인공지능이 데이터센터 설계를 어떻게 변화시키고 있는가
AI 시스템에 대한 전 세계 지출이 2023년에서 2026년 사이에 두 배로 증가함에 따라 수요를 충족하기 위해 데이터 센터 용량이 빠르게 증가할 것이 분명합니다.
그러나 놀랍게도 많은 데이터 센터 운영자가 지난 1년 동안 새로운 프로젝트에 제동을 걸고 투자를 둔화했으며, 2022~23년 런던의 빈 용량은 6.3% 감소했습니다.
이 반직관적인 추세의 이유는 무엇인가요? 이를 설명하려면 AI 컴퓨팅 및 이를 지원하는 인프라와 관련된 몇 가지 문제를 이해해야 합니다.
AI가 데이터 센터 인프라를 변화시키는 방법
데이터 센터는 기존 컴퓨팅 작업 부하에 대처하기 위해 항상 CPU 성능을 중심으로 구축되었습니다. 그러나 AI 컴퓨팅에는 동일한 용량의 CPU보다 더 많은 전력을 소비하고 더 많은 열을 방출하며 더 많은 공간을 차지하는 GPU 기반 랙이 필요합니다.
실제로 이는 AI 컴퓨팅 성능을 의미합니다. 종종 더 많은 전원 연결 또는 대체 냉각 시스템이 사용됩니다. 필수입니다. 다음과 같이 바꿔 표현할 수 있습니다. 이것이 본질적으로 의미하는 바는 AI 컴퓨팅 성능에는 일반적으로 더 많은 전원 연결이나 대체 냉각 시스템이 필요하다는 것입니다.
이것은 임베디드 인프라이므로 재정적으로 완전히 불가능하지는 않지만 데이터 센터 단지의 패브릭에 내장됩니다. 교체 비용이 매우 높은 경향이 있습니다.
실제로 운영자는 새로운 데이터 센터에서 기존 컴퓨팅과 비교하여 AI에 얼마나 많은 공간을 할당해야 하는지 확인해야 합니다.
이 실수를 저지르고 AI에 과도하게 전념하면 데이터 센터 운영자가 영구적으로 활용도가 낮고 수익성이 없는 기능에 직면하게 될 수 있습니다.
이 문제는 더욱 악화됩니다. 가트너는 AI 시장이 아직 초기 단계에 있다는 점에서 현재 과대광고 사이클에서 과도한 기대가 정점에 있다고 주장하고 있다. 결과적으로 많은 운영자는 새로운 데이터 센터 프로젝트에서 AI 컴퓨팅의 비율을 성급하게 결정하기보다는 설계 단계에서 주저하는 것을 선택하고 있습니다.
설계 단계에서 전체적인 접근 방식을 취하세요
그러나 운영자들은 투자 지연의 위험을 감수하지 않으면 시장 점유율과 경쟁 우위를 잃게 될 것임을 절실히 인식하고 있습니다. 그러나 데이터 센터 인프라의 기본 요소 중 상당수가 실시간으로 재작성되고 있다는 점을 고려하면 이는 어려운 주문입니다.
퍼스트 무버의 요구 사항과 위험 상쇄의 균형을 맞추기 위해 운영자는 데이터 센터를 미래의 탄력성을 갖도록 설계해야 합니다. AI 컴퓨팅 최대의 효율성과 유연성. 이를 위해서는 디자인에 대한 새롭고 전체적인 접근 방식이 필요합니다.
1. 더 많은 이해관계자 참여
운영자가 어떻게 인공 지능과 기존 컴퓨팅을 구별하기로 결정하더라도 인공 지능 컴퓨팅 기능을 갖춘 데이터 센터 사이트는 기존 시설보다 훨씬 더 복잡할 것입니다. 복잡성이 높을수록 실패 지점이 더 많아지는 경우가 많습니다. 특히 AI 컴퓨팅이 기존 컴퓨팅보다 요구 사항이 더 많기 때문입니다.
따라서 사이트 수명 동안 가동 시간을 보장하고 비용이 많이 드는 문제의 위험을 줄이려면 팀은 데이터 센터의 계획 단계에서 더욱 철저해야 합니다.
특히 설계 단계에서는 프로젝트 초기에 더 많은 팀의 의견과 전문 지식을 구해야 합니다. 설계자는 전력 및 냉각에 대한 전문 지식을 찾는 것 외에도 운영, 케이블링 및 보안 팀과 조기에 협력하여 잠재적인 병목 현상이나 실패 원인을 이해해야 합니다.
