سیگنال های دستیابی به موفقیت AI Deepseek تغییرات اساسی برای مراکز داده

ظهور Deepseek و بهبود کارآیی آن در پردازش AI می تواند پیامدهای قابل توجهی برای مراکز داده داشته باشد ، حتی اگر اولین مدل AI باعث فروش عمده در سهام فناوری ایالات متحده در اوایل این هفته شود.

عزیز بازار Nvidia بیش از 12 ٪ سقوط کرد و NASDAQ 2.7 ٪ سقوط کرد و تحلیلگران گفتند که این واکنش نشان دهنده نگرانی ها در مورد اینکه آیا هزینه های عظیم برای هوش مصنوعی و زیرساخت های آن توجیه شده است.

در همین حال ، رویترز گزارش شده سهام قدرت و ابزار ایالات متحده به شدت کاهش یافت زیرا مدل Deepseek شک و تردید در مورد افزایش مورد انتظار تقاضای برق از مراکز داده محور AI ایجاد کرد.

هرگونه تغییر به سمت الگوریتم های ارزان تر ، قدرتمندتر و کمتر انرژی ، این پتانسیل را دارد که به طور قابل توجهی تصویب AI را گسترش دهد ، که در نهایت می تواند تقاضا را برای زیرساخت های مرکز داده در مقیاس بزرگ و توزیع شده سوخت.

میچ لنزی ، معاون رئیس جمهور فروش و عملیات در باکستل ، یک بستر آنلاین اختصاص داده شده به فهرست بندی و بررسی ، گفت: “اگر گزارش های مربوط به Deepseek دقیق باشد ، این فقط نوآوری AI را به جلو سوق می دهد.” مراکز داده جابجایی در سراسر جهان

وی گفت: هزینه های پایین تر برای مدل ها و استقرار های جدید به رقبا اجازه می دهد تا استراتژی های هوش مصنوعی خود را بهینه کنند ، تقاضا و پذیرش را افزایش دهند.

لنزی گفت که او معتقد است پیشرفت های هوش مصنوعی مانند Deepseek در نهایت رشد مرکز داده را به جای کند کردن آن تسریع می کند.

مرتبط:برنامه Deepseek AI چین سهام فنی ایالات متحده را ارسال می کند

وی گفت: “نوآوری در هوش مصنوعی تقاضا را کاهش نمی دهد – این امر آن را سوخت می دهد.” “هرچه هوش مصنوعی در دسترس تر و مقرون به صرفه تر شود ، صنعت شاهد گسترش مداوم و حفظ نیاز به زیرساخت های مرکز داده با کارایی بالا خواهد بود.”

شان فارنی ، معاون رئیس جمهور در استراتژی مرکز داده در JLL ، موافق است که معرفی مدل های کارآمدتر هوش مصنوعی مانند Deepseek می تواند بازار مرکز داده را تغییر شکل دهد.

فرنی گفت: “این خبر خوبی برای صنعت است.” “اگر کسی روشی ارزان تر و کارآمدتر برای رسیدگی به پردازش AI پیدا کرده باشد ، مانع ورود آن را کاهش می دهد و باعث می شود هوش مصنوعی برای مخاطبان گسترده تر قابل دسترسی باشد.”

با گذشت زمان ، این امر باعث افزایش استفاده و ایجاد فرصت های جدید برای توسعه مرکز داده می شود.

فارنی خاطرنشان می کند که مراکز داده متمرکز GPU در حال حاضر سریعترین بخش در بازار هستند ، با نرخ رشد سالانه مرکب (CAGR) 39 ٪ ، تقریباً دو برابر نرخ رشد کل مرکز داده تقریباً 20 ٪ است.

فرنی گفت: “رشد در امکانات متمرکز بر AI ، از مراکز داده سنتی کوتوله می کند.” “با نوآوری هایی مانند Deepseek ، ممکن است شاهد شتاب سریعتر در این فضا باشیم.”

پیامدهای مالی این رشد قابل توجه است: به گفته فارنی ، اپراتورهای اصلی مرکز داده های Hyperscale قبلاً سالانه 200 میلیارد دلار برای زیرساخت ها هزینه می کردند ، رقمی که اکنون به 300 میلیارد دلار رسیده است.

مرتبط:مدل هوش مصنوعی Deepseek فقط بازار قدرت گرم ایالات متحده را بالا برد

وی گفت: “صنعت در حال رونق است.” “اگر فناوری هایی مانند DeepSeek برنامه های AI را سریعتر و آسانتر کنند ، ما برای پشتیبانی از این فرزندخواندگی به مراکز داده بیشتری نیاز خواهیم داشت.”

جان دینسدال ، تحلیلگر ارشد و مدیر تحقیقات در گروه تحقیقاتی Synergy ، خاطرنشان کرد: این AI مولد (Genai) است که باعث تجدید نظر در برخی مراکز داده شد.

وی گفت: “اگر چیزی پیش بیاید که چگالی قدرت مورد نیاز را به طور قابل توجهی کاهش می دهد ، احتمالاً مورد بازگشت به سمت طرح های پیش از خدا ، با خنک کننده سنتی تر و توزیع انرژی است.”

Dinsdale توضیح داد که در طول اکوسیستم IT ، کمی در فن آوری ها و محصولات فعلی Genai سرمایه گذاری می شود و به زودی تغییر نخواهد کرد.

وی گفت: “آیا برخی از فناوری ها به این نتیجه می رسند که نیازهای برق و هزینه آموزش و اجرای مدل های هوش مصنوعی را کاهش می دهد؟ البته آنها خواهند بود.” “این ماهیت توسعه فناوری و چرخه زندگی است.”

