Sebab beban kerja AI mungkin tidak mengubah industri pusat data
Pada pandangan pertama, ledakan AI mungkin merupakan rahmat besar untuk industri pusat data. Lebih banyak perusahaan melabur dalam AI, lebih banyak kapasiti pusat data yang mereka perlukan, bukan
AI pasti akan mendorong permintaan untuk pusat data, tetapi saya percaya bahawa kesan AI terhadap industri akhirnya akan terbukti terhad . Inilah sebabnya.
Bagaimana AI Memberi Impak kepada Pusat Data
Untuk meningkatkan permintaan AI dalam pusat data, sebabnya sangat mudah: membina dan menggunakan beban kerja AI memerlukan banyak infrastruktur IT - dalam banyak kes, termasuk infrastruktur khusus seperti pelayan yang dilengkapi GPU . Teras pusat data jelas adalah tempat infrastruktur dihoskan, kerana mereka bukan sahaja menyediakan ruang untuk menjadi hos pelayan, tetapi juga menyediakan kawalan keselamatan fizikal, sistem tenaga yang cekap, penyelesaian penyejukan dan sumber lain yang diperlukan oleh perusahaan untuk melindungi pelaburan mereka dalam infrastruktur AI. .
Jadi, seiring dengan berlalunya masa dan semakin ramai perniagaan ingin membina atau menggunakan model AI, mereka akan beralih ke pusat data untuk mengehoskan pelayan yang diperlukan untuk mencapai matlamat mereka - sekurang-kurangnya itulah yang difikirkan oleh kecerdasan popular.
Adakah AI benar-benar akan mengubah pusat data
Dalam beberapa tahun akan datang, bilangan pelayan di pusat data akan meningkat secara beransur-ansur, khusus untuk beban kerja AI. Dalam sesetengah kes, syarikat juga sedang membina pusat data baharu khusus untuk AI.
Walau bagaimanapun, secara amnya, memang benar bahawa AI akan mengganggu industri sepenuhnya, atau beban kerja AI akan mengatasi jenis aplikasi lain (seperti pengehosan web) dan menjadi laluan utama untuk pusat data.
Berikut ialah empat sebab mengapa kesan ledakan AI pada pusat data mungkin tidak sebesar yang kelihatan.
Keperluan sementara untuk infrastruktur AI
Pertama, membenarkan kes penggunaan AI tidak memerlukan perusahaan memiliki infrastruktur AI secara kekal. Jika anda perlu melatih model, anda memerlukan banyak kuasa pengkomputeran semasa latihan, tetapi kemudian anda tidak akan dapat menggunakan kapasiti pelayan itu sehingga anda melatih model seterusnya.
Jadi, bagi kebanyakan perniagaan yang berminat dengan AI, lebih masuk akal dari segi kewangan untuk menggunakan penyelesaian IaaS untuk keperluan infrastruktur AI mereka, daripada membeli pelayan anda sendiri dan menempatkannya di pusat data. Tidak seperti jenis beban kerja lain, AI memerlukan infrastruktur berskala besar yang berselang-seli.
Infrastruktur AI terbiar sudah banyak
Membeli infrastruktur AI dan ruang pusat data untuk dihoskan adalah lebih sukar untuk dibenarkan memandangkan sejumlah besar kapasiti infrastruktur murah yang sudah tersedia daripada penyedia IaaS.
