דרושה גישה חדשה לחסכון באנרגיה בעידן הבינה המלאכותית

התיאבון לבינה מלאכותית גנרטיבית (GenAI) יצר זינוק עצום בביקוש למערכות מחשוב חזקות שיכולות לבצע את העיבודים הדורשים משאבים רבים. כפועל יוצא מכך, עם הגידול האקספוננציאלי בשימוש בבינה מלאכותית, הביקוש לאנרגיה והעלויות הכרוכות בצריכת חשמל רק ימשיכו לעלות.

כבר היום, ChatGPT צורך יותר מ-500,000 קילוואט-שעה של חשמל מדי יום, בעוד שמשק בית ממוצע בארה"ב צורך 29 קילוואט-שעה ביום (אם תעשו את החשבון הצריכה של ChatGPT משולה ללא פחות מ- 17,200 משקי בית וזה רק מנוע AI אחד). לכך יש גם להוסיף את כמויות המים העצומות שנדרשות לקירור חוות השרתים הגדולות - ועוד משאבים שונים הנחוצים כדי להמשיך ולתפעל את התחום.

מכון Uptime מעריך כי בינה מלאכותית תהווה כ-10% מפעילות מרכזי הנתונים בעולם בשנת 2025 - צמיחה של פי חמישה בהשוואה להיום. בנוסף, ה-IEA צופה הכפלה פוטנציאלית של צריכת החשמל של מרכזי הנתונים בין 2022 ל-2026, חלק גדול מזה קשור לצמיחת הבינה המלאכותית.

מצד שני, כדי להאט את ההשפעות הגרועות ביותר של שינוי האקלים, ארגונים חייבים להפחית את השימוש באנרגיה, להגביר את ההסתמכות על מקורות אנרגיה מתחדשים ונטולי פחמן, למצוא דרכים ללכוד פחמן לפני שהוא בורח לאטמוספירה, ולהבין כיצד לעשות שימוש חוזר במשאבים ולחסל פסולת.

ארבע אסטרטגיות לבינה מלאכותית חסכונית יותר

חוקרים בודקים כיצד ניתן להשתמש במשאבים ביעילות, בין אם עומסי העבודה של הבינה המלאכותית מתבצעים בענן, במחשבי-על או במרכזי נתונים מקומיים. סוגים שונים של משאבים יכולים להריץ עומסי עבודה מסוימים ביעילות רבה יותר מאחרים. עומסי עבודה מסוימים עשויים להתאים בצורה הטובה ביותר לענן, וחלקם עשויים להתאים ביותר למחשב על או למרכז נתונים מקומי.

מאיצים אנלוגיים - במשך עשרות שנים, מעגלים דיגיטליים היו האפשרות המועדפת. הם מהירים, עוצמתיים ומאפשרים עיבוד כמויות עצומות של נתונים בזמן שיא. אבל עם הגידול בשימוש בבינה מלאכותית, למעגלים הדיגיטליים האלה יש מגבלה: הם זקוקים לכמויות עצומות של כוח כדי לפעול. אבל כמו שאומרים: אין כמו הישן והטוב.

חוקרים בודקים כיצד ניתן להשתמש במשאבים ביעילות, בין אם עומסי העבודה של הבינה המלאכותית מתבצעים בענן, במחשבי-על או במרכזי נתונים מקומיים

מעגלים אנלוגיים מורכבים מרכיבים כמו נגדים וקבלים הפועלים בתחום האנלוגי ומהווים חלופה מבטיחה להפחתת צריכת האנרגיה. במקום להשתמש במערכת בינארית של אפס ואחד, מעגלים אנלוגיים מחליפים את הלוגיקה הבינארית במגוון אותות רציפים. כאשר הם בנויים עם רכיבים שיכולים לאחסן נתונים, תנועת הנתונים מהזיכרון למאיץ מצטמצמת, מה שמפחית את צריכת האנרגיה. גישה שונה זו עשויה להניב שיפור משמעותי בצריכת האנרגיה ברמת השבב.

תאומים דיגיטליים - מדובר בייצוג וירטואלי של מערכת פיזית, כגון ענן, מחשב-על או מרכז נתונים מקומי. ייצוג וירטואלי זה נשאר מעודכן וניתן להשתמש בו לאופטימיזציה בזמן אמת של המערכת הפיזית. תאומים דיגיטליים מסווגים בדרך כלל על פי האופן שבו הם מתקשרים עם המערכת הפיזית. הצורה הבסיסית ביותר של תאום דיגיטלי היא סימולציה של המערכת הפיזית. דוגמה לכך היא סימולציה של תשתית הקירור במרכז נתונים המשמש לתכנון הפריסה של המתקן.

אם הסימולציה מחליפה נתונים עם המערכת הפיזית כדי להישאר עדכנית, למשל על ידי חישה של צריכת החשמל של הרכיבים הפיזיים במרכז הנתונים ועדכון המודל בהתאם, היא יכולה להתפתח עם המערכת הפיזית וניתן להשתמש בה, בין היתר, כדי לשמור על היעילות התפעולית של המערכת.

עומסי עבודה מבוזרים גיאוגרפית - זמינות האנרגיה והמים משתנה בהתאם לגיאוגרפיה. HPE Labs, בשיתוף עם אוניברסיטת קולורדו, פיתחה סדרה של אלגוריתמי אופטימיזציה הבוחנים את השונות בעוצמת צריכת הפחמן, זמינות המים ועלות האנרגיה באזורים מסוימים. לאחר מכן הוא משתמש בנתונים אלה כדי לקבוע את המיקום הטוב ביותר להפעלת עומס עבודה ברחבי העולם כדי למטב את השימוש במשאבים באופן מקומי וליצור חיסכון משמעותי בצריכת החשמל והמים תוך הפחתת עלויות.

מינוף חום הפליטה - 100% מהאנרגיה החשמלית במרכז הנתונים מומרת הופכת לחום, שאותו יש לקרר ולהעביר הלאה. מרכזי נתונים השתמשו באופן מסורתי בקירור אוויר, אך הוא פחות יעיל ויקר מקירור נוזלי ישיר - שיטת קירור שבה נוזל נשאב ישירות לשרת כדי לספוג חום הנפלט מכל רכיבי המערכת, כולל מעבדים וזיכרון, ולאחר מכן נשלח אל מחוץ למרכז נתונים. כך, הנוזל מתקרר בצורה יעילה יותר, מכיוון שלמים יש קיבולת חום גדולה פי ארבעה מאשר לאוויר. נוזלים גם קלים יותר להכלה ולשינוע. לכידת חום הפליטה ושימוש חוזר בחום זה חשובה מכיוון שניתן להשתמש בו למטרות אחרות, כגון חימום חממות כדי ליצור את התנאים האידיאליים לגידול עגבניות או חימום מבנים.

הכותב הוא מנהל פיתוח עסקי תחום תשתיות היברידיות, חטיבת הייעוץ והפרויקטים, HPE ישראל