معلومة مفيدة: مراكز بيانات الذكاء الاصطناعي أم مراكز البيانات التقليدية؟ – عندما تتحول البنية التحتية الرقمية إلى مصنع ذكاء اصطناعي كثيف الاستهلاك للطاقة – الصورة: Xpert.Digital
لماذا لم تعد مراكز البيانات التقليدية كافية لمواكبة طفرة الذكاء الاصطناعي؟
الكهرباء، والتدفئة، والشبكات: عندما يصبح مركز البيانات مصنعًا حقيقيًا للذكاء الاصطناعي
مراكز بيانات الذكاء الاصطناعي: الصناعة الثقيلة الجديدة للاقتصاد الرقمي
لا يقتصر تأثير الذكاء الاصطناعي على إحداث ثورة في تطوير البرمجيات فحسب، بل يفرض أيضًا تحديات غير مسبوقة على العالم المادي للبنية التحتية الرقمية. فبينما لطالما شكلت مراكز البيانات التقليدية العمود الفقري الموثوق وغير المرئي لخدمات الحوسبة السحابية والبريد الإلكتروني وأنظمة تخطيط موارد المؤسسات، فإن صعود الذكاء الاصطناعي التوليدي يستلزم بنية صناعية جديدة كليًا. لم تعد مراكز بيانات الذكاء الاصطناعي مجرد مزارع خوادم تقليدية، بل أصبحت مصانع حوسبة عالية الكثافة. وبفضل متطلباتها الهائلة لإمدادات الطاقة، وقدرات الخوادم التي تتجاوز أحيانًا 100 كيلوواط، وأنظمة التبريد السائل المبتكرة، والشبكات الداخلية فائقة السرعة، فإنها تدفع حدود بنية تكنولوجيا المعلومات التقليدية إلى آفاق جديدة. تقدم هذه المقالة تحليلًا معمقًا للحدود التقنية والاقتصادية الفاصلة بين البنية التحتية السحابية التقليدية ومجموعات الذكاء الاصطناعي الحديثة، ولماذا أصبحت الطاقة هي العائق الاستراتيجي الأكبر، وما يجب على الشركات والمشغلين والبلديات مراعاته عند التخطيط للمستقبل الرقمي.
لا يحتاج الذكاء الاصطناعي إلى برامج فحسب، بل يحتاج أيضاً إلى بنية تحتية صناعية جديدة
لطالما اعتُبرت مراكز البيانات الركيزة الأساسية غير المرئية للتحول الرقمي. فقد حافظت على استمرارية أنظمة البريد الإلكتروني، وقواعد البيانات، وبرامج المؤسسات، والمواقع الإلكترونية، ومعاملات الدفع، والتخزين السحابي. وفي الخطاب العام، كانت تُصوَّر غالبًا على أنها مبانٍ آمنة تقنيًا تضم صفوفًا من الخوادم، ومصادر طاقة احتياطية، وتكييف هواء. ورغم أن هذه الصورة لا تزال دقيقة، إلا أنها لم تعد تعكس التطورات الحالية بشكل كافٍ.
مع توسع نطاق الذكاء الاصطناعي التوليدي، يتغير دور البنية التحتية للحوسبة. لم تعد القدرة الرقمية تعني مجرد توفير التطبيقات بشكل موثوق، بل أصبحت مورداً صناعياً مركزاً بشكل متزايد. تقوم رقائق المعالجة المتسارعة بإجراء العمليات الحسابية في وقت واحد وبأعداد كبيرة، وتصل وصلات الطاقة إلى أبعاد الأنظمة كثيفة الاستهلاك للطاقة، وأصبحت تقنية التبريد معياراً أساسياً في التصميم، وتحدد الشبكات الداخلية عالية الأداء ما إذا كانت الأجهزة باهظة الثمن تعمل بكفاءة أم تنتظر البيانات.
لذا، يُعد مركز بيانات الذكاء الاصطناعي في جوهره مركز بيانات، ولكنه يختلف اختلافًا كبيرًا عن مراكز بيانات المؤسسات التقليدية، أو مراكز الاستضافة المشتركة، أو مراكز البيانات السحابية، وذلك نظرًا لكثافة الحوسبة العالية للغاية فيه، والأجهزة المستخدمة، وما يترتب على ذلك من متطلبات للطاقة والتبريد وبنية الشبكة. فهو ليس مجرد موقع تقليدي مزود ببضع بطاقات رسومات عالية الأداء، بل إن منطقه التقني والاقتصادي مصمم خصيصًا لأحمال العمل الحاسوبية المُحسّنة للذكاء الاصطناعي.
يُعدّ هذا التمييز بالغ الأهمية للشركات والمشغلين وموردي الطاقة والبلديات والمستثمرين. فهو يُحدد اتصالات الشبكة، والتراخيص، وتكاليف الإنشاء والتمويل، وتكامل التدفئة، ونماذج الإيرادات المحتملة، والقدرة التنافسية على المدى الطويل. إنّ من ينظر إلى جميع مراكز البيانات على أنها بنية تحتية متجانسة يتجاهل التداعيات الاقتصادية لتطوير الذكاء الاصطناعي.
تُعد مراكز البيانات الأساس غير المرئي للاقتصاد الرقمي
تُعدّ مراكز البيانات ضروريةً في أي مكانٍ يتطلب تخزين كمياتٍ هائلةٍ من البيانات، أو معالجتها، أو نقلها، أو إتاحتها بشكلٍ دائم. فهي تُشكّل الأساس المادي لخدمات الحوسبة السحابية، والمواقع الإلكترونية، والذكاء الاصطناعي، وبرامج المؤسسات، والعديد من الخدمات الرقمية العامة. وحتى عندما يتحدث المستخدمون عن "السحابة"، فإنهم في نهاية المطاف يصلون إلى خوادم حقيقية، وأنظمة تخزين، ومصادر طاقة، وتقنية شبكات، وأنظمة تبريد في مركز بيانات واحد أو أكثر.
يجمع مركز البيانات بين أنظمة تكنولوجيا المعلومات والبنية التحتية اللازمة لتشغيلها. ويشمل ذلك الخوادم، ومنصات التخزين، ومكونات الشبكة، ووحدات تزويد الطاقة غير المنقطعة، وأنظمة الطاقة الاحتياطية، والمحولات، وأنظمة التبريد، وأنظمة مكافحة الحرائق والتحكم في الدخول، ووصلات الألياف الضوئية عالية الأداء. ويهدف إلى توفير البيانات والتطبيقات بشكل موثوق وآمن وبأداء محدد.
يُعدّ مصطلح "مركز البيانات" مصطلحًا عامًا في البداية، فهو يصف شكلًا احترافيًا للبنية التحتية الرقمية، ولكنه لا يُحدد نوع التطبيقات التي تُشغّل فيه. يمكن أن يضمّ الموقع أنظمة تكنولوجيا المعلومات التقليدية للمؤسسات، أو خدمات البث المباشر، أو الإدارة العامة، أو البحث العلمي، أو الخدمات السحابية، أو التطبيقات الصناعية الرقمية، أو مجموعات الذكاء الاصطناعي. ويُحدّد عبء العمل السائد والتصميم التقني الناتج عنه فقط ما إذا كان ينبغي الإشارة إليه كمركز بيانات عام، أو مركز بيانات سحابي، أو مرفق استضافة مشتركة، أو مركز بيانات عالي الأداء، أو مركز بيانات للذكاء الاصطناعي.