Sebagai contoh, contoh Spot VM tersedia pada diskaun yang ketara berbanding pelayan awan awam standard dan merupakan cara yang bagus untuk melaksanakan latihan AI. Kelemahan utama contoh Spot - penyedia awan boleh menutup kejadian tanpa sebarang amaran, berpotensi mengganggu sebarang beban kerja yang dihoskan padanya - tidak terlalu menjadi isu untuk latihan AI, kerana dalam banyak kes latihan boleh Menjeda dan menyambung semula pada kejadian yang berbeza .
Ringkasnya, perusahaan tidak mungkin mengembangkan jejak pusat data mereka untuk menyokong beban kerja AI apabila mereka boleh menggunakan tawaran IaaS sedia ada yang sangat murah untuk tujuan yang sama.
Beberapa perniagaan membina model AI mereka sendiri
Tidak kira apa infrastruktur yang anda gunakan, bangunkan, latihan dan menggunakan model AI dari awal adalah kerja keras - sangat sukar sehingga hanya sedikit perniagaan yang boleh melakukannya. Kebanyakan orang mungkin akan memilih perkhidmatan AI pihak ketiga daripada syarikat seperti Microsoft atau Google.
Perkhidmatan ini disediakan oleh vendor yang membina dan melatih model mereka sendiri, jadi pelanggan yang menggunakan model ini tidak perlu membeli infrastruktur AI mereka sendiri.
Kegilaan AI akhirnya akan reda
Pada masa ini, GenAI menjadi topik hangat dan terdapat tekanan yang semakin meningkat ke atas perniagaan untuk melabur dalam penyelesaian AI, tetapi dalam tempoh lima atau sepuluh tahun, kebanyakan strategi AI perniagaan mungkin akan matang dan mereka akan memutar arah aliran teknologi baharu.
Maksudnya untuk pusat data ialah sebarang peningkatan permintaan yang disebabkan oleh AI berkemungkinan kebanyakannya bersifat sementara - adalah tidak bijak untuk mengembangkan kapasiti pusat data dengan ketara hanya untuk mendapati ia tidak lagi diperlukan dalam jangka sederhana.
Kesimpulan
Intinya: Kecuali bagi mereka yang pakar dalam membangunkan perisian AI, beberapa perusahaan mempunyai alasan yang baik untuk melabur dalam pusat data untuk menyokong beban kerja AI. Jangkakan gembar-gembur AI akan memacu sedikit pertumbuhan dalam kapasiti pusat data, terutamanya dalam beberapa tahun akan datang, tetapi jangan jangka AI akan menyebabkan peningkatan ketara dalam permintaan untuk ruang pusat data - kerana ruang sedia ada mungkin akan mencukupi untuk memenuhi keperluan kebanyakan perusahaan.
Atas ialah kandungan terperinci Sebab beban kerja AI mungkin tidak mengubah industri pusat data. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Perintah shutdown CentOS adalah penutupan, dan sintaks adalah tutup [pilihan] [maklumat]. Pilihan termasuk: -h menghentikan sistem dengan segera; -P mematikan kuasa selepas penutupan; -r mulakan semula; -T Waktu Menunggu. Masa boleh ditentukan sebagai segera (sekarang), minit (minit), atau masa tertentu (HH: mm). Maklumat tambahan boleh dipaparkan dalam mesej sistem.

