دیتاسنترهای هوش مصنوعی برق را به گلوگاه بعدی فناوری تبدیل کرده‌اند

خلاصه

در سال‌های اخیر روایت زیرساخت هوش مصنوعی بیشتر حول GPU، مدل‌های بزرگ و ظرفیت ابر چرخیده است. اما امروز این روایت ناقص است. محدودیت مهم بعدی ممکن است همان چیزی باشد که بسیاری از تیم‌های نرم‌افزاری عادت کرده‌اند نادیده بگیرند: آیا برق کافی، در زمان مناسب، به ساختمانی می‌رسد که قرار است بار سنگین AI را تحمل کند؟

دیتاسنترهای هوش مصنوعی با دیتاسنترهای معمولی فرق دارند. رک‌های متراکم، پردازش‌های پیوسته، شبکه پرمصرف، سامانه‌های خنک‌سازی و تجهیزات پشتیبان در یک نقطه جمع می‌شوند. چنین مجموعه‌ای می‌تواند مصرفی در حد یک شهر کوچک داشته باشد. این موضوع به معنی بد بودن دیتاسنتر نیست؛ اما یعنی دیگر نمی‌توان آن را لوله‌کشی نامرئی اینترنت دانست.

درس عملی روشن است: استراتژی AI حالا بخشی از استراتژی زیرساخت است. شرکتی که محصول مبتنی بر عامل هوشمند، تحلیل بلادرنگ یا مدل‌های سنگین می‌سازد، نباید فقط بپرسد کدام مدل بهتر است. باید بپرسد مدل کجا اجرا می‌شود، برق آن چقدر پایدار است، هنگام فشار شبکه چه اتفاقی می‌افتد و مردم محلی این پروژه را پیشرفت می‌بینند یا استخراج منابع.

مقاله

اینترنت مدرن با یک توهم دلپذیر ساخته شد: محاسبات بی‌وزن به نظر می‌رسید. کاربر دکمه‌ای را می‌زد، یک منطقه ابری پاسخ می‌داد و کار فیزیکی پشت رابط کاربری پنهان می‌شد. هوش مصنوعی این توهم را می‌شکند. وقتی میلیون‌ها نفر از مدل‌ها می‌خواهند استدلال کنند، کد بنویسند، تصویر بسازند، سند بخوانند یا عامل‌های خودکار را هدایت کنند، ماشین پنهان دوباره دیده می‌شود. سرور فقط یک استعاره نیست؛ ساختمان است، ترانسفورماتور است، مسیر فیبر است، خنک‌سازی است و قرارداد برق.

این تغییر اقتصاد AI را عوض می‌کند. ارائه‌دهنده‌ای که زودتر برق پایدار بگیرد، شاید سریع‌تر از رقیبی حرکت کند که پژوهش قوی‌تری دارد اما زیرساخت کندتری می‌سازد. پلتفرمی که قرارداد انرژی منعطف دارد، می‌تواند هزینه inference را بهتر کنترل کند. یک استارتاپ هم ممکن است بفهمد کیفیت، سهمیه و قیمت سرویسش به شرایط شبکه برقی وابسته است که هیچ‌وقت درباره‌اش مطالعه نکرده بود.

فشار تازه، یک شکاف برنامه‌ریزی را هم آشکار می‌کند. مدیران محصول گاهی درباره پذیرش AI طوری حرف می‌زنند که انگار توان محاسباتی همیشه فوری و بی‌نهایت از API قابل خرید است. این فرض برای پایلوت جواب می‌دهد، اما در مقیاس واقعی ضعیف می‌شود. عامل پشتیبانی که روزانه ده هزار مکالمه را جواب می‌دهد با یک دمو فرق دارد. سامانه حقوقی که هر شب تحلیل متن طولانی اجرا می‌کند با نمونه آزمایشی فرق دارد. هر محصول موفق، یک مطالبه دائمی روی برق، ظرفیت و خنک‌سازی ایجاد می‌کند.

دولت‌ها، شهرداری‌ها و شرکت‌های برق به شکل مستقیم وارد نقشه راه فناوری می‌شوند. مجوز، اتصال به شبکه، مصرف آب، ژنراتور پشتیبان، قرارداد انرژی تجدیدپذیر و ارتقای خطوط انتقال می‌تواند تعیین کند کدام منطقه به قطب AI تبدیل شود. شهری که این مسیر را خوب مدیریت کند، سرمایه جذب می‌کند بدون اینکه اعتماد عمومی را بسوزاند. شهری که بد مدیریت کند، با اعتراض، افزایش نگرانی درباره قبض برق، دعوای زمین و مسئله آب روبه‌رو می‌شود.

راه بالغ‌تری هم وجود دارد. سازندگان دیتاسنتر باید تعهدهای محلی روشن‌تر منتشر کنند، بار مصرف را با شبکه هماهنگ کنند، در صورت امکان گرمای تولیدی را بازیافت کنند، در تاب‌آوری محلی سرمایه بگذارند و گواهی‌های سبز را جایگزین انضباط عملیاتی واقعی نکنند. خریداران سرویس ابری هم باید درباره پایداری منطقه، شدت کربن، بازیابی بحران و محل اجرای workload شفافیت بخواهند.

بزرگ‌ترین صرفه‌جویی شاید از خویشتن‌داری محصولی بیاید. هر دکمه‌ای نیاز به مدل بزرگ ندارد. هر صفحه‌ای نیاز به تولید زنده ندارد. هر فرآیند داخلی به پاسخ فوری نیاز ندارد. اگر تیم‌ها نتیجه مفید به ازای هر وات را اندازه بگیرند، سیستم‌های بهتری می‌سازند تا تیم‌هایی که فقط توکن بر ثانیه را می‌بینند.

به همین دلیل شبکه برق به مسئله فناوری تبدیل شده است. گلوگاه بعدی یک تراشه گم‌شده یا یک قطعی ساده ابر نیست؛ مسئله هماهنگی میان جاه‌طلبی نرم‌افزاری و ظرفیت فیزیکی است. شرکت‌های AI که این را بفهمند، شبیه شرکت نرم‌افزاری صرف دیده نمی‌شوند؛ شبیه اپراتور زیرساختی با مسئولیت عمومی دیده می‌شوند.

برنده‌ها الزاماً شرکت‌هایی نیستند که بزرگ‌ترین خوشه‌ها را با صدای بلند اعلام می‌کنند. برنده‌ها آن‌هایی هستند که می‌توانند این خوشه‌ها را برای سال‌ها مفید، قابل پرداخت و قابل قبول نگه دارند. در عصر AI، محاسبات فقط منبعی برای اجاره نیست؛ وعده‌ای است که همزمان به کاربر، شرکت برق و شهر میزبان داده می‌شود.