Jadual Kandungan
Permintaan kuasa pengkomputeran dipacu AI
Pihak berkepentingan utama seperti penyedia perkhidmatan awan dan pengendali pusat data
Membangunkan pelan pelaburan
Rumah Peranti teknologi AI Cabaran dan strategi pelaburan yang dihadapi oleh pusat data dalam era AI

Cabaran dan strategi pelaburan yang dihadapi oleh pusat data dalam era AI

May 17, 2023 pm 04:51 PM
AI pusat data

Cabaran dan strategi pelaburan yang dihadapi oleh pusat data dalam era AI

Aplikasi kecerdasan buatan mesti disokong oleh kuasa pengkomputeran yang besar, yang bermaksud pusat data yang lebih besar dan kaya.

Apabila aplikasi kecerdasan buatan meningkat, pasaran pusat data berkembang pesat untuk menampung lonjakan data yang disebabkan oleh teknologi ini. Menambah kecerdasan buatan pada rangkaian teknologi yang sedia ada, termasuk peranti Internet of Things (IoT), akan menjana lebih banyak data pelanggan, menyebabkan volum data berkembang dengan pesat.

Intinya ialah semua data ini perlu disimpan di suatu tempat dan organisasi akan berpindah ke pusat data.

Kevin Shtofman, pengarah inovasi di Cherre, menjelaskan bahawa kecerdasan buatan akan meningkatkan permintaan untuk kuasa pengkomputeran, memerlukan pelaburan dalam perkakasan khusus kecerdasan buatan, mengguna pakai reka bentuk pusat data baharu dan meneroka teknologi baru muncul seperti pengkomputeran tepi. .

“Aplikasi kecerdasan buatan memerlukan banyak kuasa pengkomputeran apabila melatih model pembelajaran mendalam yang kompleks,” kata Shtofman. Apabila kecerdasan buatan menjadi lebih popular, lebih banyak pusat data akan diperlukan untuk menyokong permintaan yang semakin meningkat untuk kuasa pengkomputeran. ”

Penggunaan AI juga akan meningkatkan keperluan penyimpanan data, kerana aplikasi dipacu AI memerlukan sejumlah besar data untuk melatih dan menambah baik model

Menurut Shtofman, ia perlu disimpan dan diakses dengan cepat. Data ini memerlukan kapasiti storan yang besar Oleh itu, pusat data perlu mengembangkan keupayaan storan mereka untuk memenuhi permintaan yang semakin meningkat "

Shtofman menambah bahawa apabila aplikasi kecerdasan buatan semakin meluas, Terdapat juga keperluan yang semakin meningkat. pemprosesan masa nyata dan membuat keputusan. Ini telah menimbulkan kebangkitan pengkomputeran tepi, yang melibatkan pemprosesan data lebih dekat dengan sumber dan bukannya menghantarnya ke pusat data berpusat. Oleh itu, lebih banyak pusat data perlu dibina lebih dekat ke tepi untuk menyokong aliran ini.

Permintaan kuasa pengkomputeran dipacu AI

Andy Cvengros, pengarah urusan teknologi di Jones Lang LaSalle, menegaskan bahawa keupayaan kecerdasan buatan disepadukan dengan fungsi teknologi harian, kecerdasan buatan di tahap pengguna dijangka Perisikan akan meletup. "Apabila penggunaan menjadi lebih biasa, ini akan membawa kepada permintaan yang besar untuk kuasa pengkomputeran pusat data," kata Cvengros "Menjalankan dan melatih model ini memerlukan banyak kuasa pengkomputeran dan banyak sumber, yang mengehadkan perusahaan yang boleh membuat kejayaan. ." Kuantiti. ”

Ketumpatan komputer pelayan yang diperlukan untuk AI juga menjana banyak haba, dan inovasi dalam penyejukan cecair sedang dibangunkan untuk menangani isu ini. Untuk memenuhi permintaan yang semakin meningkat ini, syarikat pengkomputeran awan sedang giat mencari projek pembangunan untuk memperoleh ratusan megawatt kuasa dalam beberapa tahun sahaja.

Menurut Cvengros: "Kapasiti kuasa yang tersedia dalam pasaran pusat data primer telah habis, dan pasaran sekunder dan tertiari boleh mengambil peluang ini untuk berkembang.". ”

Cvengros menegaskan bahawa syarikat pengkomputeran awan utama menggunakan model pusat data binaan sendiri dan pajakan pengguna awan Hyperscale dan penyedia kolokasi sedang berebut untuk mencari tapak tanah berprestasi tinggi di hampir semua pasaran untuk menyokong

.

