【هل جعلت مايكروسوفت الذكاء الاصطناعي يحسب شبكة الكهرباء أولاً، وإذا حدث نقص يمكن حل المشكلة عبر النموذج؟】
عند الحديث عن استهلاك الذكاء الاصطناعي للكهرباء، يميل الجميع إلى التفكير مباشرة في بناء محطات جديدة. لكن حتى لو تم توليد الكهرباء، تظل مسألة: هل يمكن إرسالها بتكلفة منخفضة إلى الأماكن التي تحتاجها؟
في 30 سبتمبر، عرض معهد مايكروسوفت للأبحاث في مقالة/عرض تقديمي حول تخطيط الشبكات الكهربائية ما يُظهر GridSFM: استخدام النماذج لتسريع الحسابات التقريبية للتيار/التدفقات المثلى في الشبكات أثناء تبادل التيار. كانت هذه الدراسة قد نُشرت سابقاً في مايو أيضاً، وليست شيئاً “اخترعه أمس فجأة” زرّاً لتوفير الطاقة.
بعبارة أخرى، تدرس هذه الأبحاث: عندما تتغير الأحمال وخطوط النقل وظروف التوليد، كيف ترتّب الشبكة التشغيل بشكل أكثر ملاءمة. يمكن للنماذج أن تساعد على اختيار السيناريوهات بسرعة أكبر، لكن نتائج التنبؤ لا تزال بحاجة إلى الالتزام بالقيود الفيزيائية ومتطلبات التشغيل الفعلية.
المعنى التجاري لهذه المسار هو وجود فرصة لرفع كفاءة استخدام البنية التحتية القائمة. لكن لا يمكنها اختراع محولات “من لا شيء”، ولا يمكنها تضخيم السعة المحدودة للخطوط اللانهائية. فبرامج تحسين الأداء والتوسّع في الأجهزة تعالج مشاكل أجزاء مختلفة.
وبخصوص بنية الذكاء الاصطناعي التحتية، سأسأل: أين يحدث توفير التكاليف تحديداً؟ هل في زمن الحساب، أم في تكلفة الجدولة، أم في الواقع تم توفير كهرباء أكثر فعلاً؟ لا يمكن خلط الثلاثة في بند دخل واحد. وعند متابعة السرديات المتعلقة بـ RENDER وFET وNEAR، يجب أيضاً فصل متطلبات الحوسبة عن ظروف توافر الطاقة في المستوى الأساسي، وعدم نسب دراسة مايكروسوفت مباشرة إلى أرباح التوكنات.
إن كان بإمكانه أن يحسب بشكل أسرع، فهذا يعني العثور على الحل؛ أمّا القدرة الحقيقية فهي في توفير الكهرباء فعلاً.
الصورة المرفقة هي صورة أرشيفية لمبنى المكاتب التابع لمايكروسوفت.
$RENDER $FET $NEAR
اضغط على صورتي الشخصية لعرض صفقات حقيقية مع دفتر أوامر
عند الحديث عن استهلاك الذكاء الاصطناعي للكهرباء، يميل الجميع إلى التفكير مباشرة في بناء محطات جديدة. لكن حتى لو تم توليد الكهرباء، تظل مسألة: هل يمكن إرسالها بتكلفة منخفضة إلى الأماكن التي تحتاجها؟
في 30 سبتمبر، عرض معهد مايكروسوفت للأبحاث في مقالة/عرض تقديمي حول تخطيط الشبكات الكهربائية ما يُظهر GridSFM: استخدام النماذج لتسريع الحسابات التقريبية للتيار/التدفقات المثلى في الشبكات أثناء تبادل التيار. كانت هذه الدراسة قد نُشرت سابقاً في مايو أيضاً، وليست شيئاً “اخترعه أمس فجأة” زرّاً لتوفير الطاقة.
بعبارة أخرى، تدرس هذه الأبحاث: عندما تتغير الأحمال وخطوط النقل وظروف التوليد، كيف ترتّب الشبكة التشغيل بشكل أكثر ملاءمة. يمكن للنماذج أن تساعد على اختيار السيناريوهات بسرعة أكبر، لكن نتائج التنبؤ لا تزال بحاجة إلى الالتزام بالقيود الفيزيائية ومتطلبات التشغيل الفعلية.
المعنى التجاري لهذه المسار هو وجود فرصة لرفع كفاءة استخدام البنية التحتية القائمة. لكن لا يمكنها اختراع محولات “من لا شيء”، ولا يمكنها تضخيم السعة المحدودة للخطوط اللانهائية. فبرامج تحسين الأداء والتوسّع في الأجهزة تعالج مشاكل أجزاء مختلفة.
وبخصوص بنية الذكاء الاصطناعي التحتية، سأسأل: أين يحدث توفير التكاليف تحديداً؟ هل في زمن الحساب، أم في تكلفة الجدولة، أم في الواقع تم توفير كهرباء أكثر فعلاً؟ لا يمكن خلط الثلاثة في بند دخل واحد. وعند متابعة السرديات المتعلقة بـ RENDER وFET وNEAR، يجب أيضاً فصل متطلبات الحوسبة عن ظروف توافر الطاقة في المستوى الأساسي، وعدم نسب دراسة مايكروسوفت مباشرة إلى أرباح التوكنات.
إن كان بإمكانه أن يحسب بشكل أسرع، فهذا يعني العثور على الحل؛ أمّا القدرة الحقيقية فهي في توفير الكهرباء فعلاً.
الصورة المرفقة هي صورة أرشيفية لمبنى المكاتب التابع لمايكروسوفت.
$RENDER $FET $NEAR
اضغط على صورتي الشخصية لعرض صفقات حقيقية مع دفتر أوامر