Secara sejarah, pusat data telah menjadi tulang belakang kepada banyak kemajuan teknologi dan kini menghadapi isu yang bukan sahaja menjadi masalah kepada penyedia infrastruktur. Perkembangan pesat kecerdasan buatan menyerlahkan keperluan mendesak untuk pusat data menjadi lebih tangkas, inovatif dan kolaboratif untuk menggerakkan era baharu ini.
Ledakan dalam kecerdasan buatan dan pembelajaran mesin, ditambah dengan pertumbuhan berterusan beban kerja awan dan perusahaan, memerlukan penilaian semula strategi pusat data yang direka secara kolaboratif oleh pengendali dan pelanggan. Dalam era ini, sebagai tambahan kepada kedekatan, keupayaan dan kepantasan, kejayaan memerlukan visi yang mesti menangani cabaran pelanggan sebelum ia timbul.
Ini termasuk mengurus kuasa mampan pada skala, melaksanakan reka bentuk yang menyokong penggunaan AI yang pantas dan berskala, dan bergema dengan keperluan operasi, sambil menyelaraskan secara sedar dengan amalan yang memanfaatkan penyedia pusat data, pelanggan dan tanggungjawab sosial yang lebih luas kekal konsisten.
Dalam era di mana landskap teknologi dipetakan dengan teliti untuk meminimumkan kependaman, penyepaduan AI dan beban kerja pembelajaran mesin mendalangi perubahan dalam keutamaan. Tidak seperti beban kerja sensitif kependaman, beban kerja lanjutan ini mencabar prinsip tradisional yang sering menentukan lokasi pusat data yang optimum.
Hasilnya ialah pemikiran semula yang mendalam tentang definisi tapak yang ideal, dengan keutamaan yang jelas untuk kampus 200-500MW yang dilengkapi dengan akses tenaga boleh diperbaharui. Kampus dikuasakan terutamanya oleh tenaga boleh diperbaharui. Ia direka bentuk untuk menjadi fleksibel dan boleh disesuaikan, membolehkan penglibatan awal dengan pelanggan dan mewujudkan infrastruktur yang boleh menyesuaikan diri dengan pantas kepada persekitaran teknologi. Evolusi ini menekankan peralihan daripada model pusat data linear masa lalu ke arah kemudahan yang lebih dinamik, berskala dan harmoni alam sekitar.
Pangsi ini menandakan penyingkiran daripada fokus berakar umbi pada pengecilan kependaman. Sebaliknya, ia menekankan pendekatan holistik untuk memahami perubahan dinamik integrasi AI/ML.
Peralihan ke kampus yang lebih besar bukan sahaja disebabkan oleh beban kerja AI/ML yang kurang sensitif terhadap kependaman; ia merupakan langkah yang difikirkan dengan baik yang mengakui perhubungan kos tidak linear yang wujud dalam operasi ini; Memberi kecekapan yang lebih besar kepada pembekal dan juga pelanggan.
Langkah berani ini mencabar norma industri yang telah lama wujud, membuat hujah yang menarik bahawa mengutamakan skala daripada ketersambungan boleh menghasilkan hasil yang lebih cekap dan mampan.
Apabila pusat data berkembang dari segi saiz dan bilangan, kesannya terhadap alam sekitar menjadi perhatian. Dan pengiktirafan terhadap peranan kritikal yang dimainkan oleh kecekapan tenaga dalam transformasi berterusan operasi pusat data menekankan lagi komitmen terhadap kemampanan. Peralihan ke kampus yang lebih besar mesti sejajar dengan keperluan untuk mengurangkan kesan alam sekitar. Penekanan terhadap kemampanan bukan sekadar kata kunci, tetapi pengiktirafan strategik bahawa pusat data yang dikuasakan oleh tenaga boleh diperbaharui ini adalah penting untuk masa depan di mana kecekapan dan kesedaran alam sekitar berjalan seiring.
Walaupun sesetengah pihak mungkin mempertimbangkan akses kepada elektrik, air dan ketersambungan, dari perspektif pelanggan keperluan tradisional akan tetap sama. Pembekal pusat data mesti terus berusaha untuk berinovasi untuk mengurangkan keberkesanan penggunaan kuasa (PUE) dan kecekapan air (WUE), sekali gus mengurangkan pergantungan kepada penjana diesel. Memperoleh hanya 100% tenaga boleh diperbaharui dan perjanjian pembelian tenaga (PPA) untuk membekalkan pusat data menggunakan ladang suria dan angin khusus adalah inisiatif utama.
