مركز مصانع الذكاء الاصطناعي: من الشبكة إلى الرقاقة، ومن الرقاقة إلى نظام التبريد

مصنع الذكاء الاصطناعي هو منشأة مصممة خصيصًا للعمل كمجموعة حوسبة واحدة كبيرة لتدريب ونشر نماذج الذكاء الاصطناعي. بخلاف مراكز البيانات التقليدية التي تدعم أحمال العمل المختلطة، تعمل مصانع الذكاء الاصطناعي على تحسين إنتاجية وحدة معالجة الرسومات إلى أقصى حد على نطاق واسع. وكما يصفها جنسن هوانغ من شركة NVIDIA، فإن هذه المرافق تعمل مثل مصانع الإنتاج: تدخل البيانات والحوسبة، وتخرج النماذج المدربة والمخرجات.

كما هو مفصل في الورقة البيضاء 110 من Schneider Electric': كيف تغير 6 سمات للذكاء الاصطناعي تصميم مركز البيانات، فإن الحجم الكبير واحتياجات الطاقة لمجموعات وحدات معالجة الرسومات هذه، عند تدريب نماذج الذكاء الاصطناعي، تسحب طاقة الذروة في وقت واحد. بينما كانت مراكز البيانات التقليدية تُصمم وفقًا للمتوسط، يجب تصميم مصانع الذكاء الاصطناعي ذات الأحمال المتنوعة وفقًا لذروة الحمل المتزامنة، وهو متطلب تصميم كهربائي مختلف تمامًا يؤثر على أنظمة UPS ومفاتيح التبديل والربط مع المرافق.

إن زيادة طاقة التصميم الحراري (TDP) للحوسبة الحديثة للذكاء الاصطناعي تدفع كثافة الرفوف إلى ما يتجاوز 200 كيلو واط، متجاوزة بكثير الحدود الحرارية للتبريد بالهواء. كما هو موثق في الورقة البيضاء 133 من Schneider Electric': التنقل في هندسة التبريد السائل لمراكز البيانات مع أحمال عمل الذكاء الاصطناعي، يصبح التبريد السائل المباشر للرقاقة ضروريًا فوق حوالي 20-30 كيلو واط لكل رف. إن الموصلية الحرارية والسعة الحرارية للماء تجعله أكثر فعالية من الهواء بعدة مراتب عند هذه الكثافات. الأمر الحاسم هو أن العديد من خوادم الذكاء الاصطناعي من الجيل الحالي لا تأتي مزودة بمراوح على الإطلاق، مما ينقل العبء الحراري الكامل إلى البنية التحتية السائلة على مستوى المنشأة.

كما أوضح كبير مناصري وخبراء الذكاء الاصطناعي في Schneider Electric، ستيفن كارليني، في هذا المقال، فإن مراكز البيانات هي مباني ومرافق مادية تخزن البنية التحتية لتكنولوجيا المعلومات لتطبيقات وخدمات محددة ذات صلة. كما تعمل كمستودعات لتخزين وإدارة البيانات المرتبطة بهذه التطبيقات. من ناحية أخرى، مصانع الذكاء الاصطناعي هي مرافق تنتج مخرجات رقمية من مراكز البيانات.

تتولى مصانع الذكاء الاصطناعي إدارة دورة حياة الذكاء الاصطناعي بأكملها، بدءًا من تدريب النموذج وضبطه بدقة وصولاً إلى إجراء الاستدلال. ومع ازدياد اعتماد نماذج الذكاء الاصطناعي على التوجيه الذاتي، من المتوقع أن تعمل أحمال الاستدلال المحسّنة بشكل مستمر بناءً على البيانات الجديدة، مما ينتج عنه قيمة إضافية. في حين أن مراكز البيانات التقليدية لا تستطيع دعم كثافات الطاقة العالية هذه والمخرجات الحرارية الشديدة، فإن مصانع الذكاء الاصطناعي تستخدم تصميمات مرجعية مبتكرة لتلبية هذه المتطلبات التشغيلية.

تعمل التوائم الرقمية على تقليل المخاطر من خلال السماح للمشغلين بمحاكاة البنية التحتية والتحقق من صحتها على نموذج افتراضي للمنشأة قبل وأثناء النشر، وبشكل مستمر أثناء التشغيل. قبل البناء، يقومون بنمذجة الطاقة والتبريد وسلوك عبء العمل لاكتشاف عيوب التصميم مبكراً، والتي ستكون مكلفة للمعالجة بعد البناء (على سبيل المثال، التبريد غير الكافي أو القدرة الكهربائية المحدودة).

