مركز المصانع المدعومة بالذكاء الاصطناعي: بنية تحتية للذكاء الاصطناعي من الشبكة إلى الرقاقة ومن الرقاقة إلى المبرّد

المصنع المدعوم بالذكاء الاصطناعي عبارة عن منشأة مخصصة ومصممة لتعمل كمجموعة حوسبة واحدة كبيرة لتدريب نماذج الذكاء الاصطناعي ونشرها. على عكس مراكز البيانات التقليدية التي تدعم أحمال العمل المختلطة، تعمل المصانع المدعومة بالذكاء الاصطناعي على تحسين الأداء لتحقيق أقصى إنتاجية لوحدات معالجة الرسومات (GPU) على نطاق واسع. وكما يصفها جينسن هوانغ من شركة NVIDIA، تعمل هذه المرافق كأنها مصانع إنتاج: تدخل البيانات والعمليات الحسابية، وتخرج النماذج المدربة والنتائج.

كما هو مفصل في المستند التقني رقم 110 لشركة شنايدر إلكتريك: كيف تغير 6 سمات للذكاء الاصطناعي تصميم مراكز البيانات، إن الحجم الكبير واحتياجات الطاقة لهذه المجموعات من وحدات معالجة الرسومات، عند تدريب نماذج الذكاء الاصطناعي، تسحب ذروة الطاقة في وقت واحد. في حين أن مراكز البيانات التقليدية كانت تُصمم لتتحمل أحمالاً متوسطة ومتنوعة، فإن المصانع المدعومة بالذكاء الاصطناعي يجب أن تُصمم لتتحمل أحمال الذروة المتزامنة، وهو مطلب تصميمي كهربائي يختلف جذريًا ويؤثر على أنظمة الإمداد بالطاقة غير المنقطعة (UPS) والمفاتيح الكهربائية وربط شبكات المرافق العامة.

إن زيادة الطاقة الحرارية التصميمية (TDP) للحوسبة الحديثة للذكاء الاصطناعي تدفع كثافة الرفوف إلى ما يتجاوز 200 كيلوواط، متجاوزة بكثير الحدود الحرارية للتبريد الهوائي. كما هو موثق في المستند التقني رقم 133 لشركة شنايدر إلكتريك: عند اعتماد بنى التبريد السائل لمراكز البيانات مع أحمال عمل الذكاء الاصطناعي، يصبح التبريد السائل المباشر للرقاقة ضروريًا عند تجاوز 20-30 كيلوواط لكل رف تقريبًا. تتميز المياه بموصلية حرارية وسعة أعلى بكثير من الهواء، ما يجعلها أكثر كفاءة في تبديد الأحمال الحرارية عالية الكثافة. والأهم من ذلك، أن العديد من خوادم الذكاء الاصطناعي من الجيل الحالي تُطرح في الأسواق بدون أي مراوح على الإطلاق، ما يحول العبء الحراري بالكامل إلى البنية التحتية السائلة على مستوى المنشأة.

كما أوضح ستيفن كارليني، كبير المدافعين عن الذكاء الاصطناعي والخبير في شركة شنايدر إلكتريك، في هذا المقال، إن مراكز البيانات هي مبانٍ ومرافق مادية تُخزّن البنية التحتية لتكنولوجيا المعلومات من أجل استخدامات محددة وخدمات ذات صلة. كما أنها تعمل كمستودعات لتخزين وإدارة البيانات المرتبطة بهذه الاستخدامات. من ناحية أخرى، فإن مصانع الذكاء الاصطناعي هي منشآت 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. مع ازدياد قدرة نماذج الذكاء الاصطناعي على العمل بشكل مستقل، من المتوقع أن تعمل أحمال العمل الاستدلالية المُحسَّنة بشكل مستمر استنادًا إلى البيانات الجديدة، ما يولد قيمة إضافية. في حين أن مراكز البيانات التقليدية لا تستطيع تحمل هذه الكثافات العالية للطاقة والنواتج الحرارية المكثفة، فإن المصانع المدعومة بالذكاء الاصطناعي تستخدم تصميمات مرجعية مبتكرة لتلبية هذه المتطلبات التشغيلية.

تقلل التوائم الرقمية من المخاطر من خلال تمكين المشغلين من محاكاة البنية التحتية والتحقق من صلاحيتها على نموذج افتراضي للمنشأة قبل وفي أثناء النشر، وبشكل مستمر في أثناء التشغيل. قبل البدء في التصنيع، يقومون بوضع نماذج لسلوك أنظمة الطاقة والتبريد وأحمال العمل من أجل الكشف المبكر عن عيوب التصميم، التي قد يكون إصلاحها مكلفًا بعد الانتهاء من التصنيع (مثل أنظمة تبريد غير كافية أو سعة كهربائية محدودة).

