چشم انداز Nvidia برای کارخانه های هوش مصنوعی – “روند اصلی در دنیای مرکز داده”

Nvidia این هفته رویداد Data Center World 2025 را در واشنگتن دی سی با دید جسورانه ای برای آینده زیرساخت های هوش مصنوعی آغاز کرد.

در نکته اصلی خود ، وید وینسون ، مهندس اصلی مرکز داده Nvidia ، مفهوم مراکز داده در مقیاس هوش مصنوعی را معرفی کرد. این امکانات عظیم و کارآمد با انرژی ، تقاضای افزایش محاسبات شتاب را برآورده می کند. Nvidia پیش بینی می کند که “کارخانه های AI” که توسط Blackwell GPUS و DGX Superpods ساخته شده است ، که توسط سیستم های خنک کننده پیشرفته و برق توسط Vertiv و Schneider Electric پشتیبانی می شود.

وینسون گفت: “شکی نیست که کارخانه های هوش مصنوعی یک روند عمده در دنیای مرکز داده است.”

تکمیل مرحله یکی از کارخانه های هوش مصنوعی در تگزاس

وینسون به پردیس تمیز Lancium اشاره کرد که سیستم های انرژی کروزو در نزدیکی ابیلن ، تگزاس در حال ساخت است. همانطور که او توضیح داد:

• مرحله اول این کارخانه هوش مصنوعی تا حد زیادی کامل است: 200 مگاوات در دو ساختمان.
• مرحله دوم آن را به 1.2 گیگابایت گسترش می دهد. باید تا اواسط سال 2026 تکمیل شود.
• این طرح شامل خنک کننده مایع مستقیم به تراشه ، مبدلهای حرارتی درب عقب و خنک کننده هوا است.
• این شامل شش ساختمان اضافی خواهد بود و این تسهیلات را به چهار میلیون فوت مربع می رساند.
• 10 توربین گازی برای تهیه در محل مستقر خواهد شد قدرت در محلبشر

علاوه بر این ، هر ساختمان حداکثر 50،000 GPU NVIDIA GB200 NVL72S را بر روی یک پارچه شبکه یکپارچه واحد اجرا می کند ، و مرز طراحی مرکز داده و مقیاس برای آموزش AI و بارهای استنباط را پیش می برد.

وینسون گفت برخی از کارخانه های هوش مصنوعی از قدرت در محل بهره می برند ، در حالی که برخی دیگر از سایت هایی که در آن نیرو در دسترس است استفاده می کنند. وی به آسیاب های قدیمی ، سایت های تولیدی و امکانات خرده فروشی که قبلاً به شبکه وصل شده اند ، اشاره کرد.

به عنوان مثال ، یک مرکز قدیمی در سانفرانسیسکو می تواند در ماه ها به جای سالهای زیادی که برای تکمیل ساخت و سازهای جدید و به دست آوردن اتصالات و مجوزهای نرم افزاری به دست آورد ، به یک کارخانه هوش مصنوعی تبدیل شود. چنین سایت هایی اغلب دارای سقف های بزرگی هستند که می توانند برای آرایه های انرژی خورشیدی استفاده شوند.

تنظیم مجدد مراکز داده موجود در کارخانه های هوش مصنوعی

در مورد مراکز داده موجود چطور؟ سازه های پیری ممکن است برای اسکان دنده های Nvidia و برنامه های هوش مصنوعی تلاش کنند. وینسون معتقد است بسیاری از امکانات جابجایی (Colos) در موقعیت خوبی قرار دارند که به کارخانه های هوش مصنوعی منتقل شوند.

وی گفت: “هر كولو كه در 10 سال گذشته ساخته شده است ، قدرت و خنک کننده كافی برای تبدیل شدن به یك كارخانه هوش مصنوعی دارد.” “کارخانه های هوش مصنوعی باید به عنوان یک فرصت درآمدی به جای هزینه مورد بررسی قرار گیرند.”

او تخمین می زند که هوش مصنوعی می تواند باعث افزایش بهره وری تجاری و شخصی شود 10 ٪ یا بیشتر ، اضافه کردن 100 تریلیون دلار به اقتصاد جهانی.

وینسون گفت: “این یک تغییر بهره وری بزرگتر از آنچه اتفاق افتاده است به دلیل موج برق در سراسر جهان که از حدود 100 سال پیش آغاز شده است ، نشان می دهد.”

برنامه ریزی برای موفقیت کارخانه هوش مصنوعی مهم است

وینسون به کسانی که علاقه مند به ساخت یا اداره کارخانه های هوش مصنوعی خود در مورد اهمیت برنامه ریزی بودند ، هشدار داد. در نظر گرفتن عوامل مختلف درگیر مهم است و مدل سازی بسیار مهم است.

او از ابزار شبیه سازی Omniverse Nvidia به عنوان یکی از راه های برنامه ریزی صحیح یک کارخانه هوش مصنوعی استفاده کرد. از فناوری دوقلوی دیجیتال برای فعال کردن مدل سازی جامع زیرساخت های مرکز داده و بهینه سازی طراحی استفاده می کند. عدم موفقیت در مدل سازی و شبیه سازی بسیاری از سناریوهای ممکن می تواند منجر به ناکارآمدی در مناطقی مانند مصرف انرژی شود و می تواند جدول زمانی ساخت و ساز را گسترش دهد.

وینسون گفت: “شبیه سازی ها مراکز داده را برای تقویت بهره وری عملیاتی از طریق مدیریت انرژی جامع توانمند می کنند.”

ببینید: مراکز داده می توانند با حدود 30 خط کد ، مصرف انرژی را تا 30 ٪ کاهش دهند

به عنوان مثال ، بسیاری از جانبازان مرکز داده ممکن است تغییر از مفاهیم سنتی قفسه ها ، راهروها و سرورها را به چرخ دنده های GPU که با خنک کننده مایع و با تجهیزات قدرت و توزیع انرژی کافی احاطه شده اند ، چالش برانگیز بدانند.

طرح های کارخانه هوش مصنوعی نسبت به قفسه های سرور به مراتب قدرت و دنده خنک کننده بیشتری دارند. بنابراین ، طرح ها کاملاً متفاوت خواهند بود. از این گذشته ، مقدار گرمای تولید شده توسط ابرقهرمانان GPU بیشتر از میزان تولید شده توسط مراکز داده معمولی است.

وینسون گفت: “انتظار ادغام قابل توجهی از قفسه ها را داشته باشید.” “هشت قفسه قدیمی ممکن است به یک قفسه آینده با GPU در داخل تبدیل شود. تهیه یک قدرت و پیکربندی خنک کننده ساده برای قفسه های موجود در کارخانه های AI ضروری است ، زیرا این موارد کاملاً متفاوت از آنچه بیشتر مراکز داده استفاده می شود.”