الطلب على أحمال العمل الذكية متوقع أن يصل إلى 156 جيجاواط بحلول 2030... تقليل معالجات الرسومات العاطلة أمر حاسم لمواجهة أعباء الطاقة والتبريد
كاكاو تدرس تحويل معالجات الرسومات حسب الفترة الزمنية... إليس تعمل على تحسين البنية الأساسية المتخصصة للتعلم والاستدلال
![رسم توضيحي لمركز بيانات ذكي في بوهانج. [الصورة=محافظة كيونغسانغ الشمالية]](https://image.ajunews.com/content/image/2026/09/01/20260901141909410212.jpg)
مع الزيادة الحادة في الطلب على القدرات الحاسوبية للذكاء الاصطناعي، برزت مسألة جديدة تتعلق بكفاءة استخدام معالجات الرسومات المركبة في مراكز البيانات.
وفقاً لتحليل من ماكينزي بناءً على بيانات من شركات أبحاث السوق مثل غارتنر وIDC وشركة إنفيديا، من المتوقع أن يرتفع الطلب على أحمال العمل الذكية في مراكز البيانات العالمية من 44 جيجاواط في عام 2025 إلى 156 جيجاواط في عام 2030، أي بنسبة زيادة تبلغ حوالي 3.5 مرات. كما يُتوقع أن ينمو إجمالي الطلب على مراكز البيانات في نفس الفترة من 82 جيجاواط إلى 219 جيجاواط. وعلى وجه الخصوص، من المتوقع أن يشهد الطلب على الاستدلال الذكي نمواً سنوياً بنسبة 35% من 20.9 جيجاواط في عام 2025 إلى 93.3 جيجاواط في عام 2030، متفوقاً على معدل نمو الطلب على التعلم الذي يبلغ 22%.
ولا يكفي توفير عدد كبير من معالجات الرسومات وحدها للتعامل مع الزيادة المتنامية في الطلب على الحسابات. فمع تركيب معالجات رسومات عالية الأداء على نطاق واسع، تتزايد كثافة الطاقة لكل رف خادم وتزداد أعباء التبريد بشكل كبير. وقد ظهرت حركات لتطبيق تقنيات تبريد جديدة مثل التبريد السائل في مراكز بيانات الذكاء الاصطناعي للتعامل مع بيئات معالجات الرسومات عالية الكثافة.
يركز القطاع أيضاً على الاستفادة من خصائص حمل العمل الرئيسي للذكاء الاصطناعي وهما التعلم والاستدلال لتحقيق توزيع فعال لمعالجات الرسومات. التعلم ينطوي على إجراء حسابات واسعة النطاق بشكل كثيف، لكنه يمكنه تحمل مستويات معينة من التأخير أو انقطاع العمل، بينما الاستدلال يجب أن يوفر النتائج للمستخدمين في الوقت الفعلي، مما يتطلب تأخيراً منخفضاً وقدرة معالجة مستقرة.
تحلل ماكينزي أن هذه الاختلافات في الخصائص ستؤثر بشكل مختلف على موقع مراكز البيانات وتصميمها واستراتيجيات إمدادات الطاقة.
وبشكل خاص، يتم تقديم طريقة واحدة في الحل تتمثل في استخدام معالجات الرسومات الموجهة للاستدلال لأغراض أخرى خلال الفترات الزمنية التي ينخفض فيها حجم حركة المرور للخدمات الفورية. الطريقة تتمثل في إعطاء الأولوية لمعالجات الرسومات للخدمات الفورية في الساعات التي يكون فيها الطلب على الاستدلال مرتفعاً، وخلال الساعات التي ينخفض فيها الطلب، يتم نشر معالجات الرسومات العاطلة للتعلم والتعلم من جديد والعمليات الجماعية.
قدّمت شركة ريد هات في تقريرها الصادر في مارس الماضي هذه الاستراتيجية باعتبارها "استدلال في النهار وتعلم في الليل". أوضحت ريد هات أن عمليات الاستدلال تتطلب تأخيراً منخفضاً والتوفر المستمر للاستجابة الفورية، بينما عمليات التعلم تسمح بشكل نسبي بالتأخير والانقطاع، مما يجعلها مناسبة للنشر في ساعات الليل عندما ينخفض الطلب على الاستدلال. كما اقترحت أن تقليل معالجات الرسومات العاطلة يمكن تحقيقه من خلال التنسيق الديناميكي لموارد معالجات الرسومات بناءً على الطلب الفوري.
يظهر هذا النهج أيضاً داخل كوريا الجنوبية كبديل لتعزيز كفاءة معالجات الرسومات. كاكاو تدرس طرق استخدام معالجات الرسومات حسب الفترات الزمنية المختلفة لأنها تتأمل في طرق تشغيل بنية الذكاء الاصطناعي القادمة. قال نائب الرئيس كيم سي-وونج من قسم تآزر الذكاء الاصطناعي في كاكاو: "أعتقد أن استخدام خوادم الاستدلال التي تتطلب استجابة فورية خلال ساعات اليوم وفقاً لحركة المرور، ثم تجميع معالجات الرسومات الفائضة والاستثمار فيها للتعلم خلال الليل هي الطريقة الكورية في تشغيل معالجات الرسومات".
تسعى شركات البنية الأساسية للذكاء الاصطناعي المحلية إلى تحقيق الكفاءة ليس فقط من خلال توزيع الموارد حسب الفترات الزمنية، بل أيضاً من خلال تصميم مراكز بيانات تتوافق مع خصائص أحمال العمل نفسها. مجموعة إليس تصمم مراكز البيانات المعيارية الموجهة للذكاء الاصطناعي بشكل مختلف بناءً على متطلبات التعلم والاستدلال. بالنسبة للتعلم، تستخدم معالجات الرسومات والعناقيد فائقة التأخير المنخفض لضمان أقصى أداء، بينما بالنسبة للاستدلال تؤكد على وحدات معالجة عصبية وتوفر عالية وفعالية من حيث التكلفة.
قال متخصص في القطاع: "في مراكز بيانات الذكاء الاصطناعي، لا يقتصر الأمر على عدد معالجات الرسومات التي تم توفيرها، بل يصبح من المهم الآن كيفية الاستفادة بكفاءة من معالجات الرسومات المتوفرة في الحسابات الفعلية. ونظراً لأن خصائص الاستدلال والتعلم مختلفة، فإن التوزيع المرن لمعالجات الرسومات وفقاً لحركة المرور وظروف الطاقة، وكذلك تحسين كفاءة البنية الأساسية مثل التبريد، سيحدد القدرة التنافسية لتشغيل مراكز البيانات في المستقبل".
* تمت ترجمة هذا المقال تلقائيًا بواسطة الذكاء الاصطناعي.