هنگامی که هزینه ها کاهش می یابد و قابلیت ها افزایش می یابد ، که اغلب باعث افزایش زیاد برنامه ها و استفاده می شود.

Dinsdale گفت: “برای یک مثال کامل از آن ، فقط به این موضوع نگاه کنید که چگونه خدمات محاسبات ابری در طی 15 سال گذشته رشد کرده است.”

مرتبط:AFCOM: “امکانات بی حد و مرز” به عنوان AI زیرساخت های مرکز داده را تبدیل می کند

نقش مراکز داده مدولار و لبه

فارنی همچنین اهمیت روزافزون کوچکتر را برجسته کرد ، ماژولارو مراکز داده لبه در این منظره در حال تحول.

در حالی که آموزش مدلهای بزرگ هوش مصنوعی به امکانات متمرکز و متمرکز ادامه خواهد داد ، تمرکز فزاینده بر استنباط هوش مصنوعی-با استفاده از مدلهای آموزش دیده برای ارائه بینش در زمان واقعی-ممکن است تقاضا برای توزیع شده و متمرکز بر تأخیر ایجاد کند مراکز داده لبهبشر

فارنی گفت: “هرچه به مرحله استنباط هوش مصنوعی حرکت می کنیم ، نیاز به قدرت محاسبات بومی شده رشد می کند.”

استنباط اغلب به تأخیر و نزدیکی با کاربران نیاز دارد ، که باعث می شود امکانات کوچکتر و به سبک لبه عملی تر شود.

وی گفت: “ما ممکن است با مراکز داده کوچک 1- یا 2 مگاوات که به کارهای هوش مصنوعی اختصاص داده شده است ، به جهان فرش کنیم.”

فارنی آینده ای ترکیبی را در نظر می گیرد که در آن مراکز داده هاب یکپارچه و تسهیلات لبه توزیع شده برای تأمین نیازهای متنوع بار کاری AI وجود دارد.

وی توضیح داد: “این یک بازی با مبلغ صفر نیست.” “ما شاهد رشد مداوم در امکانات در مقیاس بزرگ برای آموزش فله AI ، در کنار افزایش در مراکز داده کوچکتر برای استنباط و برنامه های کاربردی در زمان واقعی خواهیم بود.”

مورد عدم تمرکز داده ها

Phil Mataras ، بنیانگذار و مدیرعامل AR.IO ، ارائه دهنده یک شبکه ابری غیر متمرکز و دائمی ، روشی را که مراکز داده متمرکز در حال حاضر داده ها را ذخیره می کنند – میزبان مجموعه داده های عظیم در یک مکان – “جنون”.

وی گفت: “این نمی تواند به طور منطقی از رشد هوش مصنوعی پشتیبانی کند ، بنابراین راه حل های جدید لازم است.”

در حالی که ماتاراس گفت که او موافق است که مراکز داده کوچکتر ، مدولار و لبه قطعه ای از معما هستند ، باید با تغییر وسیع تری به عدم تمرکز پشتیبانی شوند.

متاراس گفت: “به تنهایی ، این مراکز کوچک می توانند پردازش کم تأخیر را فراهم کنند ، اما با رشد بخش هوش مصنوعی ، آنها نمی توانند نیازهای گسترده ذخیره سازی داده ها را تأمین کنند-حتی با وجود مدل های جدیدتر و کارآمدتر که به بازار عرضه می شوند.”

Kai Wawrzinek ، بنیانگذار شبکه Cloud Network ، حتی با بهره وری اضافه شده ، نیاز به ذخیره داده ها فقط در سراسر جهان افزایش می یابد.

وی گفت: “هرچه بیشتر از هوش مصنوعی استفاده کنیم ، قدرت بیشتری برای اجرای مراکز داده عظیم که از آن پشتیبانی می کنند ، لازم خواهد بود. این اجتناب ناپذیر است.” “ما شاهد بوده ایم که امثال مایکروسافت در انرژی های تجدید پذیر مانند خورشیدی ، باد و هیدرو سرمایه گذاری زیادی برای مقابله با نیاز رو به رشد مراکز داده گرسنه است.”

Wawrzinek مانند Mataras ، برای راه حل های غیرمتمرکز استدلال کرد و ادعا کرد که سن ذخیره سازی داده های متمرکز اکنون به پایان رسیده است که هوش مصنوعی در تصویر است.

وی گفت: “ما می خواهیم یک رونق مرکز داده را ببینیم – اما این مراکز داده غیرمتمرکز خواهد بود که این میزان توسعه عظیمی را مشاهده می کنند.” “راه حل های متمرکز ، حتی از بزرگترین بازیکنان ، با افزایش نیاز به ذخیره داده ها ، مبارزه خواهند کرد.”

دوره جدیدی از رشد AI محور

فارنی ورود Deepseek و فناوری های مشابه را یک فراخوان بیدار برای صنعت می داند. وی گفت: “رقابت خوب است.” “این همه را به نوآوری سوق می دهد. اگر Deepseek می تواند بازیکنان مستقر را به چالش بکشد و هزینه های پایین تری داشته باشد ، به نفع کل اکوسیستم فناوری محور است.”

در نهایت ، فارنی معتقد است که نوآوری هایی مانند Deepseek موج بعدی رشد مرکز داده را به وجود می آورد.

وی گفت: “تأثیر واضح است: پذیرش هوش مصنوعی افزایش می یابد و با آن ، تقاضا برای هر دو مراکز داده در مقیاس بزرگ و توزیع شده.” “این یک موج در حال افزایش است که همه قایق ها را بلند می کند.”


Source link