لزوم توجه معماران دیتاسنترها در سال 1403 به هوش مصنوعی، تمرکززدایی و حرکت در مسیر انرژی‌های پاک

یکی از تحول آفرین‌ترین روندهای مراکز داده در سال 1403، رشد سریع پذیرش هوش مصنوعی است. با گسترش قابلیت‌های هوش مصنوعی، موارد استفاده این فناوری در همه صنایع به سرعت روبه‌افزایش می‌یابد. شبکه‌های عصبی پیشرفته نوید انقلابی بزرگ از تولید گرفته تا مراقبت‌های بهداشتی را می‌دهند،  اما این نوآوری‌ها هزینه‌بر هستند. به بیان دقیق‌تر، مدل‌های پیچیده هوش مصنوعی به داده‌های گسترده و توان محاسباتی بالا نیاز دارند.

موسسه تحقیقاتی IDC تخمین زده است که مصرف داده‌ها سالانه 20 درصد رشد می‌کند که باعث افزایش قابل توجه بار کاری می‌شود که مراکز داده تجربه خواهند کرد. این رشد تصاعدی، چالش بزرگی به وجود می‌آورد و ممکن است باعث مصرف بی سابقه انرژی، محدودیت‌های زیرساختی و تنگناهای محاسباتی شود. این در حالی است که سرمایه‌گذاری بر روی سخت‌افزارهای تخصصی هوش مصنوعی بسیار مهم است، به‌طوری که سازمان‌ها مجبور به ارتقا توان محاسباتی، توزیع بهتر نیروی الکتریسیته، سرمایش بیشتر و استفاده کارآمدتر از فضا خواهند بود تا زیرساخت‌های موجود بهترین عملکرد را ارائه دهند.

مهم‌تر از همه، تامین انرژی پاک برای محاسبات هوش مصنوعی به‌شکل قابل تامل، به یک ضرورت تبدیل شده است، به‌طوری که شاهد عقد قراردادهای خرید برق شرکتی (PPA) مبتنی بر انرژی‌های تجدیدپذیر توسط ارائه‌دهندگان بزرگ خدمات زیرساختی هستیم. به طور مثال، غول‌های بزرگ دنیای فناوری مثل مایکروسافت متعهد شده‌اند در مسیر کربن منفی و خنثی گام بردارند. برخی دیگر، به سراغ راه‌حل‌های توزیع برق از طریق پنل‌های خورشیدی رفته‌اند. با این حال، ماهیت متناوب انرژی‌های تجدیدپذیر به فناوری‌های بیشتر و دقیق‌تری نیاز دارد تا بتواند به عنوان یک منبع تغذیه پایدار و قابل اعتماد مورد استفاده قرار گیرد.

راه‌حل‌هایی مانند پیل‌های سوختی اکسید جامد (SOFC) می‌توانند برق پایداری را ارائه کنند. این پیل‌ها بدون سوزاندن سوخت‌های مضر برای لایه اوزن، انرژی را در قالب تغییرات الکتروشیمیایی به الکتریسیته، در اختیار ما قرار می‌دهند تا میزان آلاینده‌های گازهای گلخانه‌ای به میزان کمی برسد. بر همین اساس به عنوان یک گزینه کارآمد و انعطاف‌پذیر شناخته می‌شوند. یکپارچه کردن سیستم‌های SOFC با ریزشبکه‌ها به مراکز داده اجازه می‌دهد تا خدمت‌رسانی تمام وقت را حتی زمانی که شبکه اولیه با پیک بار روبرو است، ارائه دهند. چنین معماری‌های انعطاف‌پذیر و کمتر مضر می‌توانند برای پیشبرد پیشرفت تحقیقات در حوزه هوش مصنوعی و در عین حال به حداقل رساندن آسیب‌های محیطی مفید باشند.