Ձեռնարկությունների հաշվողական տեխնիկայի հաջորդ տասնամյակը որոշող ենթակառուցվածքային մրցավազքը հասել է շրջադարձային կետի: Crusoe-ի կողմից 3,9 միլիարդ դոլարի հսկայական ֆինանսավորում ներգրավելու և ընկերության շուկայական արժեքը մինչև 30,9 միլիարդ դոլար հասցնելու վերջին հայտարարությունը վկայում է այն մասին, որ արդյունաբերությունը հիմնարար կերպով փոխում է իր վերաբերմունքը էներգաարտադրության և բարձր արտադրողականությամբ հաշվողական համակարգերի (HPC) փոխկապակցման հարցում: Սա պարզապես տվյալների կենտրոն մատակարարող ընկերության համար հերթական կապիտալ ներդրումը չէ. սա ազդանշան է, որ Generative AI-ի (գեներատիվ արհեստական բանականություն) մասշտաբայնության համար հիմնական խոչընդոտը սիլիցիումային շերտից տեղափոխվել է էներգետիկ շերտ:

Բիզնեսի ղեկավարների և տեխնիկական տնօրենների (CTO) համար այս իրադարձությունը ընդգծում է մի իրողություն, որին մենք հետևում ենք ամիսներ շարունակ. էլեկտրացանցերի ֆիզիկական սահմանափակումներն այլևս ապագայի տեսական խնդիր չեն, այլ թվային փոխակերպման ներկայիս ճանապարհային քարտեզների գլխավոր սահմանափակող գործոնը:

«AI ֆաբրիկա» պարադիգմի վերելքը

Տվյալների կենտրոնների ավանդական մոդելները, որոնք հիմնված էին կենտրոնացված և էլեկտրացանցերից կախված ճարտարապետության վրա, գնալով ավելի անբավարար են դառնում ժամանակակից լեզվական մեծ մոդելների (LLM) ուսուցման և ինֆերենսի՝ բարձր խտության մասնագիտացված պահանջների համար: Crusoe-ի ներգրաված կապիտալը նախատեսված է հիբրիդային մոտեցման համար՝ հսկայական հիպերմաշտաբային տվյալների կենտրոններ կառուցելուն զուգընթաց՝ «AI ֆաբրիկաների»՝ ավելի փոքր, մոդուլային և ռազմավարական նշանակություն ունեցող հաշվողական կլաստերների տեղակայման համար:

Այս մոդուլային մոտեցումը փոխում է ձեռնարկությունների ռազմավարության կանոնները: Փոխանակ տարիներ շարունակ սպասելու մեկ խոշոր օբյեկտի համար էներգամատակարարման թույլտվություններ ստանալուն՝ կազմակերպությունները սկսում են ուշադրությունը սևեռել ապակենտրոնացված և էներգիայի աղբյուրներին մոտ գտնվող ենթակառուցվածքների վրա: Այս տեղաշարժը մի շարք կարևոր հետևանքներ ունի տեխնոլոգիական ոլորտի համար.

  • Տեղակայմամբ պայմանավորված արդյունավետություն: Հաշվողական ռեսուրսները էներգիայի աղբյուրների անմիջական հարևանությամբ տեղակայելով՝ ընկերությունները կարող են խուսափել հնացած էլեկտրացանցերին բնորոշ անկայունությունից և էներգիայի կորուստներից:
  • Գործառնական ուշացումների (latency) կրճատում: Փոքր մոդուլային տվյալների կենտրոնները կարող են տեղակայվել օգտատերերին ավելի մոտ, ինչը զգալիորեն նվազեցնում է իրական ժամանակում աշխատող AI գործակալների և ավտոմատացված որոշումներ կայացնող համակարգերի ուշացումը:
  • Կայունությունը որպես ծախսերի ապահովագրում: Էներգիայի արտադրությունը հաշվողական ռեսուրսների հետ անմիջականորեն ինտեգրելը ընկերություններին թույլ է տալիս կայունացնել էներգետիկ ծախսերը՝ արդյունավետորեն պաշտպանվելով էլեկտրաէներգիայի համաշխարհային պահանջարկի աճին հաջորդող գնային անխուսափելի տատանումներից:

