
چگونه کاهش ۴۵ درصدی هزینههای کلاود میتواند آینده استارتاپها را متحول کند؟
چرا مهم است؟
مدل جدید آنتروپیک نهتنها باهوشتر و انسانیتر است، بلکه هزینههای پردازش را تا ۴۵ درصد کاهش میدهد؛ گامی بزرگ برای دسترسی عمومی.

۴۵درجه سانتیگراد
دمای کار سرورهاسرورهای طراحی روبین تا ۱۱۳ درجه فارنهایت (۴۵ درجه سلسیوس) کار میکنند؛ دمایی بالاتر از الگوی معمول.
۲.۶میلیون گالن
مصرف آب متعارفسامانههای مبتنی بر برج خنککننده میتوانند برای هر مگاوات در سال حدود ۲.۶ میلیون گالن آب مصرف کنند؛ معادل حدود ۹.۸ میلیون لیتر.
۱۰۰درصد
کاهش ادعاشده آبانویدیا میگوید طراحی مرجع روبین در بهترین حالت میتواند مصرف آب برای خنککاری را تا نزدیک ۱۰۰ درصد کاهش دهد.
آب به مسئله محلی تبدیل شده است: برای ساکنان شهرهایی که میزبان دیتاسنتر میشوند، مصرف آب یک نمودار دوردست نیست؛ میتواند بر منابع محدود منطقه فشار بیاورد. اگر خنکسازی مایع واقعاً مصرف آب را کم کند، مخالفت عمومی با پروژههای هوش مصنوعی در مناطق خشک یا کمآب ممکن است بخشی از مهمترین دلیل خود را از دست بدهد.
هوش مصنوعی باید بهرهورتر شود: افزایش ظرفیت هوش مصنوعی بدون بهبود زیرساخت، فقط برق و آب بیشتری میبلعد. طراحیهایی مانند روبین تلاش میکنند رشد مدلها را از رشد هماندازه مصرف منابع جدا کنند. این جداسازی برای ادامه توسعه خدمات هوش مصنوعی حیاتی است، زیرا جامعه و دولتها بهتدریج از شرکتها حسابکشی زیستمحیطی بیشتری میخواهند.
ادعاها باید کامل سنجیده شوند: کاهش مصرف آب یک دستاورد مهم است، اما نباید جای بحث درباره برق، هزینه ساخت و انتشارهای ناشی از تولید انرژی را بگیرد. ممکن است دیتاسنتری آب کمتری مصرف کند، اما همچنان بار زیادی به شبکه برق وارد کند. سنجش پایداری واقعی، دیدن تمام چرخه عمر پروژه است، نه فقط یک شاخص جذاب.
دیتاسنترهای هوش مصنوعی معمولاً به دو چیز تشنهاند: برق و آب. هرچه تراشهها بیشتر کار کنند، گرمای بیشتری تولید میکنند و خنککردن این گرما اغلب آب فراوان میخواهد. انویدیا حالا پیشنهاد عجیبی مطرح کرده است: بهجای اینکه سرورها را هرچه خنکتر نگه داریم، اجازه دهیم داغتر کار کنند تا در نهایت آب بسیار کمتری مصرف شود. طراحی مرجع نسل روبین (Rubin) بر همین منطق بنا شده و به گفته شرکت، میتواند مصرف آب خنککاری را به نزدیک صفر برساند.
کلید این ادعا، خنکسازی کاملاً مایع (Liquid Cooling) است. بهجای آنکه هوا در اطراف سرورها بچرخد و گرما را به برجهای خنککننده منتقل کند، گرما مستقیماً در محل تراشه گرفته و از طریق حلقههای مایع جابهجا میشود. این حلقهها در دمای بالاتر کار میکنند و به خنککنندههای خشک بیرونی اجازه میدهند در بخش زیادی از سال گرما را با اتکای کمتر به آب دفع کنند. سرورهای این طراحی تا ۱۱۳ درجه فارنهایت (۴۵ درجه سلسیوس) کار میکنند؛ دمایی که شاید برای انسان ناراحتکننده باشد، اما برای زیرساختی که درست طراحی شده، میتواند به معنای بهرهوری بیشتر باشد.
جاش پارکر (Josh Parker)، مدیر پایداری انویدیا، میگوید این روش مصرف آب را از حدود ۲.۶ میلیون گالن در سال برای هر مگاوات ظرفیت در سامانههای متعارف برج خنککننده، به نزدیک صفر میرساند. آن ۲.۶ میلیون گالن معادل حدود ۹.۸ میلیون لیتر آب است؛ رقمی که نشان میدهد چرا جوامع محلی نزدیک دیتاسنترها نگراناند. انویدیا کاهش تا نزدیک ۱۰۰ درصدی مصرف آب را مطرح میکند، هرچند این ادعا به شرایط اقلیمی، شیوه اجرای پروژه و مرز دقیق محاسبه مصرف وابسته است.
ایده کارکرد در دمای بالاتر تازه نیست. آمازون نیز اخیراً تحمل گرمای بیشتر را بخشی از راهبرد افزایش بهرهوری دیتاسنترهای عمدتاً هواخنک خود معرفی کرده بود. تفاوت روبین در این است که انویدیا میخواهد خنکسازی مایع را به الگوی غالب بدل کند و میگوید همه ارائهدهندگان ابری و اپراتورهای دیتاسنتری که برای این نسل میسازند، در حال گذار به این مدلاند.
بااینحال، کمشدن مصرف آب به معنای پایان مسئله زیستمحیطی هوش مصنوعی نیست. این طراحی درباره آب موردنیاز برجهای خنککننده حرف میزند، نه همه هزینههای ساخت یک دیتاسنتر عظیم، برق موردنیاز برای راهاندازی آن یا منبع تولید آن برق. انویدیا همچنین هزینه ساخت چنین زیرساختی را در مقایسه با دیتاسنتری با خنکسازی هوایی توضیح نداده است. بنابراین وعده روبین جذاب است، اما بیشتر شبیه کمکردن یک قطعه بزرگ از پازل است تا کاملکردن کل تصویر.
اجرای سرورها در دمای بالاتر فقط یک ترفند مهندسی نیست؛ به دیتاسنترها امکان میدهد در اقلیمهای متنوعتر و با وابستگی کمتر به آب محلی توسعه پیدا کنند.
تمرکز انویدیا بر آب، پاسخی مستقیم به مخالفتهای محلی با دیتاسنترهاست؛ اما سکوت درباره هزینه ساخت و برق موردنیاز نشان میدهد نبرد اصلی برای جلب اعتماد عمومی هنوز تمام نشده است.
شرکتهای فناوری، سرمایهگذاران و نهادهای محیط زیست.
بازنویسی آماده برای انتشار در شبکههای اجتماعی

