エネルギー＆AI

エネルギー・プロヴナンスは、AI計算のための新しいデジタル・レイヤーになる

人工知能が産業規模の技術になるにつれ、組織は、計算インフラが消費するエネルギーの量だけでなく、それ以外の点にもますます関心を高めるでしょう。

さらに、そのエネルギーがどこから来たのか、いつ生成されたのか、どのように届けられたのか、そして特定の計算ワークロードとどのように紐づけられているのかを理解したいとも考えるでしょう。

これにより、創発的なインフラストラクチャの概念が生まれます：

エネルギー・プロヴナンス。

エネルギー・プロヴナンスとは、電力の発電、エネルギーの消費、計算活動の間に、追跡可能な関係を確立できることです。

企業、政府、機関、インフラ運用者がデジタルサービスの環境面および運用面の特性を測ろうとするほど、この考えはますます重要になります。

大規模なAIワークロードを考えてみましょう。

計算は数千のアクセラレータにまたがって実行されるかもしれません。これらのアクセラレータは電力を消費します。電力は、送電網の供給、再生可能発電、蓄電システム、その他の供給源の組み合わせに由来している可能性があります。

詳細なテレメトリがなければ、組織は総消費電力量は把握できるかもしれませんが、エネルギー源と計算出力の関係についての可視性は限られたものになります。

将来のインフラは、これを変える可能性があります。

エネルギーシステムは、詳細な運用データを生成できます。

スマートメーターは消費量を記録できます。

再生可能エネルギー発電システムは、生産量を記録できます。

バッテリー管理システムは、充電と放電の状況を追跡できます。

データセンターの管理システムは、設備を監視できます。

コンピュート・プラットフォームは、ワークロードの利用状況を測定できます。

AIオーケストレーションシステムは、ワークロードがどこでいつ実行されたかを記録できます。

これらのデータセットをまとめることで、エネルギーから計算へのプロベナンス層を作り出せるかもしれません。

これにより、組織はより高度な質問を行えるようになります。

特定のモデルを訓練するのに、どれだけの電力が使われましたか？

その電力のうち、どの割合が再生可能な供給源で生成されたのでしょうか？

そのワークロードは、どの時間帯に実行されましたか？

どの施設がワークロードを処理しましたか？

単位エネルギーあたり、どれだけの計算が生み出されましたか？

インフラの運用効率はどれくらいでしたか？

これらの問いは、エンタープライズAIや組織のコンピューティングにおいて、ますます関連性を増していく可能性があります。

エネルギーのプロベナンスは、ワークロードのスケジューリングにも影響し得ます。

GPUの利用可能性やネットワークのレイテンシだけを見ないAIオーケストレーション基盤を想像してください。

それは、エネルギー特性も考慮できるはずです。

ワークロードは、次の組み合わせに従ってスケジュールできます：

コンピュートの利用可能性

エネルギーの利用可能性

エネルギーコスト

カーボン強度

レイテンシ

データの所在

冷却能力

ネットワーク容量

サービスレベル要件

したがって、スケジューラはエネルギーを考慮した計算意思決定エンジンになるはずです。

これにより、エネルギー・インフラとソフトウェアの間に、より深い関係が生まれます。

物理的なエネルギーシステムがデータを生み出します。

ソフトウェアが、そのデータを解釈します。

AIスケジューラは、その情報を使って、計算をどこで実行すべきかを決定します。

結果として、物理インフラとデジタルのワークロードの間の継続的なフィードバックシステムが生まれます。

エネルギーのプロベナンスは、組織による報告においても重要になり得ます。

大企業ほど、デジタル業務を支えるリソースについて信頼できる情報をますます必要としています。

AIの導入が金融サービス、ヘルスケア、研究、製造、通信、政府、エンタープライズソフトウェアに広がるにつれ、デジタルインフラは、より広範なサステナビリティや資源計上システムの一部になり得ます。

信頼できるエネルギーデータがあれば、その計測はより透明になります。

ただし、プロベナンスにはダッシュボード以上のものが必要です。

基盤となる計測アーキテクチャは信頼できるものでなければなりません。

メーター、センサー、ソフトウェアシステム、タイムスタンプ、施設の記録、データパイプラインは連携されなければなりません。

つまり、エネルギーのプロベナンスは、ハードウェアのテレメトリ、クラウドソフトウェア、データエンジニアリング、サイバーセキュリティ、検証を含むインフラの専門領域になる可能性があります。

ブロックチェーンや分散型台帳技術は、いくつかのアーキテクチャで、エネルギー関連イベントの改ざん耐性のある記録を作るために使われる可能性がありますが、その実用的な価値は、対象のシステムや検証要件の具体性に左右されます。

重要な原則は、情報を記録するために使われる技術ではありません。

重要な原則は検証可能性です。

計算インフラが、エネルギー投入と計算出力の間に信頼できる関係を確立できれば、組織は運用上のインテリジェンスという新たな層を得られます。

これはいずれ、エネルギーを考慮したコンピュートのマーケットプレイスにつながる可能性があります。

将来の顧客は、単に次を要求するのではないでしょう：

「10,000GPU時間をください。」

要求は次のようになるかもしれません：

「これらのレイテンシ、設置場所、信頼性、コスト、エネルギーの由来（プロベナンス）の要件を満たす10,000GPU時間をください。」

それは本質的に、より豊かな計算市場です。

コンピュートは多次元のリソースになります。

エネルギーは、計算の測定可能な属性になります。

インフラはますます透明性を持つようになります。

これは、再生可能電力で動くコンピューティングのイノベーションを促すことにもつながる可能性があります。

再生可能発電が強い施設は、マーケティング上の主張に頼るだけでなく、測定可能なエネルギー特性によって計算サービスを差別化できるでしょう。

時間の経過とともに、エネルギーのプロベナンスは、デジタルインフラのメタデータの別の層になるかもしれません。

最新のクラウドシステムが計算能力、可用性、レイテンシ、ストレージに関する情報を公開しているのと同様に、将来のシステムでも、計算を支えるエネルギーに関する情報が公開される可能性があります。

究極の変革は大きいものです。

エネルギーは、データセンターの壁の裏に見えないままではいられなくなります。

それは、計算のデジタル計測可能な構成要素になるでしょう。

したがって、AIインフラは、単にインテリジェンスを提供するところから、そのインテリジェンスを生み出すために使われた物理リソースを記録するものへと進化します。

エネルギーのプロベナンスは、物理的なエネルギー経済とデジタルな計算経済をつなぐブリッジの1つになり得ます。

SriDanamTrades

学ぶ　つくる　革新する　リードする

AIコンピュートGPUのインフラ、エネルギー&新興技術に関するプレミアムなデジタルリソース

#AI #Energy #Compute #EnergyProvenance #DataCenters #RenewableEnergy #CloudComputing #ArtificialIntelligence #FutureTechnology #SriDanamTrades