


Herausforderungen und Investitionsstrategien für Rechenzentren im KI-Zeitalter
Anwendungen der künstlichen Intelligenz müssen durch enorme Rechenleistung unterstützt werden, was größere und leistungsfähigere Rechenzentren bedeutet.
Da die Anwendung künstlicher Intelligenz zunimmt, wächst der Rechenzentrumsmarkt schnell, um den durch diese Technologien verursachten Datenanstieg zu bewältigen. Durch die Hinzufügung künstlicher Intelligenz zu den bereits zahlreichen verfügbaren Technologien, einschließlich Geräten für das Internet der Dinge (IoT), werden noch mehr Kundendaten generiert, was zu einem exponentiellen Anstieg der Datenmengen führt.
Die Quintessenz ist, dass all diese Daten irgendwo gespeichert werden müssen und Unternehmen in Rechenzentren umziehen werden.
Kevin Shtofman, Innovationsdirektor bei Cherre, erklärte, dass künstliche Intelligenz den Bedarf an Rechenleistung erhöhen werde, was Investitionen in künstliche Intelligenz-spezifische Hardware, die Einführung neuer Rechenzentrumsdesigns und die Erforschung neuer Technologien wie z Edge-Computing.
„Anwendungen der künstlichen Intelligenz erfordern beim Training komplexer Deep-Learning-Modelle viel Rechenleistung“, sagte Shtofman. Da künstliche Intelligenz immer beliebter wird, werden mehr Rechenzentren benötigt, um den wachsenden Bedarf an Rechenleistung zu decken. „
Die Einführung künstlicher Intelligenz wird auch den Datenspeicherbedarf erhöhen, da KI-gesteuerte Anwendungen große Datenmengen erfordern, um Modelle zu trainieren und zu verbessern „Um diese Daten schnell zu speichern und darauf zuzugreifen, ist eine große Menge an Speicherkapazität erforderlich. Daher müssen Rechenzentren ihre Speicherkapazitäten erweitern, um der wachsenden Nachfrage gerecht zu werden“, fügte Shtofman hinzu. Zeitverarbeitung und Entscheidungsfindung. Dies hat zum Aufstieg des Edge Computing geführt, bei dem es darum geht, Daten näher an der Quelle zu verarbeiten, anstatt sie an zentrale Rechenzentren zu senden. Daher müssen mehr Rechenzentren näher am Rand gebaut werden, um diesen Trend zu unterstützen.
KI-gesteuerter Bedarf an Rechenleistung
Andy Cvengros, Geschäftsführer Technologie bei Jones Lang LaSalle, wies darauf hin, dass die Fähigkeiten künstlicher Intelligenz in alltägliche Technologiefunktionen integriert werden, Der Konsum wird voraussichtlich zu einem explosionsartigen Wachstum der künstlichen Intelligenz auf menschlicher Ebene führen. „Da die Nutzung immer häufiger wird, wird dies zu einem enormen Bedarf an Rechenleistung für Rechenzentren führen“, sagte Cvengros. „Der Betrieb und das Training dieser Modelle erfordern viel Rechenleistung und viele Ressourcen, was die Unternehmen, die Durchbrüche erzielen können, einschränkt.“ .“ Menge.“
Die für KI erforderliche Dichte an Servercomputern erzeugt auch viel Wärme, und Innovationen in der Flüssigkeitskühlung werden entwickelt, um dieses Problem anzugehen. Um dieser wachsenden Nachfrage gerecht zu werden, suchen Cloud-Computing-Unternehmen aktiv nach Entwicklungsprojekten, um in nur wenigen Jahren Hunderte Megawatt Leistung zu erwerben.