Dalam era baharu ini, industri memberi perhatian yang tidak pernah berlaku sebelum ini kepada faedah yang boleh dibawa oleh pusat data kepada komuniti tempatan. Ini termasuk usaha membina kemudahan yang selaras dengan persekitaran setempat dan mengurangkan pandangan negatif daripada bangunan pusat data.
Dalam evolusi pesat teknologi pusat data, mencapai "kesediaan AI" bukan hanya tentang kehebatan teknikal, ia bergantung pada keperluan penglibatan awal dengan pelanggan yang memerlukan infrastruktur sedia AI. .
Kerjasama strategik ini bukan sahaja memastikan hubungan simbiotik tetapi juga menjadi kunci untuk membangunkan infrastruktur yang benar-benar fleksibel dan disesuaikan yang boleh berkembang dengan lancar dengan persekitaran teknologi yang berkembang pesat dan sentiasa berubah.
Sifat model penglibatan awal ini melangkaui kerjasama tradisional. Ini adalah dialog yang dinamik dan berterusan yang menjadi asas kepada pendekatan yang dipanggil "dibuat khusus". Tidak seperti penyelesaian statik, pendekatan ini bersifat responsif, menyedari bahawa keperluan dan cabaran pelanggan tidak statik tetapi akan terus berkembang dan bertambah baik.
Jelas bahawa AI sedang mengubah keperluan pusat data dan perbincangan sedang dijalankan tentang cara menamakan pusat data generasi seterusnya - Hiperscale 2.0, Hiperscale, skala Gigabit dan pelbagai pilihan lain .
Walau bagaimanapun, "hyperscale" melibatkan lebih daripada saiz fizikal; ia juga mencerminkan pelanggan khusus yang dirujuk. Istilah "kampus hiperskala menempatkan pelanggan hiperskala" dengan lebih tepat mentakrifkan transformasi industri yang sedang berjalan. Walau bagaimanapun, tidak kira istilah yang digunakan, cabaran biasa adalah jelas: memenuhi keperluan kapasiti besar pelanggan ini. Had semasa kemudahan hiperskala Eropah dalam bertindak balas kepada pasaran AI yang semakin meningkat menyerlahkan cabaran ini, dan kampus hiperskala mungkin jawapannya.
Kecuali kampus yang sangat besar, peranan pengkomputeran tepi kekal penting. Apabila perusahaan menggunakan strategi AI/ML, keperluan untuk penyelesaian kelebihan menjadi lebih jelas. Penyelesaian AI bersepadu sepenuhnya perlu disambungkan kepada setiap aspek sistem perusahaan. Walaupun model bahasa teras dan model inferens mungkin berada di kampus hiperskala, kawasan metropolitan masih memerlukan penyelesaian kelebihan untuk memastikan penyepaduan penuh.
Pengkomputeran tepi kekal penting untuk aplikasi yang sangat sensitif kependaman seperti penstriman langsung. Selain itu, bagi sesetengah perusahaan, penyelesaian pusat data tepi adalah penting untuk keberkesanan kos. Sebagai contoh, rangkaian penghantaran kandungan yang dihantar melalui pusat data pinggir tempatan memudahkan peningkatan iOS yang lancar untuk iPhone, menghapuskan keperluan untuk pusat data berasingan di setiap negara.
Sambil kita bergelut dengan arah aliran transformatif ini, satu perkara menjadi sangat jelas: landskap pusat data sedang mengalami transformasi yang mendalam. Penyepaduan beban kerja AI/ML, definisi semula kebolehskalaan dan pembangunan strategik kampus berskala besar yang didayakan AI secara kolektif menandakan babak baharu dalam cerita pusat data. Ia bukan hanya tentang memenuhi permintaan, ia juga tentang membimbing kita ke arah masa depan yang didorong oleh data yang bertenaga dan mampan.
Pembekal perlu kekal komited untuk menyampaikan pusat data untuk menyokong ekonomi digital dipacu data yang semakin berkembang, memperkasakan maklumat dan aplikasi yang kami harapkan setiap hari. Pertumbuhan AI yang berterusan memberikan peluang menarik kepada penyedia untuk meneroka lebih lanjut reka bentuk, pembinaan dan inovasi operasi yang mentakrifkan semula perkara yang mungkin dalam industri pusat data, sambil memastikan komitmen terhadap kecemerlangan operasi dan kemampanan.
Atas ialah kandungan terperinci Bagaimana kecerdasan buatan mengubah pusat data menjadi kuasa kemampanan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!