آی نو؛ مرجع تخصصی اخبار و آموزش هوش مصنوعی

زیرساخت مراکز داده هوش مصنوعی؛ چالش‌های برق، خنک‌سازی و قانون‌گذاری

زیرساخت مراکز داده هوش مصنوعی؛ چالش‌های برق، خنک‌سازی و قانون‌گذاری

پنجم مهرماه و در جریان روز سوم نمایشگاه بین‌المللی الکامپ ۱۴۰۴، بحث‌های مهمی پیرامون آینده هوش مصنوعی و موانع توسعه آن در ایران مطرح شد. بهرام زاهدی، مدیرعامل شرکت سبحان سیستم و عضو کمیسیون هوش مصنوعی، با تمرکز بر زیرساخت مراکز داده هوش مصنوعی هشدار داد که خرید پردازشگرهای گرافیکی…

- اندازه متن +

پنجم مهرماه و در جریان روز سوم نمایشگاه بین‌المللی الکامپ ۱۴۰۴، بحث‌های مهمی پیرامون آینده هوش مصنوعی و موانع توسعه آن در ایران مطرح شد. بهرام زاهدی، مدیرعامل شرکت سبحان سیستم و عضو کمیسیون هوش مصنوعی، با تمرکز بر زیرساخت مراکز داده هوش مصنوعی هشدار داد که خرید پردازشگرهای گرافیکی (GPU) به‌تنهایی کافی نیست.

او تأکید کرد که پردازش تنها یکی از اجزای این پازل است و واقعیت این است که مجموعه‌ای از الزامات زیرساختی باید همزمان آماده شوند؛ از برق و خنک‌سازی گرفته تا ارتباطات پایدار و قانون‌گذاری درست.

تعریف زیرساخت در عصر جدید سرویس‌ها

تحول جهانی در حوزه دیتاسنتر و کلود نشان می‌دهد که نگاه به زیرساخت تغییر کرده است. در ابتدا مفهوم «نرم‌افزار به‌عنوان سرویس» (SaaS) مطرح بود، اما اکنون جهان به سمت مدل‌های پیچیده‌تری مانند «دیتاسنتر به‌عنوان سرویس» (DCaaS) و «چندابری به‌عنوان سرویس» (Multi-Cloud as a Service) حرکت کرده است.

این تغییر رویکرد نشان می‌دهد که برای توسعه زیرساخت مراکز داده هوش مصنوعی نیز نمی‌توان تنها به یک لایه یا یک فناوری تکیه کرد؛ بلکه باید اکوسیستم کامل از معماری، برق، مکانیکال و ارتباطات در کنار هم دیده شود.

چهار لایه حیاتی در زیرساخت مراکز داده هوش مصنوعی

زاهدی توضیح داد که مراکز داده برای پشتیبانی از هوش مصنوعی باید در چهار لایه کلیدی به‌طور همزمان تقویت شوند:

  1. معماری (Architecture): طراحی اصولی دیتاسنتر برای تحمل بار هوش مصنوعی.
  2. برق (Electrical): توان مصرفی چند برابری نسبت به مراکز داده معمولی.
  3. مکانیکال (Mechanical): سیستم‌های خنک‌سازی پیشرفته و پرظرفیت.
  4. ارتباطات (Connectivity): شبکه‌های پرسرعت و دسترسی گسترده مانند ۵G.

به گفته او، بدون آماده‌سازی این چهار لایه، هیچ مرکز داده‌ای نمی‌تواند به‌طور واقعی AI-Ready یا مناسب برای میزبانی هوش مصنوعی باشد.

برق و خنک‌سازی؛ دو چالش اصلی

یکی از مهم‌ترین دغدغه‌ها در توسعه زیرساخت مراکز داده هوش مصنوعی مصرف بالای انرژی و نیاز به خنک‌سازی چندبرابری است. زاهدی تأکید کرد که هر واحد GPU تنها بخشی از مصرف را نشان می‌دهد و برای هر رک اختصاصی هوش مصنوعی باید حداقل پنج برابر توان الکتریکی و مکانیکال تأمین شود.

به بیان ساده، اگر یک مرکز داده عمومی برای هر رک (Rack) ۱۰ کیلووات برق مصرف کند، در مراکز داده هوش مصنوعی همین رک به ۵۰ کیلووات برق و کولینگ پنج‌برابری نیاز خواهد داشت. این یعنی چالش اصلی نه تنها در خرید GPU، بلکه در ایجاد ظرفیت پایدار برق و سیستم‌های مکانیکال قدرتمند است.