من الحوسبة السحابية والإنتاج إلى الإدارة العامة: حيث لا غنى عن مراكز البيانات
تخدم مراكز البيانات قطاعاتٍ وعملياتٍ تجاريةً متنوعة. تتطلب بعض التطبيقات في المقام الأول تخزينًا آمنًا وتوافرًا مستمرًا، بينما تتطلب تطبيقات أخرى سرعات نقل بيانات عالية، ونطاقات تردد واسعة، وزمن استجابة منخفض، أو قدرة حاسوبية استثنائية. هذا التنوع مهم لأنه يُظهر أن الذكاء الاصطناعي يُعدّ استخدامًا متناميًا، ولكنه ليس الاستخدام الوحيد لمراكز البيانات.
| منطقة | ما هي مراكز البيانات المطلوبة تحديدًا؟ |
|---|---|
| الحوسبة السحابية وتكنولوجيا المعلومات المؤسسية | تشغيل أنظمة تخطيط موارد المؤسسات (ERP) وإدارة علاقات العملاء (CRM) والبريد الإلكتروني وإدارة المستندات وقواعد البيانات ومساحات العمل الافتراضية وخدمات الأمن والنسخ الاحتياطية |
| الذكاء الاصطناعي | تدريب وتشغيل النماذج، والتعرف على الصور والكلام، والذكاء الاصطناعي التوليدي، والمحاكاة، ورؤية الحاسوب، والتحليلات المكثفة للبيانات |
| المواقع الإلكترونية ووسائل الإعلام الرقمية | استضافة المواقع الإلكترونية، والمتاجر الإلكترونية، ومحركات البحث، وأنظمة إدارة المحتوى، والتطبيقات، ومنصات الإعلان، وتوصيل المحتوى |
| تواصل | البريد الإلكتروني، والرسائل الفورية، ومؤتمرات الفيديو، والشبكات الاجتماعية، وهاتف VoIP، وخدمات الهاتف المحمول والإنترنت |
| البث المباشر والألعاب | توصيل الفيديو والموسيقى والبث المباشر والألعاب عبر الإنترنت بتوافر عالٍ وبأقل تأخير ممكن |
| البنوك وشركات التأمين | الخدمات المصرفية عبر الإنترنت، ومعاملات الدفع، وتداول الأسهم، وكشف الاحتيال، وحسابات المخاطر، والتخزين الآمن لبيانات العملاء الحساسة |
| التجارة والتجارة الإلكترونية | عمليات المتجر، ومعالجة الطلبات، والدفع، والمخزون، والتخصيص، ومراقبة الأسعار، ومنع الاحتيال، وبيانات الخدمات اللوجستية |
| صناعة | التحكم في الإنتاج ومراقبته، والصيانة التنبؤية، وتحليل الجودة، والتوائم الرقمية، والروبوتات، وتطبيقات الثورة الصناعية الرابعة |
| الخدمات اللوجستية والتنقل | تخطيط المسارات، وتتبع الشحنات، وأتمتة المستودعات، وإدارة الأساطيل، والتحكم المروري، والمركبات المتصلة، والأنظمة ذاتية القيادة |
| الرعاية الصحية | السجلات الطبية الإلكترونية، وبيانات الصور من فحوصات الرنين المغناطيسي والتصوير المقطعي المحوسب، والطب عن بعد، والبحوث السريرية، وتكنولوجيا المعلومات في المستشفيات، والتشخيص المدعوم بالذكاء الاصطناعي |
| الدولة والإدارة | بوابات المواطنين، والسجلات، وإدارة الضرائب والضمان الاجتماعي، وأنظمة العدالة، والسلطات الأمنية، والهويات الرقمية، والخدمات البلدية |
| البحث العلمي | الحوسبة عالية الأداء لنماذج المناخ والطقس، وبحوث المواد، والطب، وعلم الجينوم، والسفر إلى الفضاء، والمحاكاة التقنية |
| الطاقة والإمدادات | التحكم في الشبكة، والعدادات الذكية، والتنبؤات الخاصة بالإنتاج والاستهلاك، ومراقبة المحطات، وإدارة الأزمات والأعطال |
تُبيّن هذه النظرة العامة مدى اتساع نطاق خلق القيمة الرقمية. يتطلب نظام الخدمات المصرفية عبر الإنترنت في المقام الأول بنية تحتية عالية التوفر والأمان وقادرة على إجراء المعاملات. تحتاج منصة الفيديو إلى قدرات توصيل هائلة عبر نقاط شبكة متعددة. يتطلب التنبؤ بالطقس أو محاكاة المواد حوسبة عالية الأداء. يتطلب خط الإنتاج معالجة سريعة للبيانات بالتزامن الوثيق مع الآلات وأجهزة الاستشعار. من ناحية أخرى، يتطلب نموذج لغوي ضخم عددًا كبيرًا من رقائق التسريع المترابطة بإحكام وبنية طاقة وتبريد فائقة الكثافة.
لهذا السبب تحديدًا، لا يصبح مركز البيانات مركز بيانات للذكاء الاصطناعي بمجرد تقديم تطبيقات ذكاء اصطناعي فردية أو تشغيل عدد قليل من خوادم وحدات معالجة الرسومات. فقط عندما تكون مكوناته المادية، وإمدادات الطاقة، والتبريد، والشبكات الداخلية، ونموذج أعماله موجهة بشكل أساسي نحو الأحمال المُحسّنة للذكاء الاصطناعي، يصبح مؤهلًا كبنية تحتية متخصصة في الذكاء الاصطناعي.
الصناعة والخدمات اللوجستية والواقع الممتد: حيث تُولّد قوة الحوسبة قيمة مضافة بشكل مباشر
في قطاعي الصناعة والخدمات اللوجستية، لم تعد القدرة الحاسوبية مجرد وظيفة داعمة للإدارة، بل باتت تؤثر بشكل مباشر على جودة الإنتاج، وقدرة التسليم، ومستويات المخزون، وفترات التوريد، واستهلاك الطاقة، وعمليات الخدمة. وتبرز أهميتها الاقتصادية بشكل أساسي عند معالجة البيانات من العالم المادي في الوقت الفعلي وترجمتها إلى قرارات تشغيلية.
تُنتج الآلات وأجهزة الاستشعار والكاميرات وأنظمة التحكم بياناتٍ باستمرار. ويمكن استخدام هذه البيانات لتحديد مخاطر التوقف عن العمل مبكرًا، وتحسين فترات الصيانة، وتصوير انحرافات الجودة، أو خفض استهلاك الطاقة. وتُعد الصيانة التنبؤية مثالًا نموذجيًا على ذلك. لا ينصب التركيز على العطل نفسه، بل على الكشف المبكر عن الأنماط التي تُشير إلى عيبٍ مُحتمل. وكلما كانت جودة البيانات وقوة الحوسبة والتكامل مع عملية الصيانة أكثر توافقًا، زادت احتمالية ترجمة التحليل الفني إلى فائدة اقتصادية.
في مجال الخدمات اللوجستية، تربط أنظمة تخطيط موارد المؤسسات (ERP) وإدارة المستودعات وإدارة النقل الموردين والمستودعات وشركات الشحن والعملاء ومواقع الإنتاج. وتتولى هذه الأنظمة معالجة المخزون والطلبات ومواعيد التسليم والمسارات والقدرات والاستثناءات. وعند دمج هذه البيانات مع التوقعات المدعومة بالذكاء الاصطناعي، تستطيع الشركات التنبؤ بشكل أفضل باتجاهات الطلب، وتوظيف الموارد بكفاءة أكبر، واكتشاف الاضطرابات في وقت مبكر. وبذلك، لا تقتصر قوة الحوسبة على دعم الإدارة فحسب، بل تصبح جزءًا لا يتجزأ من التحكم التشغيلي.
تُوسّع تقنية رؤية الحاسوب هذا المبدأ. إذ تكشف الكاميرات عن عيوب الجودة، وتعدّ الأشياء، وتفحص العبوات، وتقرأ الملصقات، أو تراقب المناطق الأمنية. ويمكن تدريب الذكاء الاصطناعي اللازم مركزياً، بينما يتم التقييم محلياً أو في مركز بيانات إقليمي. خاصةً في خطوط الإنتاج عالية السرعة، يُعدّ كل جزء من الثانية بالغ الأهمية. فإذا لم يُكتشف الخطأ إلا بعد عدة ثوانٍ، فقد تتأثر دفعة الإنتاج بأكملها.
تكتسب تطبيقات الواقع الممتد (XR) أهمية متزايدة. فتدريب الواقع الافتراضي والواقع المعزز، والدعم عن بُعد، وتخطيط المصانع الافتراضية، والتوائم الرقمية، كلها تتطلب بيانات ونماذج ثلاثية الأبعاد وأداءً رسوميًا عاليًا، وغالبًا اتصالًا شبكيًا ممتازًا. وهذا يُظهر أن مراكز البيانات لا تقتصر وظيفتها على تخزين البيانات فحسب، بل تتعداها لتشمل رسم خرائط العمليات الواقعية ومحاكاتها والتأثير فيها بشكل متزايد. ولذلك، تُصبح البنية التحتية الحاسوبية الموثوقة والمتكاملة بشكل آمن عاملًا تنافسيًا رئيسيًا لشبكات الإنتاج والشراكات الدولية.