2. 데이터 센터 운영에 AI를 통합합니다.
이제 운영자로서 AI 컴퓨팅을 현장에서는 AI를 활용하여 운영 효율성을 향상시키는 역량을 활용해야 합니다. 인공 지능은 매우 높은 정밀도와 품질로 워크플로를 실행할 수 있는 기술을 통해 데이터 센터에 오랫동안 채택되어 왔습니다. 예를 들어 AI는 다음을 도울 수 있습니다.
- 온도 및 습도 모니터링
- 보안 시스템 운영
- 전력 사용량 모니터링 및 분배
- 하드웨어 결함 감지 및 예측 유지 관리
데이터 센터 수명 주기의 모든 단계에서 AI를 사전에 사용 기술을 통해 운영자는 운영 효율성과 견고성을 크게 향상시킬 수 있습니다. 인공 지능은 결함 감지 및 예측 유지 관리를 통해 이러한 차세대 데이터 센터의 새롭고 복잡한 레이아웃을 채택할 때 직면하는 새로운 과제를 해결하는 데 매우 적합합니다.
3. 피크 시간대에 AI는 잘못된 경제를 피합니다. 교육 실행 중이나 프로덕션에서 엔터프라이즈 수준 모델을 실행할 때와 같이 데이터 허브에 더 많은 부하를 부과하게 됩니다. 이 시점에서 AI 컴퓨팅은 전력 소비, 냉각 요구 사항 및 데이터 처리량에 대해 전통적으로 예상되는 한도를 훨씬 초과하는 경우가 많습니다.
가장 기본적인 수준에서 이는 데이터 센터의 기본 재료가 더 큰 스트레스를 받고 있음을 의미합니다. 이러한 기본 재료 또는 구성 요소의 품질이 좋지 않으면 고장에 더 취약하다는 의미입니다. AI 컴퓨팅은 사이트의 구성 요소 및 연결 수의 극적인 증가를 의미하므로 이는 기존 사이트에서 잘 작동하는 저렴하고 품질이 낮은 재료로 인해 AI 컴퓨팅을 실행하는 데이터 센터가 중단될 수 있음을 의미합니다
잘못된 경제적 위험으로 인해 비용을 절약하려면 운영자는 표준 이하의 케이블과 같은 열등한 재료를 구매하지 않아야 합니다. 이러한 재료는 파손되기 쉽고 자주 교체해야 합니다. 더 심각하게는 표준 이하의 재료 및 부품의 고장으로 인해 공장 폐쇄 또는 속도 저하가 발생하여 수익성에 영향을 미치는 경우가 많습니다
인프라 문제 해결
AI 컴퓨팅에 대한 인프라 요구 사항이 운영자가 투자를 지연하는 주된 이유일 수 있지만 장기적으로는 그렇지 않을 것입니다.
시장 불확실성이 증가함에 따라 기업은 기존 컴퓨팅과 인공 지능 컴퓨팅 사이를 분할하게 됩니다. , "황금 분야"에 더 가까이 다가가기
이 경우 기업은 학습 및 성장 과정에서 성공하기 위해 웹 사이트 운영에서 가능한 모든 이점을 확보해야 합니다.
이는 AI를 활용하여 처음부터 전체적으로 설계하는 것을 의미합니다. 사이트의 새로운 효율성을 발견하고 AI 컴퓨팅의 더 큰 요구를 충족할 수 있는 고품질 재료에 투자합니다.
위 내용은 인공지능이 데이터센터 설계를 어떻게 변화시키고 있는가의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다

18일 홈페이지 소식에 따르면 삼성반도체는 최근 자사 기술 블로그를 통해 최신 QLC 플래시 메모리(v7)를 탑재한 차세대 데이터센터급 SSD BM1743을 소개했다. ▲삼성 QLC 데이터센터급 솔리드스테이트드라이브 BM1743 지난 4월 트렌드포스에 따르면 QLC 데이터센터급 솔리드스테이트드라이브 분야에서 삼성전자와 SK하이닉스 자회사인 솔리드다임만이 기업 고객 검증을 통과했다. 그때. 이전 세대 v5QLCV-NAND(이 사이트 참고: Samsung v6V-NAND에는 QLC 제품이 없음)와 비교하여 Samsung v7QLCV-NAND 플래시 메모리는 적층 레이어 수가 거의 두 배로 늘어났으며 저장 밀도도 크게 향상되었습니다. 동시에 v7QLCV-NAND의 부드러움은

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.
