikte bu, veri merkezi içindeki elektrik için bir trafik yönetim sistemi gibi işlev görür ve operatörlerin istikrarsızlığa yol açmadan altyapıyı gerçek sınırlarına daha yakın bir şekilde kullanmalarına olanak tanır.

Donanımsal Çözümlerin Ötesine Geçmek

Güç kısıtlamalarını gidermeye yönelik mevcut girişimlerin çoğu, piller, kapasitörler veya iş yüklerinin kademeli olarak sınırlandırılması gibi fiziksel çözümlere dayanmaktadır. Bir dereceye kadar etkili olsalar da, bu yaklaşımlar maliyeti, karmaşıklığı artırır veya performansı düşürür.

Niv-AI, yazılım tabanlı bir orkestrasyon katmanının ek donanım gerektirmeden benzer veya daha büyük kazanımlar sağlayabileceğine inanıyor. Şirket, ayrıntılı düzeyde görünürlüğü ve kontrolü iyileştirerek operatörlerin mevcut altyapıdan daha fazla değer elde etmelerini sağlamayı hedefliyor.

Bu değişim, veri merkezi optimizasyonundaki daha geniş trendleri yansıtıyor; bu trendlerde fiziksel kısıtlamaları yönetmek için yazılım tanımlı yaklaşımlar giderek daha fazla kullanılıyor.

Yapay Zeka Altyapısı İçin Daha Geniş Kapsamlı Etkiler

Bu teknoloji kategorisi etkili olursa, önümüzdeki on yılda veri merkezlerinin tasarım ve işletim şeklini yeniden şekillendirebilir. Operatörler, güç sınırlarını sabit kısıtlamalar olarak ele almak yerine, gerçek zamanlı olarak aktif bir şekilde yönetilebilen dinamik değişkenler olarak görmeye başlayabilirler.

Bu durum, verimliliğin ötesinde de etkiler yaratmaktadır. Özellikle enerji erişilebilirliğinin zaten bir darboğaz olduğu bölgelerde, maliyetli şebeke iyileştirmeleri ve yeni tesis inşaatına olan ihtiyacı geciktirebilir veya azaltabilir. Ayrıca, yapay zeka iş yüklerinin nasıl planlandığı, fiyatlandırıldığı ve önceliklendirildiği üzerinde de etkili olabilir ve hesaplama düzenlemesini enerji yönetimiyle birleştiren yeni bir optimizasyon boyutu getirebilir.

Sistem düzeyinde, güç ve işlem kontrolünün yakınsaması, altyapının tarihsel olarak birbirinden ayrı olan katmanlar arasında giderek daha fazla koordine edildiği bir geleceği işaret etmektedir. Yapay zekâ ölçeklenmeye devam ettikçe, bu katmanları uyumlu hale getirme yeteneği, model mimarisi veya çip tasarımındaki gelişmeler kadar önemli hale gelebilir.