بالنسبة للتطبيقات التي تتطلب استجابة فورية، غالبًا ما يكون مركز البيانات البعيد غير كافٍ. فالتصنيع الشبكي، والمركبات ذاتية القيادة، والأنظمة الطبية، وإدارة المرور الذكية، وبعض تطبيقات المدن الذكية، كلها تتطلب استجابات فورية دون أي تأخير ملحوظ. وهنا تبرز أهمية الحوسبة الطرفية، حيث يتم نقل قوة الحوسبة إلى مواقع توليد البيانات واتخاذ القرارات: سواءً في المصنع، أو المستودع، أو المستشفى، أو برج الاتصالات، أو مركز البيانات الإقليمي.
الحوسبة السحابية ليست مكاناً: نظرة عامة على نماذج التشغيل وأنواع البنية التحتية
لا تُعدّ الحوسبة السحابية فضاءً مجرداً. فخدمات الحوسبة السحابية تعمل أيضاً في مراكز البيانات، غالباً في مرافق ضخمة تابعة لمشغلي منصات دولية، أو في مراكز بيانات مشتركة حيث تستأجر الشركات مساحة خوادم خاصة بها. لا يكمن الاختلاف في وجود البنية التحتية المادية من عدمه، بل في الجهة التي تُشغّلها، ومن يملك الأجهزة، وكيفية توفير الموارد، ومن تقع عليه مسؤولية التشغيل والأمن.
في مركز البيانات المحلي، تدير الشركة بنيتها التحتية لتكنولوجيا المعلومات في مقرها أو على أرضها الخاصة. يُعد هذا النموذج مفيدًا عند وجود متطلبات أمنية أو امتثال أو زمن استجابة محددة، أو عندما يكون المرفق متكاملًا بشكل وثيق مع عمليات الإنتاج والتشغيل. مع ذلك، يتطلب هذا النموذج كوادر متخصصة، ورأس مال، وصيانة، وتخطيطًا لقطع الغيار، واستراتيجية فعّالة للتعافي من الأعطال.
يعني التجميع أن تمتلك الشركة أجهزتها الخاصة، لكنها تستضيفها في مركز بيانات مُدار باحترافية. يوفر المشغل الكهرباء والتبريد وأمن المبنى واتصال الشبكة. يُعد هذا النموذج جذابًا للشركات التي ترغب في الاحتفاظ بالسيطرة على أنظمتها، لكنها لا ترغب في تشغيل مبنى عالي التوفر بأنظمة طاقة وتبريد خاصة به.
توفر السحابة الخاصة موارد تقنية معلومات مخصصة أو حصرية إلى حد كبير لشركة أو مؤسسة. ويمكن تشغيلها داخليًا، أو لدى مزود خدمة، أو في بيئة استضافة مشتركة. في المقابل، تشير السحابة العامة إلى موارد تقنية معلومات قابلة للحجز بمرونة، مثل قوة الحوسبة، والتخزين، وقواعد البيانات، ومنصات التحليلات، أو خدمات الذكاء الاصطناعي. في هذه الحالة، يتشارك العديد من العملاء بنية تحتية ضخمة، مع تحقيق الفصل المنطقي من خلال البرامج، وحقوق الوصول، وآليات الأمان.
تُكمّل مراكز البيانات الطرفية وأنظمة الحوسبة الطرفية هذه النماذج. فهي أصغر حجمًا، وأقرب جغرافيًا، ومُصممة لمعالجة البيانات بسرعة. ولا تكمن ميزتها في قابلية التوسع القصوى، بل في زمن الاستجابة المنخفض، ومسارات البيانات الأقصر، والتكامل الأفضل مع العمليات الفيزيائية. ولذلك، تستخدم العديد من البنى الحديثة تركيبات هجينة: خدمات قياسية تعمل في السحابة العامة، وبيانات حساسة أو أنظمة أساسية في بيئات خاصة، وأحمال تدريب الذكاء الاصطناعي عالية الكثافة في مجموعات وحدات معالجة رسومية متخصصة، وقرارات تشغيلية سريعة على الحافة.
لا تستخدم شركة الهندسة الميكانيكية مركز بيانات، بل تستخدم محفظة بنية تحتية
نادراً ما يحتاج مصنّع الآلات الحديث إلى نوع واحد فقط من قدرات الحوسبة. يمكن تشغيل مواقع الويب، وتوليد العملاء المحتملين في مجال الأعمال، وأتمتة التسويق، وبوابات قطع الغيار، وأدوات التعاون بكفاءة اقتصادية في بيئة الحوسبة السحابية. في المقابل، تتطلب بيانات تخطيط موارد المؤسسات (ERP)، وبيانات التصميم بمساعدة الحاسوب/إدارة دورة حياة المنتج (CAD/PLM)، ووثائق التصميم، وبيانات المبيعات، معايير أعلى من حيث التوافر، والصلاحيات، والتكامل، والأمان. ويمكن تشغيل هذه البيانات في سحابة خاصة، أو في مرافق استضافة مشتركة، أو في مركز بيانات الشركة نفسه.
تُضيف عملية الإنتاج متطلبات إضافية. فمراقبة الجودة باستخدام الكاميرات، ومراقبة الآلات، وتنسيق الروبوتات، والتحليل السريع للعمليات، قد تستلزم معالجة البيانات محليًا في المصنع. ويمكن تدريب نموذج ذكاء اصطناعي للكشف عن عيوب الأسطح مركزيًا على سحابة معالجة رسومية. مع ذلك، في العمليات اليومية، يُجرى الاستدلال مباشرةً على خط الإنتاج أو في نظام طرفي محلي، لأن اتخاذ القرار سيكون متأخرًا جدًا إذا نُقلت الصور أولًا إلى مركز بيانات بعيد.
يوضح هذا المثال تطورًا جوهريًا: لم تعد الشركات تختار ببساطة بين بنيتها التحتية لتكنولوجيا المعلومات والحوسبة السحابية، بل باتت تبني محفظة متكاملة من البنى التحتية. ويستند التخصيص الأمثل على معايير مثل زمن الاستجابة، وحساسية البيانات، وقابلية التوسع، والتكلفة، والتوافر، وجهد التكامل، والمتطلبات التنظيمية. أما بالنسبة للشركات ذات الفروع الدولية، فتُعدّ موثوقية اتصالات البيانات، والاختصاصات القانونية المعمول بها، وإمكانية معالجة البيانات عبر الحدود، وكفاءة استمرار عمل الأنظمة أثناء انقطاع الشبكة، عوامل بالغة الأهمية.
تم تصميم مراكز البيانات التقليدية لأحمال رقمية مختلفة
تُصمَّم مراكز البيانات التقليدية عادةً لتشغيل العديد من الخدمات الرقمية المختلفة بكفاءة عالية، مثل البريد الإلكتروني، وقواعد البيانات، وأنظمة تخطيط موارد المؤسسات، ومواقع الويب، والخوادم الافتراضية، والنسخ الاحتياطية، وتطبيقات الأعمال. ويُعدّ التوازن بين التوافر، والتخزين، وأداء الشبكة، والأمان، والفعالية من حيث التكلفة أمراً بالغ الأهمية.
تتبع هذه الأنظمة منطق التنوع، حيث تُشغّل عادةً تطبيقات منفصلة متعددة ذات مواصفات تقنية مختلفة. بعضها يتطلب مساحة تخزين كبيرة، مثل أنظمة النسخ الاحتياطي والأرشيفات وبيانات الفيديو. بينما تحتاج أنظمة أخرى إلى قواعد بيانات سريعة لإجراء المعاملات. وتتطلب تطبيقات أخرى اتصالات شبكية مستقرة، وأداءً جيدًا لوحدة المعالجة المركزية، وتوافرًا عاليًا. إضافةً إلى ذلك، توجد خوادم افتراضية، وبيئات بريد إلكتروني، وتطبيقات ويب، ومنصات أمان، وبيئات تطوير، وخدمات اتصالات.
تتألف التقنية الأساسية النموذجية من خوادم وحدة المعالجة المركزية، ومنصات التخزين، ومكونات الشبكة، وجدران الحماية، وبرامج المحاكاة الافتراضية. ومن أهم ميزاتها القدرة على توزيع الموارد بمرونة. إذ يسعى المشغلون إلى خدمة مختلف العملاء والأقسام والتطبيقات في آنٍ واحد، وعزل الأحمال عن بعضها، وتوسيع السعة حسب الحاجة. ومن الناحية الاقتصادية، يُعدّ التوازن بين استغلال المساحة، وكفاءة الطاقة، وجودة الخدمة، والتكرار، وتكلفة كل جهاز افتراضي، أو قاعدة بيانات، أو معاملة، أو تيرابايت من التخزين، أمراً بالغ الأهمية.
