بحران تأمین انرژی در دیتاسنترهای هوش مصنوعی؛ چالش‌ها و راهکارها

در چشم‌انداز محور داده امروز، تقاضا برای هوش مصنوعی هیچ نشانه‌ای از کاهش نشان نمی‌دهد، زیرا در حال تبدیل شدن به بخشی جدایی‌ناپذیر از ماموریت‌های روزمره کسب‌وکارها و مصرف‌کنندگان است. گزارشی از گلدمن ساکس نشان داد که غول‌های فناوری متمرکز بر هوش مصنوعی در سال‌های آینده بیش از یک تریلیون دلار هزینه خواهند کرد که بخش قابل توجهی از این سرمایه به مراکز داده، زیرساخت‌های هوش مصنوعی و شبکه برق اختصاص خواهد یافت.

افزایش بی‌سابقه مصرف انرژی

بر اساس گزارش سرویس زیرساخت رسانه اخبار فناوری و تکنولوژی تکنا، افزایش سرمایه‌گذاری در حوزه هوش مصنوعی، نیاز به مراکز داده بیشتر را به همراه داشته که بتوانند ظرفیت محاسباتی مورد نیاز را تأمین کنند، اما این مراکز نسبت به دیتاسنترهای سنتی به انرژی بیشتری نیازمندند. به عنوان مثال، در سال ۲۰۲۲، مراکز داده بیش از ۴ درصد از کل برق مصرفی در ایالات متحده را بر عهده داشتند. بر اساس پیش‌بینی‌های موسسه تحقیقات برق، با توجه به تقاضای قدرت محاسباتی هوش مصنوعی، این سهم تا سال ۲۰۳۰ بیش از دو برابر شده و به ۹ درصد خواهد رسید. محرک اصلی این افزایش مصرف، پردازنده‌های گرافیکی (GPU) قدرتمندتر هستند که در پیکربندی‌هایی مستقر می‌شوند که مصرف برق در سطح راک را از محدوده فعلی زیر ۵۰ کیلووات تا ۱ مگاوات در سال ۲۰۳۰ افزایش می‌دهد.

🔗 بیشتر بخوانید: متا برای آموزش مدل‌های هوش مصنوعی و تحلیل داده‌های وب با چالش‌هایی روبه رو است_خبررسان

دلمای اپراتورها: ارتقا یا ساخت از ابتدا؟

با در نظر گرفتن چنین پیش‌بینی‌هایی، اپراتورهای مراکز داده با یک تصمیم استراتژیک برای اطمینان از آمادگی بلندمدت در برابر هوش مصنوعی روبرو هستند: ارتقای زیرساخت‌های موجود یا ساخت تاسیسات جدید از پایه. هر گزینه مزایا و چالش‌های منحصر به فرد خود را دارد. درک این جنبه‌ها برای تصمیم‌گیری آگاهانه‌ای که با اهداف تجاری، محدودیت‌های بودجه و نیازهای آینده هم‌سو باشد، ضروری است. طیف وسیعی از عوامل باید در زمان تصمیم‌گیری برای به‌روزرسانی فناوری موجود یا آغاز ساخت یک دیتاسنتر جدید هوش مصنوعی مد نظر قرار گیرند:

• زیرساخت‌های تاسیسات موجود: در زمان به‌روزرسانی یک دیتاسنتر موجود، باید سیستم‌های تهویه و کولر (HVAC)، زیرساخت برق، سیستم‌های توزیع انرژی و ظرفیت بارگذاری سازه‌ای بازبینی شوند تا اطمینان حاصل شود که می‌توانند از افزایش تقاضایی که با ارتقا به یک دیتاسنتر هوش مصنوعی ایجاد می‌شود، پشتیبانی کنند.
• توانایی ارتقا به ولتاژهای بالاتر: اجرای یا ارتقا به معماری ولتاژ بالاتر — مانند معماری قدرت ۴۸ ولت یا حتی ۸۰۰ ولت — می‌تواند مدیریت حرارتی و کارایی را بهبود بخشد و در عین حال توان بالا مورد نیاز برای سرورهای هوش مصنوعی و تجهیزات فناوری اطلاعات را تأمین نماید.
• پتانسیل بهره‌گیری از تکنولوژی‌های پیشرفته: استفاده از برق سه فاز، خنک‌سازی هدایتی و خنک‌سازی غوطه‌وری مایع هر دو می‌توانند به رفع چالش‌های قدرت و گرما مرتبط با افزایش ظرفیت‌های محاسباتی و تجهیزات شبکه پرقدرت کمک کنند.