مراكز البيانات والبنية التحتية
سيشهد تصميم مراكز البيانات انتقالًا من سعة الرفوف إلى الكثافة الحوسبية
لمدة عقود، كانت سعة مراكز البيانات يمكن غالبًا مناقشتها باستخدام مقاييس مألوفة مثل عدد الرفوف، والمساحة الأرضية، والقدرة الكهربائية، وعدد الخوادم.
تُدخل حقبة البنية التحتية للذكاء الاصطناعي مقياسًا حاسمًا آخر:
الكثافة الحوسبية.
إنشأة تضم آلاف الخوادم ليست بالضرورة أكثر قدرة حوسبية من منشأة أصغر تحتوي على أنظمة مُسرّعات شديدة التركيز.
الحجم الفيزيائي للحوسبة يتغير.
وهذا يعني أن التخطيط لمراكز البيانات في المستقبل سيحتاج بشكل متزايد إلى فهم مقدار الحوسبة المفيدة التي يمكن تقديمها ضمن غلاف فيزيائي وكهربائي وحراري محدد.
ترتبط كثافة الحوسبة بعدة أبعاد من أبعاد البنية التحتية.
يتضمن ذلك قدرات المعالج.
يتضمن ذلك الذاكرة.
يتضمن ذلك الشبكات.
يتضمن ذلك الطاقة.
يتضمن ذلك التبريد.
يتضمن ذلك مساحة مادية.
ويتضمن ذلك أيضًا كفاءة الحمل.
التحدي هو أن زيادة بُعد واحد يمكن أن تخلق ضغطًا على بُعد آخر.
قد يؤدي ارتفاع كثافة الحوسبة إلى زيادة المتطلبات الكهربائية.
يمكن أن يؤدي ارتفاع الكثافة الكهربائية إلى زيادة المخرَج الحراري.
قد يتطلب ارتفاع المخرَج الحراري تبريدًا أكثر تطورًا.
قد يؤثر التبريد الأكثر تطورًا على تصميم المنشأة وصيانتها.
قد يتطلب ارتفاع حركة الشبكة بنية ربط/ربط داخلية أكثر تطورًا.
والنتيجة هي نظام هندسي مُحكم الاقتران.
لذلك، سيحتاج معمّرو مراكز البيانات في المستقبل إلى تجاوز فكرة أن الرف مجرد وحدة قياسية للسعة.
قد تمتلك الأرفف المختلفة خصائص حوسبية مختلفة بشكل كبير.
قد يحتوي رف واحد على خوادم عامة الاستخدام.
قد تحتوي منطقة أخرى على معجِّلات ذكاء اصطناعي عالية الكثافة.
قد تحتوي منطقة أخرى على تخزين.
قد توفر منطقة أخرى شبكات متخصصة.
قد تحتوي منطقة أخرى على بنية تحتية مخصصة لأحمال الاستدلال.
يصبح الرف الفيزيائي مجرد عنصر واحد ضمن طوبولوجيا حوسبية أوسع بكثير.
وهذا يخلق الحاجة إلى تصميم منشأة واعٍ بالأحمال.
قد تولّد أحمال تدريب الذكاء الاصطناعي طلبًا حاسوبيًا مستمرًا.
قد تولّد أحمال الاستدلال أنماطًا زمنية وزمنية-كمونية (تأخير) مختلفة.
قد تتطلب الحوسبة العلمية اتصالاتًا موازية كبيرة.
قد تتطلب التطبيقات الفورية أزمنة استجابة يمكن التنبؤ بها.
وبالتالي فإن أحمال العمل المختلفة تولد متطلبات بنية تحتية مختلفة.
قد لا يستخدم مركز بيانات مُحسَّن حول حمل عمل متوسط واحد موارده بكفاءة.
قد تتمكن المنشآت المستقبلية بدلًا من ذلك من تصميمها حول مناطق حوسبة.
يمكن أن يتم تحسين كل منطقة لِتوليفات محددة من متطلبات الحوسبة والذاكرة والشبكات والطاقة والتبريد.
يشبه ذلك التصنيع الصناعي.
تتم مُواءمة خطوط الإنتاج المختلفة لعمليات مختلفة.
وبالمثل، يمكن أن تحتوي البنية التحتية للحوسبة على مناطق مختلفة مُحسّنة لأشكال مختلفة من الإنتاج الرقمي.
تصبح هذه الفكرة مهمة بشكل خاص مع تنوّع معماريات المعجِّلات.
قد لا يعود مركز البيانات متجانسًا.
قد يحتوي على عدة فئات من المعالجات والمعجِّلات، يخدم كل منها دورًا حاسوبيًا محددًا.
ستحدد طبقة التنسيق في المنشأة بعد ذلك أين يجب أن تُنفَّذ الأحمال.
وهذا يحوّل البنية التحتية المادية إلى مشكلة تعيين/ربط للموارد.
لم يعد السؤال هو ببساطة:
كم عدد الخوادم التي يحتويها المرفق؟
وإذن يصبح السؤال الأكثر فائدة هو:
كم مقدار الحوسبة المفيدة التي يمكن أن يقدمها المرفق ضمن قيودِه الفيزيائية الحالية؟
يمكن أن تشمل هذه القياسات الأداء لكل متر مربع، والحوسبة المفيدة لكل ميغاواط، والحوسبة المفيدة لكل وحدة تبريد، والإنتاجية المفيدة للعبء عبر الزمن.
يمكن أن توفر مثل هذه القياسات فهمًا أوضح بكثير لإنتاجية البنية التحتية.
يمكن أيضًا أن تؤثر على اقتصاديات المنشأة.
إذا كانت منشأتان لديهما سعة كهربائية متشابهة لكن إحداهما تقدم حوسبة مفيدة أكبر بكثير من الأخرى من نفس المساحة الفيزيائية، فقد تختلف خصائصهما الاقتصادية كثيرًا.
لذلك تصبح كثافة الحوسبة مقياسًا لكفاءة البنية التحتية.
من المرجح أن يتم هندسة الجيل التالي من مراكز البيانات بناءً على هذا المبدأ.
سيتم تحسين المساحة.
سيتم تحسين الطاقة.
سيتم تحسين التبريد.
سيتم تحسين طوبولوجيا الشبكة.
سيتم تحسين موارد الحوسبة.
والأهم من ذلك، سيتم تحسين التفاعل بين هذه الموارد.
يتطور مركز البيانات من حاوية للحوسبة إلى بيئة حوسبية مُهندسة.
ستحدد هذه البيئة بشكل متزايد مدى كفاءة إنتاج الذكاء الرقمي في العالم.
SriDanamTrades
تعلّم ابنِ ابتكر قُدْ
موارد رقمية مميزة لحوسبة الذكاء الاصطناعي على وحدات GPU للبنية التحتية للطاقة و& التقنيات الناشئة
#مركز_بيانات #الكثافة_الحاسوبية #بنية_تحتية_للذكاء_الاصطناعي #الحوسبة #GPU #تصميم_مركز_البيانات #البنية_التحتية #الذكاء_الاصطناعي #البنية_الرقمية #SriDanamTrades