Table des matières
Andy Cvengros, directeur général de la technologie chez Jones Lang LaSalle, a souligné qu'à mesure que les capacités de l'intelligence artificielle sont combinées aux fonctions technologiques quotidiennes, l'intelligence artificielle au niveau du consommateur devrait connaître une croissance explosive. "À mesure que l'utilisation devient plus courante, cela entraînera une énorme demande de puissance de calcul pour les centres de données", a déclaré Cvengros. "L'exécution et la formation de ces modèles nécessitent beaucoup de puissance de calcul et beaucoup de ressources, ce qui limite les entreprises capables de faire des percées. ." Quantité. "
Shtofman a déclaré que les principales parties prenantes chargées de garantir que les centres de données se développent avec la demande générée par l'intelligence artificielle sont les opérateurs de centres de données, les fournisseurs de services cloud, les fabricants de matériel, les gouvernements et les agences de réglementation, ainsi que les scientifiques des données et les chercheurs en IA.
Établissez un plan d'investissement
Maison Périphériques technologiques IA Défis et stratégies d'investissement auxquels sont confrontés les centres de données à l'ère de l'IA

Défis et stratégies d'investissement auxquels sont confrontés les centres de données à l'ère de l'IA

May 17, 2023 pm 04:51 PM
人工智能 数据中心

Défis et stratégies dinvestissement auxquels sont confrontés les centres de données à lère de lIA

Les applications d'intelligence artificielle doivent être soutenues par une puissance de calcul massive, ce qui signifie des centres de données plus grands et plus riches.

Avec l'augmentation des applications d'intelligence artificielle, le marché des centres de données connaît une croissance rapide pour s'adapter à l'augmentation des données provoquée par ces technologies. L’ajout de l’intelligence artificielle à la gamme déjà vaste de technologies disponibles, y compris les appareils Internet des objets (IoT), générera encore plus de données clients, entraînant une croissance exponentielle des volumes de données.

En fin de compte, toutes ces données doivent résider quelque part et les organisations vont migrer vers des centres de données.

Kevin Shtofman, directeur de l'innovation chez Cherre, a expliqué que l'intelligence artificielle augmentera la demande de puissance de calcul, nécessitant des investissements dans du matériel spécifique à l'intelligence artificielle, l'adoption de nouvelles conceptions de centres de données et l'exploration de technologies émergentes telles que l'informatique de pointe.

Shtofman a déclaré : « Les applications d'intelligence artificielle nécessitent beaucoup de puissance de calcul lors de la formation de modèles complexes d'apprentissage en profondeur. ». À mesure que l’intelligence artificielle devient plus populaire, davantage de centres de données seront nécessaires pour répondre à la demande croissante de puissance de calcul. « 

L'adoption de l'IA augmentera également les besoins en stockage de données, car les applications basées sur l'IA nécessitent de grandes quantités de données pour former et améliorer les modèles.

Selon Shtofman, pour stocker et accéder rapidement à ces données, une grande quantité de données sera nécessaire. Une capacité de stockage sera donc nécessaire. Par conséquent, les centres de données devront étendre leurs capacités de stockage pour répondre à la demande croissante. fabrication. . Cela a donné lieu à l’essor de l’informatique de pointe, qui consiste à traiter les données plus près de la source plutôt que de les envoyer vers des centres de données centralisés. Par conséquent, davantage de centres de données doivent être construits plus près de la périphérie pour soutenir cette tendance.

Demande de puissance de calcul basée sur l'IA

Andy Cvengros, directeur général de la technologie chez Jones Lang LaSalle, a souligné qu'à mesure que les capacités de l'intelligence artificielle sont combinées aux fonctions technologiques quotidiennes, l'intelligence artificielle au niveau du consommateur devrait connaître une croissance explosive. "À mesure que l'utilisation devient plus courante, cela entraînera une énorme demande de puissance de calcul pour les centres de données", a déclaré Cvengros. "L'exécution et la formation de ces modèles nécessitent beaucoup de puissance de calcul et beaucoup de ressources, ce qui limite les entreprises capables de faire des percées. ." Quantité. "

La densité des ordinateurs serveurs nécessaires à l'IA génère également beaucoup de chaleur, et des innovations en matière de refroidissement liquide sont en cours de développement pour résoudre ce problème. Pour répondre à cette demande croissante, les sociétés de cloud computing recherchent activement des projets de développement permettant d’acquérir des centaines de mégawatts de puissance en quelques années seulement.

Selon Cvengros : « La capacité électrique disponible sur le marché primaire des centres de données a été épuisée, et les marchés secondaire et tertiaire peuvent profiter de cette opportunité pour se développer. ». "

Cvengros a noté que les principaux acteurs du cloud computing adoptent un modèle de centre de données de construction et de location. Les utilisateurs de cloud hyperscale et les fournisseurs de colocation se démènent pour trouver des sites terrestres hautes performances sur presque tous les marchés pour répondre à ces énormes capacités

.

