AI システムへの世界的な支出は 2023 年から 2026 年の間に倍増すると見込まれており、需要に応えるためにデータセンターの容量が急速に増加することは明らかです。
しかし、驚くべきことに多くのデータセンター運営者が過去1年間で新規プロジェクトにブレーキを踏み、投資を減速させており、ロンドンの空き容量は2022年から2023年にかけて6.3%減少した。
この直感に反する傾向の背後にあるものは何でしょうか?これを説明するには、人工知能コンピューティングとそれをサポートするインフラストラクチャに関連するいくつかの問題を理解する必要があります
人工知能がデータセンター インフラストラクチャをどのように変えるか
データセンターは常にそれを中心に構築されてきました。 CPU 電源は、従来のコンピューティング ワークロードを処理できるように拡張されています。ただし、AI コンピューティングには、同じ容量の CPU よりも多くの電力を消費し、より多くの熱を放散し、より多くのスペースを占める GPU 駆動のラックが必要です。これは、実際には、AI コンピューティング能力には、より多くの電源接続または代替冷却システムが必要になることが多いことを意味します。これは次のように言い換えることができます: これが本質的に意味するのは、AI コンピューティング能力には通常、より多くの電源接続または代替冷却システムが必要であるということです。これは組み込みインフラストラクチャであるため、データセンター複合施設に組み込まれています。構造、交換コストは、そうでない場合でも非常に高額であることがよくあります」経済的に完全に無理。
実際には、オペレータは、新しいデータ センターで従来のコンピューティングと比較して AI にどれだけのスペースを割り当てるかを決定する必要があります。
この間違いを犯して AI に過剰にコミットすると、データ センター オペレータに永久的なスペースが残される可能性があります。十分に活用されておらず、収益性の低いキャパシティ
この問題は、AI 市場がまだ初期段階にあるという事実によってさらに悪化しており、ガートナー社は、AI 市場は現在、期待がピークを超えた誇大宣伝サイクルにあると主張しています。その結果、多くの事業者は、新しいデータセンター プロジェクトにおける AI コンピューティングの割合に時期尚早にコミットするのではなく、設計段階で躊躇することを選択しています。
設計段階で総合的なアプローチを取る
しかし、事業者は、投資を遅らせるリスクを冒さなければ、市場シェアと競争上の優位性を失うことを痛感しています。ただし、データセンター インフラストラクチャの基礎の多くがリアルタイムで書き換えられていることを考えると、これは難しい注文です。
先行者のニーズとリスクの相殺のバランスを取るために、事業者はデータセンターを次のような設計にする必要があります。インテリジェント コンピューティングの時代は、最大限の効率と柔軟性を提供します。これには、設計に対する新しい全体的なアプローチが必要です。
1. より多くの関係者を巻き込む
事業者が人工知能と従来のコンピューティングをどのように区別するかに関係なく、人工知能コンピューティング機能を備えたデータセンター サイトは、従来の施設よりもはるかに複雑になります。特に AI コンピューティングには従来のコンピューティングよりも多くの要求があるため、複雑さが増すと障害点が増えることを意味します。
したがって、サイトの存続期間全体にわたって稼働時間を確保し、コストのかかる問題のリスクを軽減するには、チームはデータセンターの計画段階でより綿密な作業を行う必要があります。
特に、設計段階では、プロジェクトの開始時により広範なチームと専門知識からの意見を求める必要があります。電力と冷却に関する専門知識を求めることに加えて、設計者は、ボトルネックや障害の潜在的な原因を理解するために、運用、ケーブル配線、セキュリティ チームと早期に連携する必要があります。
2. データセンター運用への人工知能の統合
オペレーターは現場で AI コンピューティングを利用できるようになったため、AI を活用する能力を活用して業務効率を向上させる必要があります。人工知能はデータセンターで導入されてきた長い歴史があり、このテクノロジーにより非常に高い精度と品質でワークフローを実行できます。たとえば、人工知能は次のことに役立ちます。
温度と湿度の監視安全システムの運用- 電力使用量の監視と分配
- ハードウェア障害検出と予測 データセンターのライフサイクルのあらゆる段階でこのテクノロジーを積極的に使用することで、オペレーターは運用効率と堅牢性を大幅に向上させることができます。人工知能は、障害検出や予知保全による誤った経済学の回避など、次世代データセンターの斬新で複雑なレイアウトを採用する際に遭遇する新たな課題を解決するのに最適です。
- 3 人工知能は、より大きな効果をもたらします。トレーニングの実行時や実稼働環境でエンタープライズ グレードのモデルを実行しているときなど、ピーク時にデータ センターに負荷がかかります。現時点では、AI コンピューティングは、消費電力、冷却要件、データ スループットに関して従来予想されていた制限をはるかに超えることが多く、最も基本的なレベルでは、これはデータ センターの基盤となるマテリアルがより多くのプレッシャーにさらされることを意味します。これらの基礎となる材料やコンポーネントが高品質でない場合、それは故障しやすいことを意味します。 AI コンピューティングはサイト内のコンポーネントと接続の数が大幅に増加することを意味するため、従来のサイトではうまく機能する安価で低品質の材料が AI コンピューティングを実行しているデータセンターを停止させる可能性があることを意味します
- お金を節約するという誤った経済的リスクを避けるために、事業者は標準以下のケーブルなどの粗悪な材料を購入しないようにする必要があります。これらの材料は故障しやすいため、頻繁に交換する必要があります。さらに深刻なのは、標準以下の材料やコンポーネントの故障により、工場の停止や減速が発生し、収益性に影響を与えることがよくあります。
インフラストラクチャの課題を解決する
AIコンピューティングのインフラストラクチャ要件が通信事業者が投資を遅らせる主な理由である可能性がありますが、長期的にはそうではありません
市場として不確実性が高まると、企業は従来のコンピューティングと人工知能コンピューティングの間で二分され、「黄金の分野」に近づくことになるでしょう。
この場合、企業はウェブサイトの運用においてすべてを確実に準備する必要があります。学び成長するにつれて成功する
これは、最初から総合的に設計し、AI 自体を活用して現場の新たな効率性を発見し、AI のニーズを満たす投資に投資することを意味します。高品質の材料に対するより大きな需要を計算します。
以上が人工知能がデータセンターの設計をどのように変えるかの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ジョン・ロールズの独創的な1971年の著書「正義の理論」で、彼は私たちが今日のAIデザインの核となり、意思決定を使用するべきであるという思考実験を提案しました:無知のベール。この哲学は、公平性を理解するための簡単なツールを提供し、リーダーがこの理解を使用してAIを公平に設計および実装するための青写真を提供します。 あなたが新しい社会のルールを作っていると想像してください。しかし、前提があります。この社会でどのような役割を果たすかは事前にわかりません。過半数または限界少数派に属している、金持ちまたは貧弱、健康、または障害者になることがあります。この「無知のベール」の下で活動することで、ルールメーカーが自分自身に利益をもたらす決定を下すことができません。それどころか、人々はより公衆を策定する意欲があります

