Périphériques technologiques
IA
L'intelligence artificielle oblige les centres de données à repenser leur conception
L'intelligence artificielle oblige les centres de données à repenser leur conception
Avec l'application à grande échelle de l'intelligence artificielle dans les entreprises, l'une des conséquences est qu'elle consomme une plus grande proportion de la charge de travail dans les centres de données.
L'IA non seulement accélérera la demande de centres de données et créera de nouvelles incitations à l'investissement, mais elle aura également un impact sur les stratégies de durabilité des centres de données et sur la nature de l'infrastructure à déployer.
Par exemple, Tirias Research prédit que, dans l’état actuel des choses, l’infrastructure des serveurs de centres de données à IA générative et les coûts d’exploitation dépasseront 76 millions de dollars d’ici 2028, soit plus du double des coûts d’exploitation annuels actuels estimés d’Amazon AWS, représentant un tiers du coût mondial. marché des services cloud.
Les performances de calcul du matériel devraient augmenter de 400 %, éclipsant ainsi l'augmentation estimée par Tirias de 50 fois dans les charges de travail de traitement
Densité plus élevée
Grands clusters de formation et petite inférence de bord, selon un nouveau livre blanc de Schneider Electric La croissance explosive des serveurs cela signifiera également un passage à une densité de puissance de rack plus élevée.
Le livre blanc indique : « Les startups d'IA, les entreprises, les fournisseurs de colocation et les géants de l'Internet doivent désormais considérer l'impact de ces densités sur la conception et la gestion de l'infrastructure physique des centres de données.
Le Schneider Energy Management Research Center sur l'impact de l'artificiel. » intelligence sur L'impact sur la demande d'énergie est prévu. Selon les estimations, l'IA représente actuellement 4,3 GW de demande d'énergie et devrait croître à un TCAC de 26 % à 36 % d'ici 2028
Cela conduira à une demande totale de 13,5 GW à 20 GW, soit la puissance globale du centre de données. demande Une croissance deux à trois fois supérieure. D'ici 2028, les charges de travail d'IA représenteront 20 % de l'énergie totale des centres de données
Schneider a noté que même si elles devraient consommer plus d'énergie que les clusters de formation, les charges de travail d'inférence peuvent s'exécuter à différentes densités de rack.
« Les charges de travail de formation en IA, en revanche, fonctionnent à des densités très élevées, avec 20 à 100 kW ou plus par rack.
Les demandes et les coûts du réseau sont ce qui pousse ces racks de formation à être regroupés. être ensemble. Ces clusters à haute densité énergétique posent des défis fondamentaux à la conception de l'alimentation, du refroidissement, des racks et de la gestion des logiciels des centres de données
Défis du système d'alimentation
Schneider décrit quatre domaines clés qui peuvent avoir un impact : l'alimentation, le refroidissement, la gestion des racks et des logiciels
Dans le secteur de l'énergie, les charges de travail de l'IA posent des défis aux systèmes d'alimentation dans les systèmes de commutation et de distribution.
Certaines tensions actuellement utilisées s'avéreront peu pratiques à déployer, tandis que des blocs de distribution de plus petite taille pourraient gaspiller de l'espace informatique. Des températures de rack plus élevées augmentent également les risques de panne et les dangers. Ce qui a été réécrit : certaines des tensions actuellement utilisées peuvent s'avérer peu pratiques une fois déployées, tandis que des blocs de distribution d'énergie de plus petite taille peuvent gaspiller de l'espace informatique. Dans le même temps, des températures de rack plus élevées augmentent également la probabilité de pannes et de dangers.
À mesure que les centres de données passent au refroidissement liquide, le refroidissement sera critique et l'un des domaines qui nécessiteront des changements importants, avec plus de la moitié du refroidissement liquide ayant été utilisé. dans le calcul professionnel haute performance depuis des siècles.
Schneider a déclaré : « Même si le refroidissement par air existera encore dans un avenir proche, il est prévu que la transition du refroidissement par air au refroidissement liquide deviendra la solution privilégiée ou nécessaire pour les centres de données dotés de clusters d'intelligence artificielle. » Reformulé : selon Schneider, même s'il y aura encore du refroidissement par air dans un avenir proche, les prévisions indiquent que le passage du refroidissement par air au refroidissement liquide deviendra la solution privilégiée ou nécessaire pour les centres de données dotés de clusters d'IA
vs air Le refroidissement liquide a de nombreux avantages par rapport au refroidissement. Premièrement, le refroidissement liquide améliore la fiabilité et les performances du processeur. Deuxièmement, le refroidissement liquide permet d'économiser de l'espace et d'augmenter la densité des racks. De plus, l'eau contenue dans le refroidissement liquide a une plus grande inertie thermique et peut réduire la consommation d'eau
Pour les clusters d'intelligence artificielle, les serveurs doivent être plus profonds, les besoins en énergie sont plus importants et le refroidissement est plus complexe.
Pour répondre à la demande, les racks doivent avoir une densité et une capacité de charge plus élevées
Jumeaux numériques
À terme, les outils logiciels tels que DCIM, BMS et les outils de conception électrique seront essentiels à la gestion des clusters d'IA
Avec une configuration et une mise en œuvre appropriées qui permet au jumeau numérique d'un centre de données d'identifier les contraintes d'alimentation et les performances des ressources de refroidissement et de fournir des informations pertinentes pour des décisions d'aménagement optimales
Dans un environnement de plus en plus dynamique, plus la marge d'erreur est faible, plus le risque opérationnel est élevé. Schneider recommande donc de créer un jumeau numérique de l'ensemble de l'espace informatique, y compris les équipements en racks et les machines virtuelles.
En ajoutant ou en déplaçant numériquement des charges informatiques, vous pouvez vérifier qu'il y a suffisamment d'énergie, de refroidissement et de capacité de charge au sol pour les prendre en charge. Cela éclaire les décisions visant à éviter les ressources bloquées et à minimiser les erreurs humaines pouvant entraîner des temps d'arrêt
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!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
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
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
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
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.
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
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
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
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.