Il y a dix ans, un centre de données nécessitant 10 mégawatts était considéré comme assez grand, mais d'ici 2023, il n'est pas rare d'annoncer la construction de centres de données dépassant 100 mégawatts alors que les entreprises ne peuvent pas construire un centre de données sur un marché spécifique en raison de problèmes. En raison de contraintes de terrain, d'électricité ou de chaîne d'approvisionnement, ils peuvent louer l'intégralité du centre de données auprès d'un fournisseur de colocation, ce qui rend difficile pour les entreprises ayant des besoins plus modestes de trouver suffisamment d'espace. "

Les principales parties prenantes telles que les fournisseurs de services cloud et les opérateurs de centres de données

Shtofman a déclaré que les principales parties prenantes chargées de garantir que les centres de données se développent avec la demande générée par l'intelligence artificielle sont les opérateurs de centres de données, les fournisseurs de services cloud, les fabricants de matériel, les gouvernements et les agences de réglementation, ainsi que les scientifiques des données et les chercheurs en IA.

Les opérateurs de centres de données sont responsables de la gestion et de la maintenance de l'infrastructure physique du centre de données du fournisseur, qui peut être contrôlée par le fournisseur de services cloud. infrastructure.Pour répondre aux demandes générées par l'intelligence artificielle, notamment en termes de puissance de calcul, de stockage et de capacités réseau, ils doivent s'assurer qu'ils disposent de capacités suffisantes

Dans le même temps, les fabricants de matériel sont responsables de la conception et de la production. matériel spécialisé requis pour l'informatique de l'IA, tel que les unités de traitement graphique (GPU) et les unités de traitement tensoriel (TPU)

Shtofman a déclaré : « Ils doivent assurer un approvisionnement adéquat de ces composants spécialisés pour répondre à la demande croissante. Il s’agit d’un risque plus élevé compte tenu des problèmes récents liés aux chaînes d’approvisionnement mondiales. »

Cvengros a accepté, affirmant que les composants nécessaires à la construction et à l'exploitation des centres de données ont été retardés en raison des défis de la chaîne d'approvisionnement et des tensions géopolitiques pendant la pandémie, ce qui a retardé les délais de construction, mais comme la demande reste forte, les utilisateurs se sont tournés vers la pré-location.

La majorité des nouveaux pipelines d'approvisionnement vacants devraient être préloués d'ici la fin de 2023 ou 2024.

Selon Cvengros, les fournisseurs qui maintiennent des stocks importants dans la chaîne d'approvisionnement avant de répondre aux besoins de sécurité gagneront à grande échelle. la concurrence dans votre entreprise

.

Établissez un plan d'investissement

Avant d'agrandir le centre de données, il est crucial de mener des recherches et des analyses approfondies du marché et des besoins informatiques en matière d'intelligence artificielle, ce que Shtofman a souligné. "Cela contribuera à démontrer que l'investissement est aligné sur les besoins du marché et a une voie claire vers un retour sur investissement. Ce marché semble être très prospère, impliquant plusieurs modes de transport et types de rôles, d'où le besoin de technologie informatique de pointe

." Formulation recommandée Stratégie globale et mise à jour fréquemment car ce marché évolue beaucoup plus rapidement que les autres cycles. "Les actifs des centres de données nécessitent une infrastructure, une conception et une conformité aux lois locales très spécifiques. Pour les débutants, travailler avec un partenaire expérimenté est la meilleure pratique et ce type de construction n'est pas pour eux

."

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Comment déverrouiller tout dans Myrise
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Jun 28, 2024 am 03:51 AM

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Jun 10, 2024 am 11:08 AM

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Sept questions d'entretien technique Cool GenAI et LLM Sept questions d'entretien technique Cool GenAI et LLM Jun 07, 2024 am 10:06 AM

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Jun 11, 2024 pm 03:57 PM

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Samsung présente le SSD de qualité centre de données BM1743 : équipé de v7 QLC V-NAND et prend en charge PCIe 5.0 Samsung présente le SSD de qualité centre de données BM1743 : équipé de v7 QLC V-NAND et prend en charge PCIe 5.0 Jun 18, 2024 pm 04:15 PM

Selon des informations publiées sur ce site Web le 18 juin, Samsung Semiconductor a récemment présenté sur son blog technologique son disque SSD de nouvelle génération de qualité centre de données BM1743, équipé de sa dernière mémoire flash QLC (v7). ▲Disque SSD de qualité centre de données Samsung QLC BM1743 Selon TrendForce en avril, dans le domaine des disques SSD de qualité centre de données QLC, seuls Samsung et Solidigm, une filiale de SK Hynix, avaient réussi la vérification du client d'entreprise à ce temps. Par rapport à la génération précédente v5QLCV-NAND (remarque sur ce site : Samsung v6V-NAND n'a pas de produits QLC), la mémoire flash Samsung v7QLCV-NAND a presque doublé le nombre de couches d'empilement et la densité de stockage a également été considérablement améliorée. Dans le même temps, la fluidité de v7QLCV-NAND

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Cinq écoles d'apprentissage automatique que vous ne connaissez pas Cinq écoles d'apprentissage automatique que vous ne connaissez pas Jun 05, 2024 pm 08:51 PM

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

See all articles