Sepuluh tahun yang lalu, pusat data yang memerlukan 10 megawatt dianggap agak besar, tetapi menjelang 2023, tidak jarang untuk mengumumkan pembinaan pusat data melebihi 100 megawatt, Cvengros berkata: “Apabila syarikat berskala besar tidak dapat membina pusat data dalam pasaran tertentu kerana kekangan tanah, kuasa atau rantaian bekalan, mereka mungkin menyewa keseluruhan pusat data daripada pembekal colocation, menyukarkan syarikat yang lebih kecil dengan keperluan yang lebih kecil Kesukaran mencari ruang yang mencukupi. ”

Pihak berkepentingan utama seperti penyedia perkhidmatan awan dan pengendali pusat data

Shtofman berkata pihak berkepentingan utama dalam memastikan pusat data berkembang dengan permintaan yang dihasilkan oleh pengkomputeran kecerdasan buatan ialah pengendali Pusat data, awan pembekal perkhidmatan, pengilang perkakasan, agensi kerajaan dan kawal selia, serta saintis data dan penyelidik kecerdasan buatan

Pengendali pusat data bertanggungjawab untuk mengurus dan menyelenggara infrastruktur fizikal pusat data bahagian bekalan boleh disokong oleh sumber dan infrastruktur pengkomputeran atas permintaan penyedia perkhidmatan awan, dan mereka mesti memastikan mereka mempunyai keupayaan yang mencukupi untuk memenuhi permintaan yang dihasilkan oleh pengkomputeran AI, termasuk kuasa pengkomputeran, storan dan keupayaan rangkaian

Di masa yang sama, pengeluar perkakasan bertanggungjawab untuk reka bentuk dan pengeluaran perkakasan khusus yang diperlukan untuk pengkomputeran kecerdasan buatan pada bahagian bekalan, seperti unit pemprosesan grafik (GPU) dan unit pemprosesan tensor (TPU)

Shtofman "Mereka mesti memastikan bekalan komponen khusus ini mencukupi untuk menyokong permintaan yang semakin meningkat," kata syarikat itu. Ini adalah risiko yang lebih tinggi memandangkan isu terkini dengan rantaian bekalan global. ”

Cvengros bersetuju bahawa komponen yang diperlukan untuk membina dan mengendalikan pusat data telah ditangguhkan kerana cabaran rantaian bekalan dan ketegangan geopolitik semasa pandemik Ini telah melambatkan garis masa pembinaan, tetapi memandangkan permintaan kekal kukuh, pengguna telah beralih ke pra -pajakan

Kebanyakan bekalan baharu saluran paip kosong yang dijangka menjelang akhir 2023 atau 2024 adalah pra-pajakan, pada pandangan Cvengros, sehingga keperluan keselamatan dipenuhi Pembekal dengan inventori rantaian bekalan yang besar akan menonjol persaingan untuk memenangi perniagaan berskala besar

Membangunkan pelan pelaburan

Sebelum mengembangkan pusat data, adalah penting untuk menjalankan penyelidikan dan analisis mendalam tentang keperluan pengkomputeran pasaran dan kecerdasan buatan, yang ditekankan oleh Shtofman. “Ini akan membantu menunjukkan bahawa pelaburan itu sejajar dengan keperluan pasaran dan mempunyai laluan yang jelas untuk pulangan pelaburan Pasaran nampaknya berkembang maju, dengan pelbagai mod pengangkutan dan jenis peranan, yang memerlukan penggunaan teknologi pengkomputeran tepi >

Adalah disyorkan untuk membangunkan strategi yang komprehensif dan mengemas kininya dengan kerap kerana pasaran ini berubah lebih cepat daripada kitaran lain. "Aset pusat data memerlukan infrastruktur, reka bentuk dan pematuhan undang-undang tempatan yang sangat spesifik. Bagi pemula, bekerja dengan rakan kongsi yang berpengalaman adalah amalan terbaik dan jenis pembinaan ini bukan untuk mereka."

Atas ialah kandungan terperinci Cabaran dan strategi pelaburan yang dihadapi oleh pusat data dalam era AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Akan R.E.P.O. Ada Crossplay?
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Samsung memperkenalkan SSD gred pusat data BM1743: dilengkapi dengan v7 QLC V-NAND dan menyokong PCIe 5.0 Samsung memperkenalkan SSD gred pusat data BM1743: dilengkapi dengan v7 QLC V-NAND dan menyokong PCIe 5.0 Jun 18, 2024 pm 04:15 PM

Menurut berita dari laman web ini pada 18 Jun, Samsung Semiconductor baru-baru ini memperkenalkan pemacu keadaan pepejal gred data pusat generasi seterusnya BM1743 dilengkapi dengan memori kilat QLC (v7) terbaharunya di blog teknologinya. ▲Samsung QLC pemacu keadaan pepejal gred data pusat BM1743 Menurut TrendForce pada bulan April, dalam bidang pemacu keadaan pepejal gred data pusat QLC, hanya Samsung dan Solidigm, anak syarikat SK Hynix, telah lulus pengesahan pelanggan perusahaan di masa itu. Berbanding dengan v5QLCV-NAND generasi sebelumnya (nota di tapak ini: Samsung v6V-NAND tidak mempunyai produk QLC), memori denyar Samsung v7QLCV-NAND telah hampir dua kali ganda bilangan lapisan susun, dan ketumpatan storan juga telah dipertingkatkan dengan banyak. Pada masa yang sama, kelancaran v7QLCV-NAND

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

See all articles