Laut Cvengros: „Die verfügbare Stromkapazität im primären Rechenzentrumsmarkt ist erschöpft, und der sekundäre und tertiäre Markt können diese Gelegenheit zur Expansion nutzen.“ „
Cvengros wies darauf hin, dass große Cloud-Computing-Unternehmen selbstgebaute und leasende Rechenzentrumsmodelle übernehmen und Colocation-Anbieter in fast allen Märkten darum kämpfen, leistungsstarke Landstandorte zu finden Angesichts dieses enormen Kapazitätsbedarfs galt ein Rechenzentrum mit 10 Megawatt vor einem Jahrzehnt als ziemlich groß, aber bis 2023 seien Pläne zum Bau von Rechenzentren mit über 100 Megawatt angekündigt worden, sagte Cvengros: „Wenn Hyperscaler nicht in der Lage sind, zu bauen.“ Aufgrund von Platz-, Strom- oder Lieferkettenbeschränkungen mieten sie möglicherweise das gesamte Rechenzentrum von einem Colocation-Anbieter, was die Nachfrage erhöht. Für kleine Unternehmen ist es schwierig, genügend Platz zu finden. „
Wichtige Stakeholder wie Cloud-Service-Provider und Rechenzentrumsbetreiber
Shtofman sagte, der Hauptvorteil bestehe darin, sicherzustellen, dass Rechenzentren mit der durch künstliche Intelligenz generierten Nachfrage wachsen. Die Stakeholder Für die Verwaltung und Pflege der angebotsseitigen Daten des Zentrums sind Rechenzentrumsbetreiber, Cloud-Dienstleister, Regierungs- und Regulierungsbehörden sowie Datenwissenschaftler und Forscher zuständig KI-Anwendungen können durch die vom Cloud-Dienstleister bereitgestellten Rechenressourcen und Infrastruktur unterstützt werden, einschließlich der Rechenleistung, Speicher- und Netzwerkfähigkeiten, die sie bereitstellen müssen. Gleichzeitig müssen ausreichende Fähigkeiten gewährleistet sein. Hardwarehersteller sind für die Entwicklung und Produktion spezieller Hardware verantwortlich, die für die Verarbeitung künstlicher Intelligenz auf der Angebotsseite erforderlich ist, wie z. B. Grafikprozessoren (GPUs) und Tensorverarbeitungseinheiten (TPUs). muss eine ausreichende Versorgung mit diesen Spezialkomponenten sicherstellen, um die wachsende Nachfrage zu decken. Angesichts der jüngsten Probleme mit den globalen Lieferketten stellt dies ein höheres Risiko dar. „
Cvengros stimmte zu, dass sich die für den Bau und Betrieb von Rechenzentren benötigten Komponenten aufgrund von Lieferkettenproblemen und geopolitischen Spannungen während der Pandemie verzögert haben. Dies hat die Bauzeitpläne verzögert, aber aufgrund der immer noch starken Nachfrage seitens der Nutzer
Der Großteil des neuen Angebots an leerstehenden Pipelines bis Ende 2023 oder 2024 wird voraussichtlich Vorvermietungen sein, Lieferanten, die große Lagerbestände in der Lieferkette vorhalten der Sicherheitsbedürfnisse werden diejenigen sein, die um den Sieg im Hyperscale-Geschäft konkurrieren
Erstellen Sie einen Investitionsplan
Vor der Erweiterung des Rechenzentrums ist es von entscheidender Bedeutung, eine eingehende Untersuchung und Analyse des Marktes und des Bedarfs an Computern mit künstlicher Intelligenz durchzuführen, was Shtofman betonte. „Dies wird dazu beitragen, zu zeigen, dass die Investition auf die Marktbedürfnisse abgestimmt ist und einen klaren Weg zur Kapitalrendite aufweist. Dieser Markt scheint sehr wohlhabend zu sein, da er mehrere Transportarten und Rollentypen umfasst, sodass ein Bedarf an Edge-Computing-Technologie besteht.“ Empfohlene Formulierung: Umfassende Strategie und regelmäßige Aktualisierung, da sich dieser Markt viel schneller verändert als andere Zyklen. „Rechenzentrumsanlagen erfordern eine sehr spezielle Infrastruktur, Design und Einhaltung lokaler Gesetze. Für Neulinge ist die Zusammenarbeit mit einem erfahrenen Partner die beste Vorgehensweise und diese Art der Konstruktion ist nichts für sie.“
Das obige ist der detaillierte Inhalt vonHerausforderungen und Investitionsstrategien für Rechenzentren im KI-Zeitalter. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Laut Nachrichten dieser Website vom 18. Juni stellte Samsung Semiconductor kürzlich in seinem Technologieblog sein Solid-State-Laufwerk BM1743 der nächsten Generation für Rechenzentren vor, das mit dem neuesten QLC-Flash-Speicher (v7) ausgestattet ist. ▲Samsung QLC Solid-State-Laufwerk für Rechenzentren BM1743 Laut TrendForce im April hatten im Bereich der QLC-Solid-State-Laufwerke für Rechenzentren nur Samsung und Solidigm, eine Tochtergesellschaft von SK Hynix, die Unternehmenskundenüberprüfung bestanden diese Zeit. Im Vergleich zum v5QLCV-NAND der vorherigen Generation (Hinweis auf dieser Website: Samsung v6V-NAND verfügt nicht über QLC-Produkte) hat der Samsung v7QLCV-NAND-Flash-Speicher die Anzahl der Stapelschichten fast verdoppelt und auch die Speicherdichte wurde erheblich verbessert. Gleichzeitig ist die Glätte von v7QLCV-NAND gewährleistet

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