چرا مهم است؟
مدل جدید آنتروپیک نهتنها باهوشتر و انسانیتر است، بلکه هزینههای پردازش را تا ۴۵ درصد کاهش میدهد؛ گامی بزرگ برای دسترسی عمومی.

چرا مهم است؟
گوگل برای تغییر چهره ترسناک هوش مصنوعی به محبوبیت هالیوود نیاز دارد، اما استودیوها با خطر خشم عمومی مواجهند.

چرا مهم است؟
گوگل در حال بزرگتر کردن پاسخهای هوش مصنوعی خود است؛ تغییری که لینکهای همیشگی را به پایین صفحه میراند و وبگردی را دگرگون میکند.

چرا مهم است؟
ردیت میخواهد گفتگوهای متنی را به محتوای قابل تماشا و شنیدن تبدیل کند؛ تغییری که میتواند ماهیت این پلتفرم را عوض کند.

چرا مهم است؟
اوپنایآی با خرید ۳۰۰ میلیون دلاری یک استارتاپ دوربین، نشان داد که به زودی هوش مصنوعی از صفحه نمایش خارج شده و دنیای فیزیکی را تسخیر میکند.

چرا مهم است؟
در برابر هشدارهای ایلان ماسک و اعتراضات مردمی، غولهای تراشهساز و سیاستمداران متحد شدهاند تا جلوی هرگونه کندی در هوش مصنوعی را بگیرند.
بنیانگذار MyZia با درک تغییر رفتار موتورهای جستجو به سمت هوش مصنوعی، ابزاری ساخت که به جای پیشنهاد دادن کلمات کلیدی، محتوا را مستقیماً روی سایت مشتری منتشر میکند.

رقابت سنگین در حوزه مالی و سئو، افسانه راهاندازی ارزان وبسایتهای محتوایی را به چالش میکشد.