يتراوح استهلاك الطاقة لكل رف في العديد من البيئات التقليدية عادةً بين 5 و15 كيلوواط. ومع ذلك، قد تتطلب مراكز البيانات السحابية أو مراكز البيانات المشتركة الكبيرة طاقة كهربائية إجمالية كبيرة. ويكمن الاختلاف في أن هذه الطاقة غالبًا ما تُوزَّع على العديد من الرفوف والأنظمة المختلفة. لذلك، تظل أنظمة التبريد الهوائي، والممرات الساخنة والباردة، ومفاهيم تبريد الغرف التقليدية عملية في كثير من الحالات.
يتأثر التخطيط بشكل كبير بتوافر الموارد. تُصمم مصادر الطاقة، ووصلات الشبكة، وأنظمة التبريد بأنظمة احتياطية لضمان عدم انقطاع الخدمة تلقائيًا في حال تعطل أي من المكونات. وتُعدّ أنظمة التحكم في الوصول، والحماية من الحرائق، وجودة الطاقة، والاتصال بالألياف الضوئية من أهم ميزات الجودة. وبالتالي، يُشبه مركز البيانات النموذجي مبنىً صناعيًا متعدد الاستخدامات: إذ يجب أن يكون قادرًا على استيعاب العديد من العمليات المختلفة بكفاءة عالية دون أن يكون مُصممًا بالكامل لإجراء واحد.
تضغط مراكز بيانات الذكاء الاصطناعي الكهرباء وقوة الحوسبة والحرارة في مساحة صغيرة جدًا
في المقابل، تُصمَّم مراكز بيانات الذكاء الاصطناعي خصيصًا للحوسبة المتوازية الضخمة. فهي تُجري تدريب نماذج لغوية ضخمة، وتقنيات الذكاء الاصطناعي للصور والفيديوهات، والمحاكاة، والحسابات العلمية، والاستدلال على نطاق واسع. ولتحقيق ذلك، تتطلب هذه المراكز أعدادًا كبيرة من رقائق المعالجة المترابطة بإحكام، وعادةً ما تكون وحدات معالجة رسومية (GPUs)، وأحيانًا رقائق ذكاء اصطناعي متخصصة.
لا يُعدّ خادم وحدة معالجة رسومية واحدة مركز بيانات للذكاء الاصطناعي. يتحقق الأداء ذو الجدوى التجارية عند ربط العديد من وحدات المعالجة الرسومية في مجموعة مترابطة بإحكام. ولتدريب النماذج، يجب أن تتبادل هذه الوحدات البيانات والنتائج الوسيطة باستمرار. إذا كان الاتصال الداخلي بطيئًا للغاية، تنتظر وحدات المعالجة الرسومية بعضها بعضًا، مما يقلل من استغلالها ويجعل الأجهزة باهظة الثمن غير منتجة. في مجموعات الذكاء الاصطناعي، تصبح الشبكة جزءًا لا يتجزأ من جهاز الحوسبة. ويُحدد عرض النطاق الترددي وزمن الاستجابة وبنية الشبكة والبرامج المناسبة للحوسبة المتوازية الأداء القابل للاستخدام التجاري بشكل مباشر.
تختلف كثافة الطاقة اختلافًا كبيرًا أيضًا. فبينما تعمل مراكز البيانات التقليدية عادةً بما يتراوح بين 5 و15 كيلوواط لكل رف، تتراوح كثافة الطاقة في رفوف الذكاء الاصطناعي الحديثة غالبًا بين 50 و100 كيلوواط أو أكثر. وقد تصل كثافة الطاقة في أنظمة التيار الكهربائي عالية الطاقة إلى ما يقارب 120 إلى 140 كيلوواط لكل رف. هذه القيم ليست نموذجية لكل مشروع ذكاء اصطناعي، لكنها توضح أن البنية التحتية التقنية قد تغيرت جذريًا مقارنةً بأحمال تكنولوجيا المعلومات التقليدية.
تتحول كل كيلوواط ساعة مستهلكة في نهاية المطاف إلى حرارة بشكل شبه كامل. يعمل رف الذكاء الاصطناعي عالي الكثافة حراريًا كمصدر حرارة كبير في مساحة صغيرة جدًا. ولذلك، غالبًا ما يكون التبريد بالهواء النقي غير كافٍ أو لا يمكن تحقيقه إلا بتكاليف باهظة. لذا، تزداد أهمية التبريد السائل المباشر للرقائق، وألواح التبريد، والرفوف المبردة بالماء، والمبادلات الحرارية الخلفية، وفي حالات خاصة، التبريد بالغمر. لم يعد التبريد يُعتبر تقنية ثانوية في المباني، بل أصبح جزءًا لا يتجزأ من تصميم تكنولوجيا المعلومات والمواقع.
بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات
بُعد جديد للتحول الرقمي مع "الذكاء الاصطناعي المُدار" - منصة وحلول B2B | إكسبرت للاستشارات - الصورة: Xpert.Digital
ستتعلم هنا كيف يمكن لشركتك تطبيق حلول الذكاء الاصطناعي المخصصة بسرعة وأمان ودون عوائق دخول عالية.
تُعدّ منصة الذكاء الاصطناعي المُدارة حلاً شاملاً ومريحاً لمشاكل الذكاء الاصطناعي. فبدلاً من التعامل مع التكنولوجيا المعقدة والبنية التحتية المكلفة وعمليات التطوير المطولة، ستحصل على حل جاهز مصمم خصيصاً لتلبية احتياجاتك من شريك متخصص، غالباً في غضون أيام قليلة فقط.
المزايا الرئيسية باختصار:
⚡ تنفيذ سريع: من الفكرة إلى التطبيق الجاهز للاستخدام في أيام، وليس شهورًا. نقدم حلولًا عملية تُحقق قيمة مضافة فورية.
🔒 أقصى درجات أمان البيانات: بياناتك الحساسة تبقى معك. نضمن معالجة آمنة ومتوافقة مع الأنظمة دون مشاركة البيانات مع أي جهات خارجية.
💸 لا مخاطر مالية: أنت تدفع فقط مقابل النتائج. يتم التخلص تماماً من الاستثمارات الأولية الكبيرة في الأجهزة أو البرامج أو الموظفين.
🎯 ركّز على جوهر عملك: انصبّ اهتمامك على ما تُجيده. نحن نتولّى جميع جوانب التنفيذ التقني والتشغيل والصيانة لحلول الذكاء الاصطناعي الخاصة بك.
📈 حلول مستقبلية وقابلة للتطوير: يتطور نظام الذكاء الاصطناعي الخاص بك معك. نضمن التحسين المستمر وقابلية التوسع، ونقوم بتكييف النماذج بمرونة مع المتطلبات الجديدة.
للمزيد من المعلومات، انقر هنا:
من غرف الخوادم إلى مصانع الذكاء الاصطناعي: مراكز البيانات التقليدية مقابل مراكز بيانات الذكاء الاصطناعي - أهم الاختلافات في مقارنة مباشرة
مقارنة مباشرة بين مراكز البيانات التقليدية ومراكز بيانات الذكاء الاصطناعي
تتضح الفروقات بشكلٍ جليّ عند المقارنة المباشرة بين المهام النموذجية، والأجهزة، وكثافة الأداء، وإدارة الأعمال. يوضح الجدول التكوينات المثالية والنموذجية. عمليًا، توجد العديد من الأشكال الهجينة، لا سيما بين مزودي خدمات الحوسبة السحابية ومراكز البيانات الكبيرة.