مثال ملموس: ماشین پرسرعت بدون جاده و بنزین

زاهدی برای توضیح وضعیت فعلی از یک تشبیه استفاده کرد: «اینکه بگوییم سریع‌ترین GPU دنیا را وارد کرده‌ایم، مثل خریدن پرسرعت‌ترین ماشین دنیاست. اما آیا بنزین مناسب داریم؟ آیا جاده‌ای هست که اجازه حرکت با سرعت ۳۰۰ کیلومتر در ساعت بدهد؟»

این مثال نشان می‌دهد که بدون فراهم کردن زیرساخت مراکز داده هوش مصنوعی، خرید سخت‌افزار پیشرفته عملاً بی‌فایده است.

کمبود دیتاسنترهای AI-Ready در کشور

به گفته زاهدی، در حال حاضر ایران هیچ مرکز داده‌ای که به‌طور واقعی AI-Ready باشد در اختیار ندارد. مراکز داده فعلی بیشتر بر اساس نیازهای عمومی طراحی شده‌اند و توان تأمین مصرف برق، کولینگ و ارتباطات مورد نیاز هوش مصنوعی را ندارند.

این کمبود باعث شده بسیاری از کسب‌وکارها با وجود سرمایه‌گذاری در GPU، نتوانند سرویس‌های مبتنی بر هوش مصنوعی را در سطح پایدار و صنعتی ارائه کنند.

آموزش؛ حلقه مفقوده در توسعه زیرساخت

زاهدی یکی از چالش‌های مهم دیگر را ضعف آموزش دانست. او توضیح داد که آموزش هوش مصنوعی و به‌ویژه زیرساخت مراکز داده هوش مصنوعی باید در پنج سطح دنبال شود:

  1. آموزش پایه برای دانش‌آموزان و ورود به دنیای فناوری.
  2. آموزش تخصصی برای کارشناسان حوزه نرم‌افزار و زیرساخت.
  3. آموزش مدیران میانی برای درک سرویس‌های AI.
  4. آموزش تصمیم‌گیران دولتی برای درک نیازهای واقعی زیرساخت.
  5. ایجاد قوانین و استانداردهای شفاف برای مراکز داده AI.

نقش دولت؛ قانون‌گذاری به جای تصدی‌گری

یکی از انتقادات جدی زاهدی به رویکرد فعلی حاکمیت، تکرار الگوی ناکارآمد تصدی‌گری است. او گفت: «بزرگ‌ترین نیاز کشور قانون‌گذاری و ساماندهی است، نه اجرای مستقیم پروژه‌ها».

به باور او، دولت باید به جای ورود عملیاتی به پروژه‌های دیتاسنتر، بستر قانونی را آماده کند و با ایجاد نظام ارجاع کار، مسیر سرمایه‌گذاری بخش خصوصی را تسهیل کند.

کاهش ریسک سرمایه‌گذاری در دیتاسنترها

سرمایه‌گذاری در زیرساخت مراکز داده هوش مصنوعی نیازمند ارقام کلان است و بدون حمایت دولت، ریسک بالایی دارد. زاهدی پیشنهاد کرد دولت با ابزارهایی مانند تضمین بانکی و حمایت صندوق‌های حمایتی، ریسک سرمایه‌گذاری را کاهش دهد تا بخش خصوصی با اطمینان بیشتری وارد این حوزه شود.

جمع‌بندی؛ مسیر دشوار اما ضروری

زاهدی در پایان تأکید کرد: «رویای توسعه هوش مصنوعی بدون پنج برابر توان برق و خنک‌سازی محقق نمی‌شود.» به باور او، آینده این حوزه تنها در صورتی قابل دستیابی است که کشور همزمان روی چهار لایه حیاتی زیرساخت کار کند: معماری، برق، مکانیکال و ارتباطات.

بدون این پیش‌نیازها، مراکز داده کشور نمی‌توانند به استانداردهای AI-Ready برسند و کسب‌وکارها همچنان با موانع جدی روبه‌رو خواهند بود.

درباره نویسنده

تحریریه آی نو

ارسال دیدگاه
0 دیدگاه

نظر شما در مورد این مطلب چیه؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *