اگر امروز تصور می‌کنید هوش مصنوعی تنها در ابرهای دوردست زندگی می‌کند، باید بدانید که برای عملیاتی شدن ربات‌های تحویل کالا و دستیارهای صوتی بلادرنگ، این مدل دیگر پاسخگو نیست. شکافی عظیم میان خوشه‌های آموزشی دوردست و شهرهایی که هوش مصنوعی باید در آن‌ها عمل کند در حال شکل‌گیری است. Teravolt تخمین می‌زند که تقاضای جهانی برای محاسبات شهری تا سال ۲۰۳۶ به بین ۹ تا ۱۸ گیگاوات خواهد رسید. برای جلوگیری از فروپاشی کامل سیستم‌ها به دلیل تأخیر (Latency)، جهان به لایه‌ای جدید از «پست‌های برق هوشمند» یا زیرстанцииهای هوش نیاز دارد.
سال‌هاست که بازار زیرساخت‌های هوش مصنوعی منابع عظیمی را صرف یادگیری نحوه ساخت مراکز داده غول‌پیکر در هر جایی که برق در دسترس باشد کرده است. بر اساس تخمین مک‌کینزی، تا سال ۲۰۳۰ نزدیک به ۷ تریلیون دلار در این مراکز سرمایه‌گذاری می‌شود. در این فاز، مکان در اولویت دوم پس از دسترسی به برق قرار داشت. یک خوشه آموزشی صرفاً به دسترسی به برق کافی نیاز دارد. این مدل برای چت‌بات‌ها که تأخیر نیم‌ثانیه‌ای در آن‌ها قابل‌تحمل است، به‌خوبی عمل کرد. اما همان‌طور که هوش مصنوعی به سمت ربات‌های تحویل کالا، دستیارهای صوتی زنده و سیستم‌های تکمیل سفارش خودکار حرکت می‌کند، تحمل تأخیر به میلی‌ثانیه‌ها کاهش می‌یابد. این فشار بر شبکه توزیع برق، چالش‌های جدی برای پایداری سیستم‌ها ایجاد کرده است که راهکارهای جدیدی برای مقابله با نوسانات برق در مراکز داده در این راستا پیشنهاد شده است.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی زیرساخت‌های مدل‌های بنیادی اشاره کردیم، تمرکز بر مقیاس (Scaling) اکنون باید با تمرکز بر نزدیکی (Proximity) جایگزین شود.
چرخش به سمت محاسبات شهری
با گسترش هوش مصنوعی از رابط‌های متنی ساده به ماشین‌ها، سیستم‌های صوتی، ویدئو و اپلیکیشن‌هایی که با دنیای فیزیکی تعامل دارند، مکانِ پردازش به یک عامل حیاتی تبدیل شده است. این عملیات نیازمند قدرت پردازشی در نزدیکی مراکز شهری است تا تأخیر در کمترین حد ممکن باقی بماند و تعاملات بلادرنگ ممکن شود.
این وضعیت چالشی جدید برای شرکت‌های هوش مصنوعی ایجاد می‌کند: یافتن بلوک‌های کوچک اما قابل‌اعتماد از برق در داخل و اطراف مناطق کلان‌شهری. حتی پس از شناسایی مکان‌های مناسب، شرکت‌ها باید با موج فزاینده‌ای از مخالفت‌ها دست و پنجه نرم کنند؛ مخالفت‌هایی که حتی مراکز داده دورافتاده را نیز هدف قرار داده است.
بر اساس تحلیل فنی Teravolt، مدل فعلی محاسبات سه لایه ناکافی است:
- گیگافکتوری‌ها (Gigafactories): برای آموزش مدل‌ها استفاده می‌شوند؛ در اینجا مکان تنها از نظر قیمت و در دسترس بودن برق اهمیت دارد.
- تأسیسات منطقه‌ای (Regional Facilities): معمولاً بین ۲۰ تا ۲۰۰ مگاوات ظرفیت دارند و استنتاج‌های تکرار شونده برای عملیات ابری و سازمانی را مدیریت می‌کنند.
- رایانش لبه (On-Device Compute): قدرتی که مستقیماً درون ربات یا دستگاه تعبیه شده است.