| ميزة | مركز البيانات التقليدي | مركز الحوسبة بالذكاء الاصطناعي |
|---|---|---|
| المهام النموذجية | أنظمة تخطيط موارد المؤسسات (ERP)، وإدارة علاقات العملاء (CRM)، والبريد الإلكتروني، والمواقع الإلكترونية، وقواعد البيانات، والتخزين، والنسخ الاحتياطية، والافتراضية | تدريب نماذج الذكاء الاصطناعي، والاستدلال، ورؤية الحاسوب، والذكاء الاصطناعي التوليدي، والمحاكاة، والحوسبة عالية الأداء |
| الأجهزة السائدة | خوادم وحدة المعالجة المركزية، وخوادم التخزين وقواعد البيانات، وتقنية الشبكات العامة | مجموعات وحدات معالجة الرسومات ومسرعات الذكاء الاصطناعي، بالإضافة إلى وحدات المعالجة المركزية والذاكرة فائقة السرعة والشبكات عالية الأداء |
| مبدأ الحساب | العديد من التطبيقات المنفصلة والآلات الافتراضية ذات الأحجام المختلفة | كميات كبيرة من عمليات الحوسبة المتوازية، غالباً عبر العديد من وحدات معالجة الرسومات المتصلة بشبكة وثيقة |
| كثافة الطاقة في الرف | تتراوح القدرة عادةً بين 5 و 15 كيلوواط لكل رف | غالباً ما تتراوح قدرتها بين 50 و 100 كيلوواط أو أكثر؛ وتصل قدرة وحدات الذكاء الاصطناعي ذات التيار القوي بشكل خاص أحياناً إلى حوالي 120 إلى 140 كيلوواط |
| تبريد | يعتمد التبريد في الغالب على الهواء بالإضافة إلى احتواء الممرات الباردة والساخنة | يتم استخدام التبريد السائل بشكل متزايد مباشرة على الشريحة، أو مبادلات حرارية خلفية، أو التبريد بالغمر |
| شبكة | مهم لوصول المستخدم، وحركة البيانات، والوصول إلى التخزين، واتصال النظام | يتميز هذا النظام بنطاق ترددي عالٍ للغاية وزمن استجابة منخفض للغاية بين وحدات معالجة الرسومات، وذلك لأن المعلمات والنتائج الوسيطة يتم تبادلها باستمرار |
| معايير البناء والموقع | توفير مصدر طاقة احتياطي، والأمان، والاتصال، والتوافر، والاستخدام الأمثل للمساحة | بالإضافة إلى ذلك، يتميز بمصدر طاقة عالي الكفاءة، وتبديد حرارة عالي، ودوائر تبريد مناسبة، وقدرة تحمل عالية، وقابلية توسيع معيارية، وأوقات تنفيذ قصيرة |
| مؤشر اقتصادي | التكلفة لكل خادم، أو وحدة تخزين، أو جهاز افتراضي، أو معاملة، أو تيرابايت | التكلفة لكل ساعة تشغيل وحدة معالجة الرسومات، أو عملية تدريب، أو رمز مميز، أو استنتاج النموذج، أو قوة الحوسبة القابلة للاستخدام في الذكاء الاصطناعي |
توضح المقارنة جلياً: لا يكمن الاختلاف الرئيسي في نوع الخوادم المُثبّتة فحسب، بل في تزايد المتطلبات. يجب على مركز البيانات التقليدي دمج أحمال العمل المتنوعة للغاية لتقنية المعلومات بكفاءة عالية. أما مركز بيانات الذكاء الاصطناعي، فيجب عليه إدارة أكبر عدد ممكن من المعالجات المُسرّعة تحت ضغط عالٍ مستمر، مع الحفاظ على إنتاجيتها في آن واحد. وهذا بدوره يزيد من متطلبات الطاقة، وتبديد الحرارة، والشبكات الداخلية، والمشتريات، والتشغيل، والتمويل، جميعها في آن واحد.
لماذا تتطلب مجموعات الذكاء الاصطناعي الكثير من الطاقة والتبريد ونقل البيانات؟
يتعامل الخادم التقليدي مع العديد من الطلبات المتغيرة باستمرار: استعلام قاعدة بيانات، بريد إلكتروني، زيارة موقع ويب، حجز، أو الوصول إلى ملف. ورغم أهمية هذه المهام للعمليات التجارية، إلا أنها لا تُعرّض الأجهزة عادةً لأقصى حمل معالجة مستمر. وقد صُممت البنية التحتية لتحقيق الموثوقية والتنوع وكفاءة تخصيص الموارد.
على النقيض من ذلك، يتطلب تدريب نموذج ذكاء اصطناعي ضخم آلاف وحدات معالجة الرسومات (GPUs) للعمل في وقت واحد وتحت ضغط عالٍ لفترات طويلة. تُجري كل وحدة معالجة رسومات عددًا كبيرًا من العمليات الحسابية، وخاصة حسابات المصفوفات. بعد ذلك، يجب مزامنة النتائج بين جميع وحدات المعالجة. لذا، فإن تدريب النموذج ليس مجرد مسألة تتعلق بقوة الحوسبة للرقائق الفردية، بل هو جهد منسق يشمل المكونات المادية والشبكية والذاكرة والبرمجيات ومصدر الطاقة.
يُؤدي هذا إلى ثلاث معوقات رئيسية. أولها الطاقة. تستهلك خوادم الذكاء الاصطناعي والوحدات عالية الكثافة طاقة كهربائية أكبر بكثير من الخوادم العادية. لا يكفي توفير هذه الطاقة فحسب، بل يجب أيضًا توزيعها بشكل مستمر، مع وجود أنظمة احتياطية، واستقرار، وتركيزها مكانيًا حتى الوحدات. قد يصبح اتصال الشبكة الكافي لتقنية المعلومات التقليدية عاملًا مُحددًا بسرعة لمجموعة كبيرة من وحدات معالجة الرسومات.
تُعدّ الحرارة العائق الثاني. فكل كيلوواط ساعة مُستهلكة تقريبًا تتحول إلى حرارة. في خوادم الذكاء الاصطناعي عالية الكثافة، لم يعد التبريد الهوائي قادرًا على تبديد هذه الحرارة بكفاءة أو موثوقية. لذا، لم يعد التبريد السائل ميزة اختيارية لرفع الكفاءة، بل أصبح العامل التقني الأساسي لتحقيق كثافة حوسبة عالية. فهو يُغيّر أنظمة الأنابيب، وتقنية المضخات، والمبادلات الحرارية، ومفاهيم التكرار، وتقنية المبنى بأكملها.
تتمثل العقبة الثالثة في حركة البيانات. فإذا لم تتواصل وحدات معالجة الرسومات (GPUs) فيما بينها بالسرعة الكافية، فإنها ستنتظر بعضها بعضًا. وهذا يؤدي إلى ضعف استغلال هذه الأجهزة باهظة الثمن، على الرغم من وجودها المادي واستهلاكها للطاقة. لذا، تُعدّ الاتصالات فائقة السرعة ومنخفضة زمن الاستجابة بين الخوادم أمرًا بالغ الأهمية بالنسبة لمجموعات الذكاء الاصطناعي الكبيرة. ومن الناحية الاقتصادية، لا يقتصر الأمر على زيادة تكاليف الاستثمار فحسب، بل يُبرز أيضًا أهمية الإدارة الاحترافية للعمليات.
كانت التوجيهات التخطيطية السابقة لمراكز البيانات المزودة بوحدات معالجة الرسومات (GPU) تتوقع بالفعل متطلبات أداء وتبريد أعلى بكثير من تلك الموجودة في بيئات الخوادم التقليدية. حتى مع استهلاك طاقة يتراوح بين 15 و32 كيلوواط لكل رف، كانت مفاهيم التبريد المتقدمة وإمدادات الطاقة ضرورية؛ ومع تصميمات تتراوح بين 30 و50 كيلوواط، اتجه التخطيط بشكل متزايد نحو بنية تحتية عالية الكثافة. تتجاوز مجموعات الذكاء الاصطناعي الحالية هذه المتطلبات أحيانًا بشكل كبير. وبالتالي، فإن الاتجاه واضح: لا تنمو القدرة الحاسوبية جغرافيًا فحسب، بل تتزايد أيضًا في جزر الطاقة المركزة.
عندما يُعتبر مركز البيانات موضوعياً مركز بيانات للذكاء الاصطناعي
لا يوجد معيار عالمي موحد وملزم قانونًا يُؤهل موقعًا ما تلقائيًا ليكون مركز بيانات للذكاء الاصطناعي. فوجود وحدات معالجة رسومية فردية، أو عدد محدد من الخوادم، أو استهلاك طاقة محدد، أو تسويق منتج ذكاء اصطناعي، لا يكفي بحد ذاته. عمليًا، تُستخدم مصطلحات مختلفة: مركز بيانات الذكاء الاصطناعي، مركز بيانات وحدات معالجة الرسوميات، سحابة وحدات معالجة الرسوميات، مركز بيانات الحوسبة المُسرّعة، مركز الحوسبة عالية الأداء/الذكاء الاصطناعي، أو مصنع الذكاء الاصطناعي.
