هوش مصنوعی بازی مرکز داده را تغییر می دهد. اگر قرار باشد مراکز داده میزبان موتورهای هوش مصنوعی باشند که به رک های بسیار متراکم و صدها پردازنده گرافیکی نیاز دارند، همه چیز باید تغییر کند. مراکز داده موجود و طراحی های سنتی قادر به مقابله با نیازهای هوش مصنوعی نخواهند بود. راه حلی که در حال ظهور است، سفارشی کردن مرکز داده برای رفع نیازهای هوش مصنوعی است. در این ویژگی TechRepublic Premium، درو راب در مورد چگونگی طراحی این مراکز داده برای میزبانی موفقیت آمیز هوش مصنوعی بحث می کند.
متن ویژه از دانلود:
بهترین روش ها برای مراکز داده هوش مصنوعی
عوامل زیادی وجود دارد که برای موفقیت در برنامه ریزی یا ساخت مراکز داده هوش مصنوعی باید آنها را در نظر بگیرند:
برون سپاری هوش مصنوعی را در نظر بگیرید
برون سپاری یک واقعیت زندگی در فضای مرکز داده است. به عنوان مثال، ابر مقیاس‌کننده‌های بزرگ و ارائه‌دهندگان هم‌لوکیشن، فضا را از مراکز داده دیگر در بازارهای محلی اجاره می‌کنند که در آنها فاقد حضور هستند. مراکز داده سازمانی نیز در طول سال‌ها عملکردهای زیادی را تخلیه کرده‌اند، تجهیزات و برنامه‌های کاربردی خاصی را در خانه نگه می‌دارند و از مراکز داده دیگر برای رسیدگی به امور دیگر استفاده می‌کنند. چرا هوش مصنوعی باید متفاوت باشد؟ در جایی که قابلیت‌های داخلی ضعیف است، یا قدرت، سرمایش و زیرساخت‌های کلی ضعیف هستند، خدمات هوش مصنوعی را می‌توان با استفاده از خدمات مراکز داده نزدیک ارائه کرد. برای برخی، اگر ابزاری برای خرید یک مرکز داده کاملاً جدید نداشته باشند، برون سپاری هوش مصنوعی ممکن است تنها راه رو به جلو باشد.
رویکرد مرحله‌ای
کسانی که جیب‌های عمیقی دارند ممکن است بتوانند یک مرکز داده کامل هوش مصنوعی را در یک لحظه غوطه‌ور کنند. با این حال، برای مراکز داده موجود، توانایی تطبیق آنها یا بهسازی آنها برای تطبیق با تراکم بالاتر ممکن است به دلیل متغیرهای زیادی مانند در دسترس بودن توان و اقتصادی بودن، دشوار یا حتی غیرممکن باشد. برای اکثر شرکت هایی که مسیر برون سپاری هوش مصنوعی را دنبال نمی کنند، یک رویکرد مرحله ای مورد نیاز است. اگر تقاضا وجود داشته باشد، آنها می توانند یک یا دو رک سرور هوش مصنوعی اضافه کنند و بقیه مرکز داده را با نرخ نسبتاً کم تراکم محاسباتی ترک کنند. حتی اگر قدرت محدود باشد، بسیاری از مراکز داده ممکن است بتوانند حداقل چند سرور هوش مصنوعی اضافه کنند. علاوه بر این، تنها نیاز به اجرای خنک کننده مایع برای چند قطعه از تجهیزات، منحنی یادگیری فناوری مایع را کاهش می دهد و هزینه را پایین نگه می دارد. باید درک کرد که انتقال یک مرکز داده از 200 وات بر فوت مربع به 400 یا بیشتر یک کار بزرگ است. همچنین می‌تواند برای ترافیک مراکز داده موجود که در حال حاضر صورتحساب‌ها را پرداخت می‌کنند، مختل باشد. شاید عاقلانه نباشد که مدل کسب و کار موجود را به امید استفاده از هوش مصنوعی قربانی کنیم. رویکرد مرحله‌ای در بسیاری از موارد استراتژی بهتری است.
دانش هوش مصنوعی و مرکز داده خود را با PDF 10 صفحه‌ای ما تقویت کنید. این تنها با قیمت 9 دلار برای دانلود در دسترس است. از طرف دیگر، از دسترسی رایگان با a اشتراک سالانه حق بیمه.
صرفه جویی در زمان: ایجاد این محتوا به 20 ساعت نوشتن، ویرایش، تحقیق و طراحی اختصاصی نیاز دارد.