در این میان، یک «لایه شهری» گم‌شده وجود دارد که باید شکاف بین دستگاه و ابر منطقه‌ای را پر کند. این لایه شهری شامل تأسیساتی است که ظرفیت آن‌ها با مگاوات‌های تک‌رقمی یا دو‌رقمی پایین اندازه‌گیری می‌شود، در مناطق شهری قرار می‌گیرند و به فیبر نوری باکیفیت متصل هستند. نقطه شروع این مراکز می‌تواند حدود ۲ مگاوات باشد، به شرطی که سایت دارای برق تضمین‌شده باشد. برای مثال، یک ربات تحویل کالا در یک گیگافکتوری آموزش می‌بیند، اما کمک‌های پیشرفته و بلادرنگ آن باید توسط یک مرکز شهری نزدیک پردازش شود، نه یک مرکز منطقه‌ای دوردست.
دیوار تأخیر
تعاملات هوش مصنوعی در دنیای واقعی برای کاربردی بودن به سرعت فوق‌العاده‌ای نیاز دارند. یک مطالعه روی عملیات رباتیک از راه دور نشان می‌دهد که ربات‌های خانگی و تحویل کالا تحت نظارت، به یک چرخه ارتباطی کامل زیر ۸۰ میلی‌ثانیه نیاز دارند. در حالی که ابزارهایی مانند چت‌بات‌ها می‌توانند تأخیر را تحمل کنند، برنامه‌های خدماتی خودکار چنین شانسی ندارند.
خودروهای خودران برای حفظ ایمنی، فرمان را به‌صورت داخلی (On-board) مدیریت می‌کنند، اما حجم عظیمی از داده تولید می‌کنند که باید پردازش شود. برای مثال، اپراتورهای راه دور Waymo با تأخیری در حدود یک‌چهارم ثانیه کار می‌کنند و گاهی اوقات این مدیریت از قاره‌ای دیگر انجام می‌شود. با این حال، این شهر است که بار این داده‌ها را به دوش می‌کشد، نه فرمان خودرو؛ و این امر منجر به جهش شدید نیاز به پهنای باند و محاسبات شهری می‌شود. برای حل این گلوگاه‌های ارتباطی، فناوری‌های جدیدی مانند لیزرهای نوری پرسرعت برای بهبود اتصال مراکز داده در حال توسعه هستند تا سرعت انتقال داده‌ها را به سطح جدیدی برسانند.
کمی‌سازی جهش شهری
تقاضا برای این محاسبات شهری در بخش‌های مختلف به‌سرعت در حال رشد است. یک مقاله کاری صندوق بین‌المللی پول (IMF) تخمین می‌زند که مصرف برق مراکز داده و هوش مصنوعی در سال ۲۰۲۳ به ۴۰۰ تا ۵۰۰ تراوات‌ساعت در سطح جهانی رسیده و تا سال ۲۰۳۰ احتمالاً به ۱,۵۰۰ تراوات‌ساعت می‌رسد. این رشد توسط اتوماسیونی پیش می‌راند که هدفش بهینه کردن عملیات ساده است؛ از پردازش کاغذبازی‌های اداری گرفته تا آرشیو کردن ویدئوها.
این تقاضا در حوزه‌های کلیدی زیر متمرکز است:
- زیرساخت‌های عمومی: بررسی OECD روی ۲۵۰ شهر در ۷۸ کشور نشان داد ۵۶٪ آن‌ها در حال حاضر از هوش مصنوعی استفاده می‌کنند و ۳۵٪ دیگر در حال اجرای طرح‌های آزمایشی هستند. بانک جهانی نیز پذیرش AI در آرژانتین، هند و اتیوپی را برای بهبود سیستم‌های قضایی، مبارزه با فساد، گمرک و مدیریت دولتی برجسته کرده است.
- نظارت: با وجود بیش از یک میلیارد دوربین نظارتی در جهان (طبق داده‌های IHS Markit)، تغییر رویکرد به سمت ردیابی بلادرنگ اشیاء و جستجوی ویدئویی با زبان طبیعی، نیازمند پردازش محلی است. ارسال این حجم از ترافیک به مراکز داده دوردست به دلیل مقررات مربوط به حریم خصوصی داده‌ها و هزینه‌های انتقال، غیرعملی است.