أثناء عملية النشر، تساعد التوائم الرقمية في مقارنة الخيارات مثل المباني الجاهزة مقابل المباني التقليدية باستخدام محاكاة أحمال العمل الحقيقية. بدلاً من اختيار التقنيات بناءً على جداول المواصفات، يمكن للفرق التحقق من السلوك الفعلي في ظل أحمال عمل الذكاء الاصطناعي المحاكاة قبل اتخاذ قرارات التثبيت النهائية. بمجرد تشغيلها، تستخدم التوائم الرقمية البيانات في الوقت الفعلي لمحاكاة تأثير التغيير المخطط له (على سبيل المثال، إضافة مجموعة جديدة من وحدات معالجة الرسومات أو إعادة توازن مناطق التبريد) قبل تنفيذه في بيئة الإنتاج. كما يمكنهم اكتشاف العلامات المبكرة للفشل، مما يمنح الفرق وقتاً كافياً للتدخل قبل انقطاع التدريب.

لا يمكن لمصانع الذكاء الاصطناعي تحمل فترات التوقف غير المخطط لها؛ إذ يمكن لعطل واحد أن يوقف عملية تدريب تستغرق عدة أسابيع. لم تعد نماذج الصيانة التقليدية القائمة على جداول زمنية ثابتة أو إصلاحات تفاعلية كافية. أفضل الممارسات هي الصيانة القائمة على الحالة (CBM)، والتي تستخدم البيانات في الوقت الفعلي لصيانة المعدات فقط عند الحاجة.

يطبق نموذج EcoCare من Schneider Electricهذا النهج من خلال المراقبة على مدار الساعة طوال أيام الأسبوع، والتحليلات المدعومة بالذكاء الاصطناعي، ودعم الخبراء. تتم مراقبة الأنظمة الكهربائية بشكل مستمر لإدارة أحمال الذروة على أنظمة الطاقة غير المنقطعة (UPS) ومعدات التبديل. من خلال التحول إلى الصيانة التنبؤية، يمكن للمشغلين منع الأعطال قبل حدوثها والحفاظ على التشغيل المستمر للبنية التحتية الحيوية للذكاء الاصطناعي.

لم تعد الاستدامة في مصانع الذكاء الاصطناعي تُقاس فقط باستهلاك الطاقة. مع تطور الصناعة، تركز المؤسسات بشكل متزايد على الرموز لكل واط لكل دولار، وهو مقياس يعكس كفاءة الطاقة والإنتاجية الاقتصادية للبنية التحتية للذكاء الاصطناعي. تساعد توزيع الطاقة المتقدم، والتبريد السائل، والأتمتة، وتقنيات التوأم الرقمي مصانع الذكاء الاصطناعي على توليد المزيد من مخرجات الذكاء الاصطناعي بموارد أقل، مما يقلل من تكاليف التشغيل والأثر البيئي. تساعد حلول البنية التحتية الشاملة من Schneider Electric العملاء على تحسين إنتاجية الذكاء الاصطناعي مع دعم أهداف الاستدامة الخاصة بهم.

اقرأ كيف تعيد الصناعة تعريف البنية التحتية المستدامة للذكاء الاصطناعي في هذا المقال من Data Center Dynamics (DCD)

تواجه مصانع الذكاء الاصطناعي عدة تحديات مع توسيع نطاق أحمال عمل تدريب واستنتاج الذكاء الاصطناعي. تشمل العقبات الرئيسية إدارة موارد الحوسبة ووحدات معالجة الرسومات الضخمة، والتعامل مع النمو الهائل للبيانات، وضمان الشبكات عالية السرعة، والتحكم في متطلبات الطاقة والتبريد. يجب على المؤسسات أيضًا معالجة الأمن السيبراني، وخصوصية البيانات، والامتثال التنظيمي، وارتفاع التكاليف التشغيلية. بالإضافة إلى ذلك، يمكن أن يكون تعظيم استخدام البنية التحتية مع الحفاظ على الأداء والموثوقية أمرًا معقدًا. لتحقيق النجاح، تتطلب مصانع الذكاء الاصطناعي بنية تحتية قابلة للتوسع وموفرة للطاقة وآمنة تمكن من ابتكار أسرع في مجال الذكاء الاصطناعي مع تحسين التكلفة والاستدامة.