لا تُصنّف هذه المصطلحات ضمن فئات المباني المحمية بشكل موحد، بل تصف مجالات تركيز مختلفة. فمركز الحوسبة عالية الأداء (HPC) قادر على إجراء عمليات محاكاة علمية، ونماذج مناخية، وأبحاث في مجال المواد، وفي الوقت نفسه، يُعدّ مناسبًا لتطبيقات الذكاء الاصطناعي. أما سحابة وحدات معالجة الرسومات (GPU) فتُسوّق بشكل أساسي لقدرات التسريع. بينما يُعبّر مصنع الذكاء الاصطناعي بشكل أدق عن منطق خلق القيمة الصناعية، حيث تُحوّل الطاقة والبيانات والأجهزة والبرامج إلى نماذج مُدرّبة أو أداء استدلالي. في المقابل، قد يحتوي مركز بيانات السحابة التقليدي على مناطق لوحدات معالجة الرسومات دون أن يُعتبر مركز بيانات للذكاء الاصطناعي بشكل عام.
لذا، يُعدّ التصنيف الوظيفي هو الأكثر موضوعية. ينبغي تصنيف مركز البيانات كمركز بيانات للذكاء الاصطناعي إذا كانت تطبيقات الذكاء الاصطناعي أو تطبيقات الحوسبة عالية الأداء ذات الصلة الوثيقة تُحدّد بنيته الأساسية، وتخطيط استثماراته، واستخدامه الاقتصادي. فالمهم ليس التصنيف التسويقي، بل تركيز الموقع.
يمكن استخدام خمسة معايير لتحديد ذلك. أولاً، يجب أن تشكل أجهزة التسريع، مثل وحدات معالجة الرسومات أو رقائق الذكاء الاصطناعي الأخرى، جزءًا كبيرًا من سعة الحوسبة وحجم الاستثمار. ثانيًا، يجب تصميم البنية التحتية للعمل ضمن مجموعات حاسوبية وللاتصال فائق السرعة بين العديد من وحدات التسريع. ثالثًا، يجب أن يدعم التصميم الكهربائي كثافة طاقة عالية ومُركزة محليًا. رابعًا، يشير مفهوم التبريد السائل القياسي أو نظام تبديد حرارة متخصص مماثل بوضوح إلى التركيز على الذكاء الاصطناعي أو الحوسبة عالية الأداء. خامسًا، يجب أن يركز نموذج العمل بشكل أساسي على ساعات تشغيل وحدات معالجة الرسومات، وسعة التدريب، وأداء الاستدلال، وتشغيل النماذج، أو خدمات منصة الذكاء الاصطناعي.
إذا تحققت هذه المعايير في مناطق محددة فقط، فمن المرجح أن يكون مركز بيانات عامًا مزودًا بقدرات الذكاء الاصطناعي. أما إذا كانت هذه المعايير تشمل الموقع بأكمله، فيُعدّ وصف "مركز بيانات الذكاء الاصطناعي" مناسبًا. وينطبق هذا أيضًا إذا استمر جزء من المساحة في احتواء معدات تكنولوجيا المعلومات التقليدية. العامل الحاسم هو حجم العمل الذي يحدد التوسع، وهيكل الطاقة، والتبريد، والجدوى الاقتصادية.
لا يبرر كل تطبيق للذكاء الاصطناعي وجود بنية تحتية مخصصة له
يُعدّ هذا التمييز بالغ الأهمية للشركات الصغيرة والمتوسطة. فليس من الضروري أن تمتلك الشركة مركز بيانات خاصًا بها للذكاء الاصطناعي لمجرد استخدامها لبرامج الدردشة الآلية، أو تصنيف المستندات، أو التنبؤ بالمبيعات، أو تحليل الصور، أو أنظمة المساعدة التوليدية. إذ يُمكن تنفيذ العديد من التطبيقات بكفاءة اقتصادية باستخدام الذكاء الاصطناعي السحابي، أو سعة وحدات معالجة الرسومات الخارجية، أو خوادم متخصصة فردية.
يصبح امتلاك أجهزة الذكاء الاصطناعي الخاصة بك أكثر جاذبية عندما تتطلب الحاجة بقاء البيانات الحساسة داخل المؤسسة، أو عند وجود استخدام عالٍ ومستمر، أو عند الحاجة إلى زمن استجابة منخفض للغاية، أو عند الحاجة إلى تدريب وتشغيل نماذج داخلية واسعة النطاق. كما تؤثر المتطلبات التنظيمية، والبنية التحتية الحالية لتكنولوجيا المعلومات، والخبرة التشغيلية، والتكاليف طويلة الأجل على القرار. لا توجد إجابة واحدة تناسب الجميع.
وبالتالي، يمكن للشركات الصناعية الاستفادة من بنية هجينة. يتم تدريب نموذج شامل مركزياً في سحابة معالجة رسومية أو مركز بيانات متخصص بالذكاء الاصطناعي. أما عمليات فحص الجودة السريع، والتحكم في الروبوتات، وتحليل الآلات، فتُنفذ محلياً في المصنع عبر أنظمة طرفية. ويمكن تشغيل برامج المؤسسة، وتخزين البيانات، والتعاون في بيئات الحوسبة السحابية التقليدية أو بيئات مراكز البيانات المشتركة.
لذا، فإن النهج الأمثل للأعمال ليس: بنية تحتية داخلية للذكاء الاصطناعي أو بنية تحتية خارجية. السؤال الصحيح هو: ما هي المهمة الحسابية التي يجب معالجتها وأين لتحقيق توازن فعّال بين زمن الاستجابة، وحماية البيانات، وقابلية التوسع، والتكاليف، والتوافر، والتعقيد التشغيلي؟
تتحول الكهرباء من مورد تشغيلي إلى عنق زجاجة استراتيجي
يكمن الفرق الأهم من الناحية الاقتصادية بين مراكز البيانات التقليدية ومراكز البيانات المتخصصة في الذكاء الاصطناعي في استهلاك الكهرباء. تُعدّ الطاقة عاملاً رئيسياً في تكلفة أي مركز بيانات، إلا أنها في مراكز بيانات الذكاء الاصطناعي قد تُصبح العامل الحاسم الذي يُحدّ من قابلية التوسع. فالطلب لا ينمو باستمرار فحسب، بل ينمو أيضاً بقفزات هائلة بمجرد تركيب مجموعات جديدة من وحدات معالجة الرسومات (GPU).
يحتاج المشغل أولاً إلى سعة ربط كافية بالشبكة. ويجب توفير هذه السعة بشكل موثوق للموقع عبر خطوط الجهد العالي، والمحطات الفرعية، والمحولات، ومفاتيح التوزيع، وأنظمة التوزيع الداخلية. علاوة على ذلك، يجب التخطيط لأنظمة احتياطية، ومصادر طاقة احتياطية، وأنماط الأحمال، وخيارات التوسع. لذلك، بالنسبة لمشاريع الذكاء الاصطناعي الكبيرة، لا يُعدّ توفر الكهرباء حاليًا هو السؤال الوحيد المهم، بل العامل الحاسم هو متى يمكن توفير سعة إضافية بشكل موثوق، وتحت أي ظروف طويلة الأجل يمكن التنبؤ بها.
يُغيّر هذا الأمر بشكلٍ كبير منطق اختيار الموقع. لم يعد توفر سهولة الوصول إلى الطرق السريعة، والمساحات التجارية المتاحة، ووصلات الألياف الضوئية كافيًا. بل الأهم هو توفر سعة الشبكة، والقرب من محطات التحويل عالية الأداء، ومواعيد التوصيل الواقعية، وخيارات التبريد المناسبة، وجدوى الحصول على التراخيص، واستراتيجية تسعير الطاقة الفعّالة. قد تكون قطعة أرض جاهزة للبناء، ولكن بدون إمداد كافٍ بالكهرباء، عديمة القيمة عمليًا لمجمع الذكاء الاصطناعي.
تواجه المناطق فرصًا وأهدافًا متضاربة. فالشبكات عالية الأداء والبنية التحتية للطاقة الصناعية قادرة على جذب استثمارات جديدة وخبرات وقيمة رقمية مضافة. في الوقت نفسه، تستنزف المشاريع الضخمة جزءًا كبيرًا من سعة الشبكة. لذا، يتعين على البلديات ومشغلي الشبكات وصناع السياسات النظر في كيفية تفاعل مراكز البيانات مع التطورات الصناعية، وبناء المساكن، والتنقل الكهربائي، ومضخات الحرارة، ومشاريع الكهرباء الأخرى. لا يكمن السؤال في أهمية البنية التحتية الرقمية، بل في المعايير التي يتم بموجبها تخصيص سعة الشبكة المحدودة وتوسيعها.