في أثناء التنفيذ، تساعد التوائم الرقمية في مقارنة الخيارات، مثل حلول مُسبقة التجهيز مقابل البناء التقليدي، باستخدام محاكاة حقيقية لأحمال العمل. بدلاً من اختيار التقنيات بناءً على أوراق المواصفات، يمكن للفرق التحقق من الأداء الفعلي في ظل أحمال عمل محاكاة للذكاء الاصطناعي قبل اتخاذ القرارات النهائية بشأن التثبيت. بمجرد بدء التشغيل، تستخدم التوائم الرقمية البيانات في الوقت الفعلي لمحاكاة تأثير أي تغيير مخطط له (مثل إضافة مجموعة جديدة من وحدات معالجة الرسومات أو إعادة توزيع مناطق التبريد) قبل تنفيذه في بيئة الإنتاج. كما يمكنها اكتشاف العلامات المبكرة للأعطال، ما يمنح الفرق مهلة كافية للتدخل قبل أن تتوقف عملية التدريب.

لا يمكن للمصانع المدعومة بالذكاء الاصطناعي أن تتحمل أي توقف غير مخطط له؛ فعطل واحد قد يؤدي إلى توقف عملية تدريب تستغرق عدة أسابيع. لم تعد نماذج الصيانة التقليدية التي تعتمد على جداول زمنية ثابتة أو الإصلاحات التفاعلية كافية. أفضل الممارسات هي الصيانة بحسب الحالة (CBM)، والتي تستخدم البيانات في الوقت الفعلي لإجراء الصيانة للمعدات فقط عند الحاجة.

يطبق نموذجEcoCare من شنايدر إلكتريك هذا النهج من خلال المراقبة على مدار الساعة طوال أيام الأسبوع والتحليلات المدعومة بالذكاء الاصطناعي ودعم الخبراء. تتم مراقبة الأنظمة الكهربائية باستمرار لإدارة الأحمال القصوى على وحدات الإمداد بالطاقة غير المنقطعة (UPS) ومفاتيح التبديل. من خلال التحول إلى الصيانة التنبئية، يمكن للمشغلين منع حدوث الأعطال قبل وقوعها والحفاظ على التشغيل المستمر للبنية التحتية الحيوية للذكاء الاصطناعي.

لم يعد قياس الاستدامة في مصانع مدعومة بالذكاء الاصطناعي يعتمد فقط على استهلاك الطاقة. مع تطور الصناعة، تركز المؤسسات بشكل متزايد على الوحدات لكل واط لكل دولار، وهو مقياس يعكس كفاءة الطاقة والإنتاجية الاقتصادية للبنية التحتية للذكاء الاصطناعي. تساعد تقنيات توزيع الطاقة المتقدمة، والتبريد بالسوائل، والأتمتة، والتوائم الرقمية مصانع الذكاء الاصطناعي على توليد المزيد من مخرجات الذكاء الاصطناعي بموارد أقل، مما يقلّل من تكاليف التشغيل والأثر البيئي. تساعد حلول البنية التحتية الشاملة من شنايدر إلكتريك العملاء على تحسين إنتاجية الذكاء الاصطناعي مع دعم أهدافهم المتعلقة بالاستدامة.

اقرأ كيف تعيد الصناعة صياغة مفهوم البنية التحتية المستدامة للذكاء الاصطناعي في هذا المقال المنشور على منصة Data Center Dynamics (DCD).

تواجه مصانع الذكاء الاصطناعي العديد من التحديات في أثناء توسيع نطاق عمليات تدريب الذكاء الاصطناعي وأعباء العمل الاستدلالية. وتشمل العقبات الرئيسية إدارة موارد الحوسبة ووحدات معالجة الرسومات الضخمة، والتعامل مع النمو الهائل في البيانات، وضمان الشبكات عالية السرعة، والتحكم في متطلبات الطاقة والتبريد. يتعين على المؤسسات أيضًا معالجة الأمن السيبراني، وخصوصية البيانات، والامتثال التنظيمي، وارتفاع تكاليف التشغيل. بالإضافة إلى ذلك، فإن تحقيق أقصى استفادة من البنية التحتية مع الحفاظ على الأداء والموثوقية يمكن أن يكون أمرًا معقدًا. لكي تنجح مصانع الذكاء الاصطناعي، فإنها تتطلب بنية تحتية قابلة للتطوير وموفرة للطاقة وآمنة، مما يتيح ابتكارًا أسرع في مجال الذكاء الاصطناعي مع تحسين التكلفة والاستدامة.