AI მონაცემთა ცენტრი სპეციალურად ამ მიზნისთვის აშენებული შენობაა, სადაც ათასობით სპეციალიზებული ჩიპი მჭიდროდაა დაკავშირებული ქსელურად, რათა ერთად გაწვრთნას ან გაუშვას AI მოდელები — და რადგან ეს ჩიპები ჩვეულებრივ მონაცემთა ცენტრში მდგარ სერვერებზე გაცილებით მეტ დენს მოიხმარენ და გაცილებით მეტ სითბოს გამოყოფენ, თავად შენობებიც სხვანაირად არის აწყობილი — ზოგჯერ საკუთარი ელექტროსადგურის ჩათვლით.
რა არის ეს
ჩვეულებრივი მონაცემთა ცენტრი შენობაა, სავსე ზოგადი დანიშნულების სერვერებით, რომლებიც საიტებს, ელფოსტას თუ ბიზნეს პროგრამებს ამუშავებენ; ასეთი აღჭურვილობის ერთი კარადა ჩვეულებრივ 3-დან 10 კილოვატამდე დენს მოიხმარს. AI მონაცემთა ცენტრი აგებულია გრაფიკული პროცესორების (GPU) გარშემო — ჩიპები, თავდაპირველად ვიდეოთამაშების გრაფიკისთვის შექმნილი, რომლებმაც აღმოაჩინეს, რომ ძალიან კარგად ართმევენ თავს AI-ს უკან მდგარ პარალელურ გამოთვლებს. ერთმა მაღალი კლასის GPU-მ, მაგალითად Nvidia-ს სრულყოფილი Blackwell B200-მა, მარტომ შეიძლება 1,200 ვატამდე დენი მოიხმაროს — წინა თაობის 700 ვატთან შედარებით. კარადაში 72 ასეთი ჩიპის მოთავსებისას, როგორც Nvidia-ს GB200 NVL72 სისტემაშია, ჯამი დაახლოებით 120 კილოვატს აღწევს ერთ კარადაზე — და Nvidia-ს შემდეგი თაობის Rubin პლატფორმას მოსალოდნელია, ეს მაჩვენებელი 500 კილოვატამდე აიწიოს. კომპანიები, მათ შორის OpenAI (Stargate, ტეხასის ქალაქ აბილინში), xAI (Colossus 2, მემფისში), Microsoft (Fairwater, ვისკონსინში) და Meta (Prometheus, ოჰაიოში, და ახალი კამპუსი კანადაში, ალბერტას პროვინციის სტერჯენის ოლქში) ახლა აშენებენ კამპუსებს, რომელთა მასშტაბი აღარ იზომება კარადებში, არამედ გიგავატებში — რაც პატარა ქალაქისთვის საკმარისი დენის ტოლფასია.
როგორ მუშაობს
თუ ჩვეულებრივი მონაცემთა ცენტრი ერთმანეთთან დაუკავშირებელ ათასობით ამოცანას პარალელურად ასრულებს, AI მონაცემთა ცენტრი უფრო ერთ დიდ მანქანას ჰგავს: ათეულ ათასობით GPU ერთმანეთთანაა შეერთებული სწრაფი, სპეციალური ქსელით, რათა ერთად გაწვრთნან ერთი მოდელი ან ერთად დაამუშაონ მოთხოვნების ერთი ნაკადი. სწორედ ეს სიმჭიდროვე განაპირობებს გაგრილების წესის ცვლილებასაც. ჩვეულებრივი კონდიცირება მხოლოდ გარკვეული რაოდენობის ჰაერს ახერხებს გატარებას, სანამ კარადის გაგრილებას ვეღარ ასწრებს — ინჟინრები ამბობენ, რომ ჰაერით გაგრილება, დაახლოებით, ერთი-ორი მაღალი კლასის GPU სერვერის დონეზე წყდება. ამის შემდეგ ოპერატორები სითხოვან გაგრილებაზე გადადიან: გამაგრილებელი სითხე პირდაპირ ყველაზე ცხელ ჩიპებზე დამონტაჟებულ ცივ ფირფიტებში მოძრაობს და სითბოს ბევრად ეფექტურად ხსნის, ვიდრე გაბერილი ჰაერი — რაც კარადას ოთხი, რვა ან მეტი GPU სერვერის დატევის საშუალებას აძლევს.
რატომ არის მნიშვნელოვანი
ეს რაოდენობის დენი და სითბო მონაცემთა ცენტრს არანაკლებ ენერგეტიკულ, ვიდრე გამოთვლით პროექტად აქცევს. Meta-ს ახალი კამპუსი ალბერტაში — მისი პირველი კანადაში, დაახლოებით 13 მილიარდი კანადური დოლარის (9.17 მილიარდი აშშ დოლარის) ღირებულებით — აშენებულია 1 გიგავატი სიმძლავრისთვის, 1.8 გიგავატამდე გაზრდის შესაძლებლობით, და მას თან ახლავს სპეციალურად ამისთვის აშენებული ბუნებრივი აირის ახალი ელექტროსადგური — Pembina Pipeline-ის Greenlight Electricity Centre. ეს მოდელი — როცა ტექნოლოგიური კომპანია თავად აფინანსებს ან საკუთარ ელექტროსადგურს აშენებს არსებულ ქსელზე დამოკიდებულების ნაცვლად — გიგავატიან მასშტაბზე სულ უფრო ხშირი ხდება, და სწორედ ამის გამო იზიდავს ასეთი კამპუსები კრიტიკას: Greenpeace Canada-მ, მაგალითად, ახალ მეგა მონაცემთა ცენტრებზე მორატორიუმი მოითხოვა, სანამ გარემოსდაცვითი წესები არ გამკაცრდება.