Ժամանակակից ձեռնարկության համար սա նշանակում է, որ ենթակառուցվածքի ապագան այլևս միայն «ամպային հզորություններ գնելը» չէ: Այն նշանակում է հասկանալ, թե որտեղ է գտնվում այդ հաշվողական հզորությունը և ինչպես է այն սնվում, քանի որ այս գործոնները գնալով ավելի են որոշում կազմակերպության ներքին AI ներդրումների հուսալիությունը և երկարաժամկետ եկամտաբերությունը (ROI):

Ռազմավարական ազդեցությունը ROI-ի և թվային փոխակերպման վրա

Վերլուծելով կապիտալի այս հոսքի բիզնես ազդեցությունը՝ ակնհայտ է դառնում, որ «հասանելի հաշվողական հզորության» արժեքը բարձրանում է: Այն ընկերությունները, որոնք ներկայումս իրենց Customer Relationship Management (CRM) համակարգերը մասշտաբավորում են կանխատեսող AI-ով կամ գործընթացների ավտոմատացման համար ներդնում են ինքնավար AI գործակալներ, այժմ պետք է էներգետիկ ենթակառուցվածքը հաշվի առնեն որպես սեփականության ընդհանուր արժեքի (TCO) մաս:

Այս «AI ֆաբրիկաներից» կախվածությունը հուշում է, որ թվային փոխակերպման հաջորդ ալիքը նախապատվությունը տալու է այն ընկերություններին, որոնք կարող են անխափան կերպով կամրջել հին համակարգերի և բարձր խտության հաշվողական միջավայրերի միջև առկա անդունդը: Եթե ձեր AI գործակալները ձեռնարկության ավտոմատացման համար պահանջում են մշտական և կայուն աշխատունակություն, դուք չեք կարող թույլ տալ, որ ձեր ենթակառուցվածքը կապված լինի մի ցանցի հետ, որը պայքարում է պահանջարկի տատանումների դեմ:

Այս միտումը նաև արագացնում է անցումը ավանդական, ձեռքով կառավարվող ծրագրային փաթեթներից դեպի բարձր ավտոմատացված, խելացի ենթակառուցվածքներ: Քանի որ տվյալների կենտրոնները դառնում են ավելի բարդ՝ օգտագործելով AI՝ իրենց սառեցումը, էներգիայի բեռնվածությունը և անվտանգությունը կառավարելու համար, այն ընկերությունները, որոնք կինտեգրեն հաշվողական այս առաջադեմ հանգույցները, կտեսնեն գործառնական արդյունավետության զգալի աճ: Մենք շարժվում ենք մի վիճակի, որտեղ հենց AI-ն է դառնում իր աշխատած ենթակառուցվածքի գլխավոր ճարտարապետն ու կառավարիչը:

Նախապատրաստում հաշվողական ռեսուրսների սահմանափակումներով ապագային

Ղեկավարների համար եզրակացությունը պարզ է. թվային տնտեսության ֆիզիկական հիմքը վերաշարադրվում է: Երբ այս AI ֆաբրիկաները գործարկվեն, դրանք կստեղծեն Tier-1 մակարդակի հաշվողական հասանելիության նոր դաս, որն անհրաժեշտ կլինի ձեռնարկությունների AI-ի հաջորդ սերնդի համար: Այն կազմակերպությունները, որոնք իրենց հաշվողական ռազմավարությունը կդիտարկեն որպես ծրագրային ռազմավարության երկրորդական մաս, հավանաբար ստիպված կլինեն վճարել «սակավության պրեմիում»:

Մրցուն