Dasar sandaran dan pemulihan Gitlab di bawah sistem CentOS untuk memastikan keselamatan data dan pemulihan, Gitlab pada CentOS menyediakan pelbagai kaedah sandaran. Artikel ini akan memperkenalkan beberapa kaedah sandaran biasa, parameter konfigurasi dan proses pemulihan secara terperinci untuk membantu anda menubuhkan strategi sandaran dan pemulihan GitLab lengkap. 1. Backup Manual Gunakan Gitlab-Rakegitlab: Backup: Buat Perintah untuk Melaksanakan Backup Manual. Perintah ini menyokong maklumat utama seperti repositori Gitlab, pangkalan data, pengguna, kumpulan pengguna, kunci, dan kebenaran. Fail sandaran lalai disimpan dalam direktori/var/opt/gitlab/sandaran. Anda boleh mengubah suai /etc /gitlab

Panduan Lengkap untuk Memeriksa Konfigurasi HDFS Dalam Sistem CentOS Artikel ini akan membimbing anda bagaimana untuk memeriksa konfigurasi dan menjalankan status HDFS secara berkesan pada sistem CentOS. Langkah -langkah berikut akan membantu anda memahami sepenuhnya persediaan dan operasi HDFS. Sahkan Pembolehubah Alam Sekitar Hadoop: Pertama, pastikan pembolehubah persekitaran Hadoop ditetapkan dengan betul. Di terminal, laksanakan arahan berikut untuk mengesahkan bahawa Hadoop dipasang dan dikonfigurasi dengan betul: Hadoopversion Semak fail konfigurasi HDFS: Fail konfigurasi teras HDFS terletak di/etc/hadoop/conf/direktori, di mana core-site.xml dan hdfs-site.xml adalah kritikal. gunakan

Membolehkan pecutan GPU pytorch pada sistem CentOS memerlukan pemasangan cuda, cudnn dan GPU versi pytorch. Langkah-langkah berikut akan membimbing anda melalui proses: Pemasangan CUDA dan CUDNN Tentukan keserasian versi CUDA: Gunakan perintah NVIDIA-SMI untuk melihat versi CUDA yang disokong oleh kad grafik NVIDIA anda. Sebagai contoh, kad grafik MX450 anda boleh menyokong CUDA11.1 atau lebih tinggi. Muat turun dan pasang Cudatoolkit: Lawati laman web rasmi Nvidiacudatoolkit dan muat turun dan pasang versi yang sepadan mengikut versi CUDA tertinggi yang disokong oleh kad grafik anda. Pasang Perpustakaan Cudnn:

Memasang MySQL pada CentOS melibatkan langkah -langkah berikut: Menambah sumber MySQL YUM yang sesuai. Jalankan YUM Pasang Perintah MySQL-Server untuk memasang pelayan MySQL. Gunakan perintah mysql_secure_installation untuk membuat tetapan keselamatan, seperti menetapkan kata laluan pengguna root. Sesuaikan fail konfigurasi MySQL seperti yang diperlukan. Tune parameter MySQL dan mengoptimumkan pangkalan data untuk prestasi.

Docker menggunakan ciri -ciri kernel Linux untuk menyediakan persekitaran berjalan yang cekap dan terpencil. Prinsip kerjanya adalah seperti berikut: 1. Cermin digunakan sebagai templat baca sahaja, yang mengandungi semua yang anda perlukan untuk menjalankan aplikasi; 2. Sistem Fail Kesatuan (Unionfs) menyusun pelbagai sistem fail, hanya menyimpan perbezaan, menjimatkan ruang dan mempercepatkan; 3. Daemon menguruskan cermin dan bekas, dan pelanggan menggunakannya untuk interaksi; 4. Ruang nama dan cgroups melaksanakan pengasingan kontena dan batasan sumber; 5. Pelbagai mod rangkaian menyokong interkoneksi kontena. Hanya dengan memahami konsep -konsep teras ini, anda boleh menggunakan Docker dengan lebih baik.

Perintah untuk memulakan semula perkhidmatan SSH ialah: Sistem Restart SSHD. Langkah -langkah terperinci: 1. Akses terminal dan sambungkan ke pelayan; 2. Masukkan arahan: SistemCtl Restart SSHD; 3. Sahkan Status Perkhidmatan: Status Sistem SSHD.

Latihan yang diedarkan Pytorch pada sistem CentOS memerlukan langkah -langkah berikut: Pemasangan Pytorch: Premisnya ialah Python dan PIP dipasang dalam sistem CentOS. Bergantung pada versi CUDA anda, dapatkan arahan pemasangan yang sesuai dari laman web rasmi Pytorch. Untuk latihan CPU sahaja, anda boleh menggunakan arahan berikut: PipinstallToRchTorchVisionTorchaudio Jika anda memerlukan sokongan GPU, pastikan versi CUDA dan CUDNN yang sama dipasang dan gunakan versi pytorch yang sepadan untuk pemasangan. Konfigurasi Alam Sekitar Teragih: Latihan yang diedarkan biasanya memerlukan pelbagai mesin atau mesin berbilang mesin tunggal. Tempat