წყალი მეორე მწვავე საკითხია. Microsoft ამბობს, რომ მისი უახლესი Fairwater კამპუსი ერთსა და იმავე გამაგრილებელ სითხეს დახურულ კონტურში აბრუნებს და წელიწადში იმდენივე სუფთა წყალს მოიხმარს, რამდენსაც — კომპანიის თქმით — ერთი რესტორანი. ეს რეალური წინსვლაა თავად შენობაში, თუმცა ანალიტიკოსების შეფასებით, შენობის შიდა გაგრილება 2050 წლისთვის AI-ის მიერ დამატებით მოთხოვნილი წყლის მხოლოდ დაახლოებით 4%-ს შეადგენს — გაცილებით დიდი წილი მოდის ელექტროენერგიის გამომუშავებაზე (დაახლოებით 54%) და თავად ჩიპების წარმოებაზე. დახურული კონტურის გაგრილება წყლის პრობლემის მხოლოდ ერთ ნაწილს წყვეტს, არა მთლიანად.
ეს ყველაფერი მხოლოდ ეფექტურობაზე არ არის: კომპანიები სულ უფრო ხშირად საკუთარ AI მონაცემთა ცენტრებს აშენებენ, ვიდრე GPU სიმძლავრეს ღრუბლოვანი პროვაიდერისგან აქირავებენ — იხილეთ ჩვენი მასალა ნეოკლაუდების შესახებ — რადგან AI გამოთვლით სიმძლავრეზე მოთხოვნა მიწოდებას აჭარბებს, ხოლო შენობის, ჩიპებისა და, სულ უფრო ხშირად, ელექტროსადგურის საკუთრებაში ქონა კომპანიას სჭირდება იმის გარანტიისთვის, რომ საჭირო სიმძლავრეს მართლა მიიღებს.
რას მოუტანს საქართველოს
საქართველოში ელექტროენერგიის დაახლოებით 79% ჰიდროენერგიაზე მოდის, რაც ქაღალდზე ნამდვილი დაბალემისიური უპირატესობაა. თუმცა ქვეყანა ზამთარში ელექტროენერგიის დიდ ნაწილს შემოაქვს — იმპორტი ერთ ბოლო იანვარს წინა წელთან შედარებით 109%-ით გაიზარდა — და მისი ქსელი გაცილებით მცირე და ნაკლებად დივერსიფიცირებულია, ვიდრე რეგიონული კონკურენტების, თურქეთისა და აზერბაიჯანის. დღეს ქვეყანაში უდიდესი ობიექტი — Bitfury-ის დაახლოებით 40 მეგავატიანი კომპლექსი თბილისში — ზემოთ აღწერილი გიგავატიანი კამპუსების მხოლოდ მცირე ნაწილს შეადგენს. დარგის ანალიტიკოსების დასკვნით, მოსალოდნელი არ არის, რომ AI მონაცემთა ცენტრები უახლოეს მომავალში საქართველოს ეკონომიკის მთავარი ბურჯი გახდნენ, თუმცა უფრო მცირე, დამატებითი ობიექტი — რომელიც რეგიონულ კლიენტებს ემსახურება ან ქვეყნის „ციფრული სუვერენიტეტის" მიზნებს უჭერს მხარს — სავსებით დასაშვები რჩება.
სიახლეებში
Meta-ს კამპუსი ალბერტაში ზუსტად ასეთი პროექტია: იხილეთ ჩვენი რეპორტაჟი 13 მილიარდიანი სტერჯენის ოლქის მონაცემთა ცენტრის შესახებ.
ხშირად დასმული კითხვები
რატომ არ შეუძლიათ კომპანიებს უბრალოდ მეტი კონდიციონერის დამატება? ჰაერს შეუძლია მხოლოდ გარკვეული რაოდენობის სითბოს გატანა, სანამ საჭირო ჰაერის ნაკადი არაპრაქტიკული არ გახდება; დაახლოებით ერთი-ორი მაღალი კლასის GPU სერვერის შემდეგ ოპერატორები სითხოვან გაგრილებაზე გადადიან.
რამდენ ელექტროენერგიას მოიხმარს ერთი ასეთი კამპუსი? უახლესი კამპუსები აშენებულია ერთი გიგავატის ან მეტი სიმძლავრისთვის — ეს დიდი ელექტროსადგურის გამომუშავებას შეესაბამება და პატარა ქალაქისთვის საკმარისია.
წყვეტს თუ არა დახურული კონტურის გაგრილება AI-ის წყლის პრობლემას? მხოლოდ ნაწილობრივ. ის ამცირებს შენობის შიდა წყლის მოხმარებას, მაგრამ AI-ის წყლის კვალის დიდი ნაწილი ელექტროენერგიის გამომუშავებასა და ჩიპების წარმოებას უკავშირდება, არა შენობის გაგრილებას.
რატომ აშენებენ კომპანიები საკუთარ მონაცემთა ცენტრებს, ღრუბლოვან სიმძლავრეს რომ არ ქირაობენ? შენობის, ჩიპებისა და ხანდახან ელექტრომომარაგების საკუთრებაში ქონა კომპანიას საჭირო გამოთვლითი სიმძლავრის გარანტიას აძლევს, ნაცვლად დეფიციტურ ქირავნობით სიმძლავრეზე კონკურენციისა.
წყაროები: მასალები Yahoo Finance, BNN Bloomberg, Tom’s Hardware, TechCrunch და BTU AI-ს საფუძველზე.