ロボットプロセスオートメーション(RPA)を専門とする多くの企業は、繰り返しタスクを自動化するためのボットを提供しています。 一方、プロセスマイニング、オーケストレーション、インテリジェントドキュメント処理スペシャル

AIの未来は、単純な単語の予測と会話シミュレーションを超えて動いています。 AIエージェントは出現しており、独立したアクションとタスクの完了が可能です。 このシフトは、AnthropicのClaudeのようなツールですでに明らかです。 AIエージェント:研究a

急速な技術の進歩は、仕事の未来に関する将来の見通しの視点を必要とします。 AIが単なる生産性向上を超えて、私たちの社会構造の形成を開始するとどうなりますか? Topher McDougalの今後の本、Gaia Wakes:

多くの場合、Harmonized System(HS)などのシステムからの「HS 8471.30」などの複雑なコードを含む製品分類は、国際貿易と国内販売に不可欠です。 これらのコードは、すべてのINVに影響を与える正しい税申請を保証します

データセンターと気候技術投資におけるエネルギー消費の将来 この記事では、AIが推進するデータセンターのエネルギー消費の急増と気候変動への影響を調査し、この課題に対処するための革新的なソリューションと政策の推奨事項を分析します。 エネルギー需要の課題:大規模で超大規模なデータセンターは、数十万の普通の北米の家族の合計に匹敵する巨大な力を消費し、新たなAIの超大規模なセンターは、これよりも数十倍の力を消費します。 2024年の最初の8か月で、Microsoft、Meta、Google、Amazonは、AIデータセンターの建設と運用に約1,250億米ドルを投資しました(JP Morgan、2024)(表1)。 エネルギー需要の成長は、挑戦と機会の両方です。カナリアメディアによると、迫り来る電気

生成AIは、映画とテレビの制作に革命をもたらしています。 LumaのRay 2モデル、滑走路のGen-4、OpenaiのSora、GoogleのVEO、その他の新しいモデルは、前例のない速度で生成されたビデオの品質を向上させています。これらのモデルは、複雑な特殊効果と現実的なシーンを簡単に作成できます。短いビデオクリップやカメラ認知モーション効果も達成されています。これらのツールの操作と一貫性を改善する必要がありますが、進歩の速度は驚くべきものです。 生成ビデオは独立した媒体になりつつあります。アニメーション制作が得意なモデルもあれば、実写画像が得意なモデルもあります。 AdobeのFireflyとMoonvalleyのMAであることは注目に値します

ChatGptユーザーエクスペリエンスは低下します:それはモデルの劣化ですか、それともユーザーの期待ですか? 最近、多数のCHATGPT有料ユーザーがパフォーマンスの劣化について不満を述べています。 ユーザーは、モデルへの応答が遅く、答えが短い、助けの欠如、さらに多くの幻覚を報告しました。一部のユーザーは、ソーシャルメディアに不満を表明し、ChatGptは「お世辞になりすぎて」、重要なフィードバックを提供するのではなく、ユーザービューを検証する傾向があることを指摘しています。 これは、ユーザーエクスペリエンスに影響を与えるだけでなく、生産性の低下やコンピューティングリソースの無駄など、企業の顧客に実際の損失をもたらします。 パフォーマンスの劣化の証拠 多くのユーザーは、特にGPT-4などの古いモデル(今月末にサービスから廃止される)で、ChatGPTパフォーマンスの大幅な分解を報告しています。 これ


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

SublimeText3 Linux 新バージョン
SublimeText3 Linux 最新バージョン

SecLists
SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。

SublimeText3 中国語版
中国語版、とても使いやすい

VSCode Windows 64 ビットのダウンロード
Microsoft によって発売された無料で強力な IDE エディター

PhpStorm Mac バージョン
最新(2018.2.1)のプロフェッショナル向けPHP統合開発ツール

ホットトピック