- استفاده‌های حرفه‌ای: نظرسنجی گالوپ نشان می‌دهد حدود ۳۰٪ کارکنان بخش خصوصی و دولتی اکنون از AI در نقش‌های شغلی خود استفاده می‌کنند. بانک‌ها، بیمارستان‌ها و سازمان‌های بخش عمومی به زیرساخت‌هایی در محدوده قضایی خود نیاز دارند تا کنترل داده‌ها را حفظ کرده و از افت کیفیت سیستم‌های تعاملی صوتی و ویدئویی جلوگیری کنند.
Teravolt پیش‌بینی می‌کند یک منطقه شهری با ۱۰ تا ۱۵ میلیون نفر جمعیت، تا سال ۲۰۳۰ به ۶ تا ۱۳ مگاوات بار محاسباتی مداوم و حساس به تأخیر نیاز دارد. تا سال ۲۰۳۶، این عدد به ۲۲ تا ۵۰ مگاوات می‌رسد و اگر صنعت خودرو تولید ربات‌ها را مقیاس‌پذیر کند، ممکن است به ۶۰ تا ۱۰۰ مگاوات برسد. اقتصاد این مدل بسیار قدرتمند است: چند صد دلار هزینه سالانه سرور می‌تواند جایگزین ۳۰ تا ۶۰ هزار دلار هزینه نیروی انسانی شود.
راهکار «پست‌های برق هوشمند»
راه حل این نیست که در هر کوچه یک سرور بگذاریم. تأسیسات بسیار کوچک از نظر اقتصادی ناکارآمد هستند چون هزینه‌های ثابت مانند سیستم‌های سرمایش، امنیت، اتصال به شبکه، ترانسفورماتورها و کارکنان، با کاهش اندازه به‌طور متناسب کم نمی‌شوند. یک مرکز ۰.۵ مگاواتی تقریباً همان هزینه‌های ثابت یک مرکز بسیار بزرگتر را تحمیل می‌کند.
یافته‌های Teravolt نشان می‌دهد مراکز داده شهری مستقل تنها در بازه ۵ تا ۸ مگاوات توجیه اقتصادی دارند. حتی با استفاده از عملیات شبکه مشترک، این آستانه حدود ۱.۵ تا ۳ مگاوات است. پخش کردن ۲۰ مگاوات در ۲۰ مکان مختلف به‌جای دو یا سه مکان، تأخیر را به‌طور محسوسی کم نمی‌کند (چون حلقه فیبر شهری تنها چند میلی‌ثانیه است) اما هزینه‌های سرمایه‌ای (CAPEX) و عملیاتی (OPEX) را چندین برابر می‌کند.
به همین دلیل، صنعت باید به سمت «پست‌های برق هوشمند برای هوش مصنوعی» حرکت کند. در حالی که توسعه‌دهندگان در حال حاضر در حال یادگیری ساخت مراکز منطقه‌ای در بازه ۲۰ تا ۱۰۰ مگاوات هستند، هدف آینده این است که این تخصص را برای سایت‌های شهری کوچک‌تر به کار بگیرند تا به سطح ۲ مگاوات برسند که برای شهرهای بزرگ مناسب است.
مسئله ترافیک دوطرفه
مراکز داده شهری فقط داده دریافت نمی‌کنند، بلکه یک جریان عظیم دوطرفه را مدیریت می‌کنند. هر ماشین خودران و سیستم غنی از حسگر، اطلاعاتی جمع می‌کند که باید برای بهبود مدل‌ها به چرخه آموزش بازگردد.
- گلوگاه‌های داده: ناوگان‌های رباتیک پس از پایان شیفت و بازگشت به نقاط شارژ، حجم عظیمی از داده‌های مربوط به موارد خاص (Edge Cases) و عملیات روزانه را ارسال می‌کنند.
- مکانیزم فیلتر: اگر تمام این ترافیک به‌طور هم‌زمان به مراکز منطقه‌ای ارسال شود، یک گلوگاه عظیم ایجاد می‌شود.
