Jadual Kandungan
Ketumpatan yang lebih tinggi
Cabaran Sistem Kuasa
Digital Twins
Rumah Peranti teknologi AI Kecerdasan buatan memaksa pusat data untuk memikirkan semula reka bentuk

Kecerdasan buatan memaksa pusat data untuk memikirkan semula reka bentuk

Sep 23, 2023 am 09:25 AM
AI pusat data

Kecerdasan buatan memaksa pusat data untuk memikirkan semula reka bentuk

Dengan aplikasi kecerdasan buatan berskala besar dalam perusahaan, salah satu akibatnya ialah ia menggunakan bahagian yang lebih besar daripada beban kerja di pusat data.

AI bukan sahaja akan mempercepatkan permintaan untuk pusat data dan mewujudkan insentif baharu untuk pelaburan, tetapi juga akan memberi kesan kepada strategi kemampanan pusat data dan sifat infrastruktur yang akan digunakan.

Sebagai contoh, Tirias Research meramalkan bahawa, seperti yang berlaku pada masa ini, infrastruktur pelayan pusat data AI generatif serta kos operasi akan melebihi $76 juta menjelang 2028, lebih daripada dua kali ganda anggaran kos operasi tahunan semasa Amazon AWS, menyumbang Satu pertiga daripada jumlah global pasaran perkhidmatan awan.

Prestasi pengiraan perkakasan dijangka meningkat sebanyak 400%, mengurangkan anggaran 50x peningkatan beban kerja pemprosesan Tirias

Ketumpatan yang lebih tinggi

Kluster latihan yang besar dan inferens kelebihan kecil, menurut kertas putih baharu daripada pelayan Schneider Electric The explosive growth juga bermakna peralihan kepada ketumpatan kuasa rak yang lebih tinggi.

Kertas putih menyatakan: "Pemula AI, perusahaan, penyedia kolokasi dan gergasi Internet kini mesti mempertimbangkan kesan kepadatan ini pada reka bentuk dan pengurusan infrastruktur fizikal pusat data

Pusat Penyelidikan Pengurusan Tenaga Schneider terhadap kesan buatan." perisikan tentang Kesan terhadap permintaan tenaga diramalkan. Menurut anggaran, AI pada masa ini mewakili 4.3GW permintaan kuasa dan dijangka berkembang pada CAGR 26% hingga 36% menjelang 2028

Ini akan menghasilkan jumlah permintaan 13.5GW hingga 20GW, yang merupakan kuasa pusat data keseluruhan permintaan Dua hingga tiga kali ganda pertumbuhan. Menjelang 2028, beban kerja AI akan menyumbang 20% ​​daripada jumlah tenaga pusat data

Schneider menyatakan bahawa walaupun ia dijangka menggunakan lebih banyak kuasa daripada kelompok latihan, beban kerja inferens boleh dijalankan pada pelbagai ketumpatan rak.

"Beban kerja latihan AI, sebaliknya, telah berjalan pada ketumpatan yang sangat tinggi, dengan 20-100 kW atau lebih bagi setiap rak

Permintaan dan kos rangkaian adalah yang mendorong rak latihan ini dikelompokkan bersama. sedang bersama. Kelompok berketumpatan kuasa tinggi ini menimbulkan cabaran asas kepada reka bentuk pengurusan kuasa, penyejukan, rak dan perisian pusat data

Cabaran Sistem Kuasa

Schneider menggariskan empat bidang utama yang mungkin memberi kesan: Kuasa, Penyejukan , rak dan pengurusan perisian

Dalam kuasa, beban kerja AI menimbulkan cabaran kepada sistem kuasa dalam sistem suis dan pengedaran.

Sesetengah voltan yang sedang digunakan akan terbukti tidak praktikal untuk digunakan, manakala saiz blok pengedaran yang lebih kecil mungkin membazirkan ruang IT. Suhu rak yang lebih tinggi juga meningkatkan peluang kegagalan dan bahaya. Perkara yang telah ditulis semula: Beberapa voltan yang sedang digunakan mungkin terbukti tidak praktikal apabila digunakan, manakala saiz blok pengedaran kuasa yang lebih kecil mungkin membazirkan ruang IT. Pada masa yang sama, suhu rak yang lebih tinggi juga meningkatkan kemungkinan kegagalan dan bahaya

Apabila pusat data beralih kepada penyejukan cecair, penyejukan akan menjadi kritikal dan salah satu kawasan yang memerlukan perubahan ketara, dengan lebih daripada separuh Penyejukan cecair telah digunakan dalam pengkomputeran berprestasi tinggi profesional selama berabad-abad.

Schneider berkata: "Walaupun penyejukan udara masih wujud dalam masa terdekat, adalah diramalkan bahawa peralihan daripada penyejukan udara kepada penyejukan cecair akan menjadi penyelesaian pilihan atau perlu untuk pusat data dengan kluster kecerdasan buatan." Dikatakan semula: Menurut Schneider, walaupun masih terdapat penyejukan udara dalam masa terdekat, ramalan menunjukkan bahawa peralihan daripada penyejukan udara kepada penyejukan cecair akan menjadi penyelesaian pilihan atau perlu untuk pusat data dengan kelompok AI

vs udara Penyejukan cecair mempunyai banyak kelebihan berbanding penyejukan. Pertama, penyejukan cecair meningkatkan kebolehpercayaan dan prestasi pemproses. Kedua, penyejukan cecair menjimatkan ruang dan meningkatkan ketumpatan rak. Selain itu, air dalam penyejukan cecair mempunyai inersia haba yang lebih besar dan boleh mengurangkan penggunaan air

Untuk kelompok AI, pelayan perlu lebih mendalam, keperluan kuasa lebih besar dan penyejukan lebih kompleks.

Untuk memenuhi permintaan, rak mesti mempunyai ketumpatan yang lebih tinggi dan kapasiti galas beban

Digital Twins

Akhirnya, alatan perisian seperti DCIM, BMS dan alatan reka bentuk elektrik akan menjadi kunci untuk mengurus kelompok AI

Dengan perisian konfigurasi dan pelaksanaan yang betul yang membolehkan kembar digital pusat data mengenal pasti kekangan kuasa dan menyejukkan prestasi sumber dan menyediakan maklumat yang relevan untuk keputusan susun atur yang optimum

Dalam persekitaran yang semakin dinamik, semakin kecil margin untuk ralat, semakin tinggi risiko operasi. Oleh itu, Schneider mengesyorkan mewujudkan kembar digital seluruh ruang IT, termasuk peralatan dalam rak dan mesin maya.

Dengan menambah atau mengalihkan beban IT secara digital, anda boleh mengesahkan bahawa terdapat kuasa, penyejukan dan kapasiti galas beban lantai yang mencukupi untuk menyokongnya. Ini memaklumkan keputusan untuk mengelakkan sumber terkandas dan meminimumkan kesilapan manusia yang boleh menyebabkan masa henti

Atas ialah kandungan terperinci Kecerdasan buatan memaksa pusat data untuk memikirkan semula reka bentuk. 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