يحدد التبريد والحرارة المهدرة مدى القبول والجدوى الاقتصادية
بالنسبة لمراكز بيانات الذكاء الاصطناعي، لا يُعد التبريد مجرد تفصيل تقني، بل يؤثر على تصميم المبنى، وتكاليف الاستثمار، وكفاءة الطاقة، واستراتيجية المياه، وموثوقية التشغيل، وإمكانية التكامل مع شبكات التدفئة المحلية. وكلما زادت كثافة الطاقة في البنية التحتية لتكنولوجيا المعلومات، ازداد تأثير تبديد الحرارة كعامل مُحدد.
يُمكن للتبريد السائل تبديد الحرارة بكفاءة أعلى من التبريد الهوائي وحده عند كثافة الخوادم العالية. مع ذلك، يتطلب ذلك تخطيطًا شاملًا بدءًا من الرقائق الإلكترونية مرورًا بالخوادم والرفوف وصولًا إلى المضخات والمبادلات الحرارية وأنظمة التبريد الخارجية. يُمكن تحديث المباني القائمة، لكن قد يكون ذلك محدودًا أو مكلفًا نظرًا لمصادر الطاقة، وتصميم المخططات، وقدرة تحمل الأحمال، وشبكة الأنابيب، وتقنية التبريد الحالية. أما المباني الجديدة التي تُركز على الذكاء الاصطناعي، فيُمكن تصميمها منذ البداية لكثافة عالية ودوائر تبريد سائل متكاملة.
يمكن أن تصبح الحرارة المهدرة ذات أهمية اقتصادية واجتماعية. إذ يمكن استخدامها، على سبيل المثال، في شبكات التدفئة المركزية، والمناطق الصناعية، وحمامات السباحة، أو غيرها من المستهلكين القريبين. مع ذلك، لا يحدث هذا تلقائيًا. يجب توليد الحرارة محليًا، ورفع درجة حرارتها إلى المستوى المناسب باستخدام تقنيات ملائمة، وتوقيتها لتلبية الطلب، وتسويقها بشكل موثوق عبر خطوط الأنابيب والعقود. وبدون مستهلكين وبنية تحتية ونموذج عمل قابل للتطبيق، تبقى الحرارة المهدرة في المقام الأول منتجًا ثانويًا تقنيًا.
يمكن للاستخدام الأمثل للحرارة، إذا ما تم التخطيط له بعناية، أن يُحسّن توازن الطاقة والأداء العام للموقع. كما يُمكن أن يُدرّ دخلاً إضافياً، ويعزز قبول المجتمع، ويُسهّل الحصول على التراخيص. مع ذلك، فإن الوعود العامة غير كافية. تشمل العوامل الحاسمة مصادر الحرارة المحددة، ودرجات الحرارة، والمستهلكين، والاستثمارات، والمسؤوليات، والعقود طويلة الأجل.
تختلف بنية الاستثمار والمخاطر في البنية التحتية للذكاء الاصطناعي
تُعدّ مراكز البيانات بطبيعتها مشاريع بنية تحتية كثيفة رأس المال. فالأرض والمباني وإمدادات الطاقة وأنظمة النسخ الاحتياطي والأمن والألياف الضوئية والتبريد، جميعها تتطلب استثمارات أولية ضخمة. وتزيد مراكز بيانات الذكاء الاصطناعي من كثافة رأس المال هذه، لأن أجهزة التسريع باهظة الثمن وقد تصبح قديمة أسرع بكثير من المباني أو اتصالات الشبكة.
يتألف الاستثمار من جزأين مختلفين تمامًا. تشمل البنية التحتية طويلة الأمد المباني، والمحطات الفرعية، وأنظمة توزيع الطاقة، وكابلات الألياف الضوئية، وأنظمة التبريد. تُستخدم هذه الأصول لفترات طويلة. في المقابل، تتبع وحدات معالجة الرسومات، ومكونات الشبكة، وأجيال التخزين والخوادم، وحزم البرامج اللازمة، دورات تكنولوجية أقصر. يمكن للمسرعات الجديدة أن توفر أداءً أفضل بكثير، أو سعة تخزين أكبر، أو كفاءة طاقة محسّنة. بينما تظل الأنظمة القديمة فعّالة، إلا أنها قد تفقد قدرتها التنافسية مع تحوّل العملاء لأحمال عملهم إلى أجهزة أحدث.
يُعدّ هذا الاختلاف جوهريًا للتمويل. فمعالجة البنية التحتية للمباني طويلة الأمد ومعدات تكنولوجيا المعلومات سريعة التقادم ضمن حساب شامل للعائد على الاستثمار قد يؤدي إلى سوء تقدير المخاطر. لذا، يحتاج مشروع الذكاء الاصطناعي إلى استراتيجية تحديث واضحة: ما هي الأجهزة التي سيتم استبدالها ومتى؟ ما هي القيم المتبقية الواقعية؟ ما مدى مرونة المبنى في التكيف مع الأجيال القادمة؟ كيف يمكننا منع نظام مصمم خصيصًا لبنية خادم معينة من أن يصبح غير مرن للغاية عند تغير التكنولوجيا؟
يُعدّ الاستخدام عاملاً رئيسياً آخر. لا تُدرّ مجموعة وحدات معالجة الرسومات (GPU) إيرادات مجزية إلا إذا استُخدمت باستمرار. يُعدّ وقت الخمول مكلفاً نظراً لاستمرار تكاليف الاستهلاك والتمويل وإمدادات الطاقة والصيانة والتشغيل. يمكن تحقيق أسعار مرتفعة خلال فترات محدودية توفر وحدات معالجة الرسومات. مع ذلك، مع زيادة العرض أو تحوّل الطلب من التدريب إلى الاستدلال الأكثر كفاءة، قد يرتفع ضغط الأسعار بشكل ملحوظ. لذا، على المدى البعيد، ليس بالضرورة أن تفوز المشاريع الأكبر حجماً، بل المشغلون الذين يتمتعون بإمكانية الوصول إلى أجهزة جيدة، وطاقة بأسعار تنافسية، وولاء العملاء، ومنصة برمجية مناسبة، وتسويق مرن.
يتطلب التدريب والاستدلال والحوسبة الطرفية مواقع مختلفة
يُخفي مصطلح "مركز بيانات الذكاء الاصطناعي" حقيقة أن أحمال عمل الذكاء الاصطناعي نفسها تختلف اختلافًا كبيرًا. فتدريب النماذج الكبيرة يتطلب موارد حاسوبية هائلة، ويستفيد من مجموعات وحدات معالجة الرسومات الضخمة والمترابطة بإحكام، ويمكن تركيزها في مواقع قليلة عالية الأداء. في هذه المهام، يُعد توفر الطاقة والشبكات الداخلية وإمكانية الوصول إلى الأجهزة والتبريد أكثر أهمية من القرب المباشر من المستخدم النهائي.
الاستدلال، أي استخدام نموذج مُدرَّب للإجابة على الاستفسارات أو التعرف على الأنماط، له خصائص مختلفة. ويمكن إجراؤه مركزياً في مراكز بيانات ضخمة. مع ذلك، بالنسبة للتطبيقات الحساسة للوقت، يُعدّ قرب النظام من المستخدم أو مصدر البيانات أمراً بالغ الأهمية. فالمساعد الصوتي، أو استعلام البحث، أو التوصيات الشخصية لا تتحمل إلا تأخيرات محدودة. أما تطبيقات فحص الصور الصناعية، والتحكم في الروبوتات، وأنظمة المساعدة الطبية، وبعض تطبيقات المرور، فهي أكثر حساسية.
لذا، تُكمّل الحوسبة الطرفية مراكز بيانات الذكاء الاصطناعي المركزية بدلاً من أن تحل محلها. يُمكن تدريب نموذج في مجموعة كبيرة من حواسيب الذكاء الاصطناعي، ثم نشره بشكل مُضغوط في المصانع، أو مراكز الخدمات اللوجستية، أو المستشفيات، أو مراكز البيانات الإقليمية. هناك، يُعالج البيانات بالقرب من مصدرها قدر الإمكان. هذا يُقلل زمن الاستجابة، ويُوفر سعة النقل، ويُمكنه دعم متطلبات حماية البيانات ومرونتها.