- پردازش شهری: مرکز داده شهری مانند یک فیلتر عمل می‌کند؛ داده‌های erroneous یا خطای سیستم را شناسایی و حذف کرده و بخش‌های مفید را پیش از ارسال به لایه‌های بالاتر، فشرده می‌کند.
در واقع، مرکز داده شهری لایه فیلترینگ دیگری را به دو لایه قبلی اضافه می‌کند و جریان داده‌ها را سازمان‌یافته‌تر می‌سازد.
گلوگاه‌های سیاسی و شبکه‌ای
امکان‌پذیری فنی اکنون با واقعیت‌های سیاسی برخورد کرده است. نظرسنجی Pew نشان می‌دهد بیش از نیمی از آمریکایی‌ها مراکز داده را برای محیط زیست مضر می‌دانند. استدلال ایجاد شغل اغلب در برابر نگرانی‌ها درباره مصرف آب، اشغال زمین، مصرف برق، نویز و انتشار گازها شکست می‌خورد.
اصطکاک‌های رگولاتوری در حال افزایش است:
- آمستردام: توقف ساخت تأسیسات بالای ۷۰ مگاوات را اعمال کرده است.
- دوبلین: تنها مراکز داده‌ای را می‌پذیرد که تولید یا ذخیره‌ساز برق خود را فراهم کنند.
- لندن: پست کلیدی کریدور غرب لندن تا اوایل دهه ۲۰۳۰ تقویت نخواهد شد.
- ممفیس: شاهد دعاوی حقوقی و مخالفت‌های محلی شدید بر سر استفاده xAI از توربین‌های گازی برای سرعت بخشیدن به ساخت بوده است.
بسیاری از شهرها حتی قوانین منطقه‌بندی (Zoning) برای این سایت‌های کوچک ۱۰ مگاواتی ندارند. گزارش National League of Cities اشاره می‌کند که قوانین قدیمی منطقه‌بندی محلی اغلب صراحتاً به مراکز داده نمی‌پردازند و این منجر به بررسی‌های مورد‌به‌مورد می‌شود که زیرساخت‌های حیاتی را به تأخیر می‌اندازد. با توجه به اینکه صف‌های اتصال به شبکه برق در برخی بازارها به ۷ یا ۱۰ سال رسیده است، زیرساخت‌های برق سال ۲۰۳۰ باید از همین امروز برنامه‌ریزی شوند.
این چرخش، معیار بنیادی موفقیت هوش مصنوعی را تغییر می‌دهد. در عصر موبایل، پوشش با «تعداد خطوط سیگنال» سنجیده می‌شد؛ در عصر هوش مصنوعی، ارزهای اصلی «میلی‌ثانیه» و «وات به ازای هر شهروند» خواهند بود. ما به‌جای میلیون‌ها دکل، به حدود هزار مرکز در اندازه یک پست برق نیاز داریم. فیبر، میلی‌ثانیه و مگاوات، ارزهای واقعی این میدان هستند.
اگر صنعت در ساخت این ۱۰۰۰ تا ۱۵۰۰ سایت شهری شکست بخورد، مدل‌های پیشرفته‌ای خواهیم داشت که به‌سادگی نمی‌توانیم آن‌ها را در دنیای فیزیکی به کار بگیریم. بازار این زیرساخت‌های شهری بین ۵۰۰ میلیارد تا ۱ تریلیون دلار تخمین زده می‌شود.
گام بعدی شما
- رصد تغییرات قوانین منطقه‌بندی شهری (Zoning) در قطب‌های فناوری برای شناسایی فرصت‌های سرمایه‌گذاری در زیرساخت.
- بررسی استراتژی‌های کاهش تأخیر در اپلیکیشن‌های رباتیک با تمرکز بر مدل‌های استنتاج لبه.
- تحلیل ظرفیت‌های شبکه برق محلی برای پیش‌بینی مکان‌های احتمالی استقرار مراکز داده شهری.
اما نبرد برای مجوزهای برق شهری تنها بخشی از ماجراست؛ تأثیر این زیرساخت‌ها بر قیمت نهایی خدمات رباتیک را در گزارش بعدی بررسی خواهیم کرد.
گفتگو