يُشكّل هذا تحديًا واضحًا أمام الشركات في مجال التصميم. فليس كل تطبيق للذكاء الاصطناعي يستدعي بنية تحتية عالية الأداء خاصة به. غالبًا ما يكون استخدام بنية هجينة خيارًا مناسبًا: حيث تُجرى عمليات التدريب والتجارب واسعة النطاق عبر سحابات وحدات معالجة الرسومات الخارجية أو مراكز بيانات متخصصة بالذكاء الاصطناعي. أما تكنولوجيا المعلومات القياسية وتخزين البيانات فيعملان في بيئات سحابية أو مراكز بيانات مشتركة قائمة. وتُجرى عمليات المعالجة الحساسة للوقت أو المتعلقة بالإنتاج أو الحساسة للغاية محليًا أو إقليميًا على الحافة.
إن السيادة الرقمية أكثر من مجرد موقع في ألمانيا
غالباً ما ترتبط مراكز بيانات الذكاء الاصطناعي بالسيادة الرقمية. ويُعدّ الموقع الفعلي في ألمانيا أو الاتحاد الأوروبي عنصراً هاماً في هذا الصدد، إذ يُمكن أن يُوفّر مزايا من حيث حماية البيانات، وإنفاذ القوانين، وتقليل زمن الاستجابة، وضمان أمن الإمداد. مع ذلك، لا يُعدّ هذا دليلاً قاطعاً على السيادة.
تشمل السيادة أيضًا الملكية، وسيطرة المشغل، وحقوق الوصول، والاختصاص القضائي، وسلاسل التوريد، والاعتماد على البرمجيات، والموظفين المهرة، وتوافر المكونات الأساسية. قد يقع مجمع خوادم في أوروبا، ومع ذلك يظل يعتمد بشكل كبير على موردي الأجهزة ومنصات الحوسبة السحابية وأنظمة البرمجيات من خارج أوروبا. في المقابل، يمكن لمشغل دولي توفير قدرة محلية ذات قيمة تشغيلية وقانونية للعملاء الأوروبيين.
لذا، لا ينبغي للاستراتيجية المجدية اقتصاديًا أن تسعى إلى الاكتفاء الذاتي الكامل، بل يجب أن تُرسّخ قدرة تشغيلية متينة، تشمل: الوصول إلى قوة الحوسبة، وخيارات شراء متعددة، وتدفقات بيانات شفافة، وعقود موثوقة، وبيانات ونماذج قابلة للنقل، وسلاسل إمداد مرنة، وخبرة تشغيلية داخلية كافية. بالنسبة للشركات الصغيرة والمتوسطة والقطاع الصناعي، يعني هذا مقارنة عوامل أخرى إلى جانب السعر وجودة النموذج عند اختيار خدمات الذكاء الاصطناعي. فموقع البيانات، وإمكانية تصديرها، والحقوق التعاقدية، وخيارات التبديل، وأنماط الأعطال، وقدرات التكامل مع العمليات القائمة، كلها عوامل لا تقل أهمية.
لا يزال السوق هجينًا، لكن الموارد النادرة تتغير
يُعدّ إجراء مقارنة بين مراكز البيانات التقليدية ومراكز البيانات التي تعتمد على الذكاء الاصطناعي أمرًا ضروريًا، ولكن لا ينبغي أن يُوحي ذلك بظهور سوقين منفصلين تمامًا. سيُخطط معظم المشغلين المحترفين مواقعهم على أنها هجينة. سيظلون بحاجة إلى مساحة لخدمات الحوسبة السحابية التقليدية، والتخزين، وقواعد البيانات، ومنصات الاتصال، وأجهزة العملاء. وفي الوقت نفسه، سيتم إنشاء مناطق عالية الكثافة لمجموعات وحدات معالجة الرسومات، وأنظمة التبريد السائل، والشبكات الداخلية فائقة الأداء.
بالنسبة للمباني الجديدة، يعني هذا مرونة أكبر في التخطيط الأساسي. ويمكن أن تحدد المساحات الاحتياطية، وتوزيع الطاقة القابل للتوسع، ودوائر التبريد المثبتة مسبقًا، وقدرات تحمل الأحمال العالية للأرضيات، والقاعات المعيارية، الجدوى الاقتصادية لاحقًا. أما المواقع القائمة، فيمكن تحديثها إلى حد ما، لكنها تصل إلى حدودها القصوى من حيث اتصالات الشبكة، وتصميم الأرضيات، وارتفاعات الأسقف، وتقنية التبريد، وقدرة تحمل الأحمال. ولن يكون كل مركز بيانات تقليدي مجديًا اقتصاديًا كموقع للذكاء الاصطناعي.
إن المورد الاستراتيجي النادر في المستقبل ليس مجرد خادم عادي، ولا مجرد مساحة تخزين عادية. بل ما سيشهد نقصًا في الطاقة المُسرّعة القابلة للاستخدام بكفاءة، ووصلات الطاقة عالية الأداء، وبنية التبريد المناسبة، والشبكات فائقة السرعة. ولا يمكن توفير هذه المكونات بسرعة في كل مكان، بل يتطلب الأمر تخطيطًا طويل الأجل، ورأس مال، وخبرة فنية، وشراكات متينة بين المشغلين، ومزودي الطاقة، وموردي الأجهزة، والبلديات، والعملاء.
الخلاصة واضحة: لا تزال مراكز البيانات التقليدية الركيزة الأساسية للاقتصاد الرقمي برمته. تستند مراكز بيانات الذكاء الاصطناعي إلى هذه الركيزة، لكنها تمثل امتدادًا متخصصًا، يستهلك كميات هائلة من الطاقة ورأس المال. لا يصبح موقع ما مركز بيانات للذكاء الاصطناعي لمجرد استخدام الذكاء الاصطناعي فيه، بل يصبح كذلك عندما تُحدد بنيته ومنطق استثماره بمجموعات مُسرّعات مُحسّنة للذكاء الاصطناعي، وكثافة طاقة عالية، وأنظمة تبريد متخصصة، وشبكات عالية الأداء، وهدف تجاري يركز على قوة الحوسبة في مجال الذكاء الاصطناعي.
يحوّل هذا الأمر البنية التحتية الرقمية إلى مجال جديد في السياسة الصناعية. لا يكمن السؤال المحوري في ما إذا كان كل مركز بيانات سيتمتع بقدرات الذكاء الاصطناعي في المستقبل، بل في تحديد مصادر الموارد الشحيحة اللازمة لبنية تحتية عالية الأداء للذكاء الاصطناعي، ومن سيتحكم بها، وكيف سيتم دمجها بكفاءة في استهلاك الطاقة، وما هي القيمة الاقتصادية الحقيقية التي ستعود على الشركات والمناطق.
📈🚀 من الشفافية إلى الثقة 👀🤝 مسارك القابل للتوسع مع Xpert.Digital
من الشفافية إلى الثقة: مسارك القابل للتوسع مع Xpert.Digital - الصورة: Xpert.Digital
في مجال الأعمال الصناعية بين الشركات، نادراً ما تنشأ علاقات تجارية مستدامة بين عشية وضحاها. بل تتطور تدريجياً من خلال الشفافية، والأهمية المهنية، والتواصل المستمر، وبناء الثقة المتنامية. ويُعالج نموذج Xpert.Digital ذو المراحل الأربع هذا الأمر تحديداً: فهو يُقدم مساراً منظماً يبدأ بنقطة دخول سهلة، ويمكن تطويره إلى تعاون أعمق في تنمية الأعمال عند الحاجة.
بدلاً من الاعتماد على وعود تسويقية براقة، يضع هذا النموذج العلاقة في صميم اهتمامه. تبدأ الشركات بمقاييس محددة بوضوح وسهلة الحساب، ثم تقرر، بناءً على خبرتها، مدى رغبتها في توسيع نطاق التعاون. ومن العوامل الرئيسية في هذه العملية السلسة لبناء الثقة: أن المنصة تتجنب تماماً الإعلانات المزعجة، بحيث يبقى التركيز التحريري منصباً بالكامل على خبرة الشركات.
للمزيد من المعلومات، انقر هنا:
شريكك العالمي في التسويق وتطوير الأعمال
☑️ لغة أعمالنا هي الإنجليزية أو الألمانية
☑️ جديد: مراسلات بلغتك الأم!
Konrad Wolfenstein
يسعدني أنا وفريقي أن نكون متاحين لكم بصفتنا مستشاركم الشخصي.
يمكنكم التواصل معي عبر ملء نموذج الاتصال هنا wolfenstein@xpert.digital:أو الاتصال بي مباشرةً على الرقم +49 7348 4088 965. عنوان بريدي الإلكتروني هو
أتطلع إلى مشروعنا المشترك.
