مراکز داده امروزی سیستم های بسیار پیچیده ای هستند که به عنوان ستون فقرات اینترنت، رایانش ابری و خدمات سازمانی عمل می کنند. با این حال، طراحی یک با هوش مصنوعی (AI) چالشهای بزرگی را به همراه دارد. این نرم افزار این قدرت را دارد که نحوه عملکرد امکانات را به میزان قابل توجهی ارتقا دهد، اما یکپارچه سازی آن صاحبان مراکز داده را مجبور می کند چند فاکتور جدید را در ساخت خود در نظر بگیرند.
نیازهای خنک کننده بزرگتر
هوش مصنوعی با معرفی مکانیسمهای پیچیده تشخیص ناهنجاری و خودکار پاسخ به تهدید، امنیت مرکز داده دیجیتال را افزایش میدهد.
با این حال، برای اجرا به انرژی و اطلاعات زیادی نیاز دارد و خنکسازی را حتی از قبل حیاتیتر میکند.
مراکز داده باید از خنک کننده مبتنی بر هوا به چیزی کمی قوی تر مانند خنک کننده مایع یا غوطه وری تغییر دهند. اولی از یک مایع سرد محصور برای خنک کردن تابشی سرورها استفاده می کند کاهش مصرف برق تا 50 درصد، در حالی که دومی یک سیستم حلقه بسته ایجاد می کند که آب را می جوشاند، آن را متراکم می کند و برای همان اثر باران می بارید. گنجاندن این موارد به اپراتورهای مرکز داده نیاز دارد که فضای مناسب را از قبل برنامه ریزی کنند، بنابراین اپراتورهای موجود باید برای ایجاد تغییر هزینه زیادی کنند.
برای جلوگیری از بازسازی، غول فناوری مایکروسافت یک رک سرور سفارشی ایجاد کرده است که نیازهای خنک کننده و فضا را برطرف می کند. تراشههای هوش مصنوعی Maia 100 آن حول محور خنککننده هوا طراحی شدهاند، اما شرکت متوجه شد که این کافی نیست. به جای تعمیر اساسی کل مرکز برای افزودن خنک کننده های عظیم، یک "دستیار" ایجاد کرد که در داخل قفسه قرار می گیرد. خنک کننده مایع در حال حاضر به مراکز داده اجازه می دهد تا قفسه ها را نزدیکتر به هم قرار دهند، اما این پیشرفت می تواند امکانات کوچکتر را عادی کند.
علاوه بر این، امنیت فیزیکی سرور باید خنک کننده را در نظر داشته باشد. طراحان نمی توانند برای محافظت از ماشین آلات ظریف به دیوارهای ضخیم فلزی یا بتنی تکیه کنند زیرا بیش از حد گرم می شوند. قفس های فلزی منبسط شده را ترویج می کنند گردش هوا از طریق سوراخ های الماسی شکل در مواد و جابجایی آنها برای بهبود مقیاس پذیری بسیار آسان است.
کاهش افزونگی تجهیزات
هوش مصنوعی با فعال کردن تخصیص هوشمندانه منابع و تجزیه و تحلیل پیشبینیکننده، افزونگی تجهیزات در مراکز داده را به میزان قابل توجهی کاهش میدهد. هوش مصنوعی می تواند با تجزیه و تحلیل الگوهای داده ها و تقاضاهای عملیاتی، ظرفیت و نیازهای عملکرد را به طور دقیق پیش بینی کند. این امکان بهینه سازی زیرساخت های موجود را به جای رویکرد سنتی تامین بیش از حد برای اوج تقاضا فراهم می کند.
این قابلیت پیشبینی تضمین میکند که مراکز داده میتوانند منابع را در صورت لزوم افزایش یا کاهش دهند، و به طور مؤثر نیاز به تجهیزات اضافی را به حداقل میرسانند. با انجام این کار، هوش مصنوعی طراحی را ساده می کند و هزینه های سرمایه غیر ضروری را کاهش می دهد.
همچنین با کاهش مصرف برق و کاهش ضایعات الکترونیکی به فعالیتهای مراکز داده پایدارتر کمک میکند. این رویکرد نشان دهنده تغییر به سمت بهره وری و اهرم فناوری برای رفع نیازهای فعلی است.
اهمیت مواد با کیفیت
از آنجایی که هوش مصنوعی نیازمندی های عملیاتی بسیار بیشتری دارد، نیازمند مسکن به روز شده است. بارهای بسیار بیشتری را روی مراکز داده ای که سیستم های مصرف برق و خنک کننده خود را به حداکثر می رساند، وارد می کند. بنابراین، صاحبان تأسیسات باید از بریدن گوشههای طراحی با مواد ارزانقیمت برای صرفهجویی در هزینه خودداری کنند - در غیر این صورت آنها در خطر توقف مکرر برای تعمیر و نگهداری و هزینههای غیرضروری برای جایگزینی هستند.
علاوه بر این، استفاده از قطعات با کیفیت بالا می تواند کیفیت هوا را بهبود بخشد. محصولاتی که به وظایف خود عمل نمی کنند می توانند گازها و ذرات خطرناکی را در گرمای شدید منتشر کنند که به قطعات مهم سرور آسیب می رساند. هوش مصنوعی کسانی را که میخواهند مسیر ارزانتری را طی کنند، مجبور میکند تا در طول فرآیند طراحی به نام طول عمر فکر کنند.
آینده مراکز داده با هوش مصنوعی
پذیرش هوش مصنوعی در مراکز داده چالش هایی مانند هزینه اولیه پیاده سازی، پیچیدگی یکپارچه سازی سیستم های هوش مصنوعی و نیاز به پرسنل ماهر برای مدیریت این فناوری های پیشرفته را به همراه دارد. در پاسخ به این پیچیدگی ها، برای مثال، ایالات متحده این امر را الزامی می کند نهادهای دولتی افسران ارشد هوش مصنوعی را استخدام می کنند برای اطمینان از استفاده اخلاقی و انطباق با فناوری های هوش مصنوعی.
با وجود این موانع، چشم انداز همچنان خوش بینانه است. هوش مصنوعی نوید انقلابی در عملیات مراکز داده را می دهد که منجر به زیرساخت های پایدارتر، کارآمدتر و انعطاف پذیرتر می شود. استفاده از پتانسیل آن برای بهینهسازی مصرف انرژی، تعمیر و نگهداری خودکار و افزایش امنیت، به کارایی و قابلیت اطمینان عملیاتی بیسابقهای دست مییابد. استاندارد جدیدی را برای زیرساخت های مدرن جهان تعیین می کند.
بررسی تاثیر هوش مصنوعی بر مراکز داده
سازمانها باید با کاوش در جدیدترین فناوریهای هوش مصنوعی، شرکت در بحثهای مربوطه و در جریان پیشرفتهای صنعت، عمیقتر به قدرت تحولدهنده هوش مصنوعی در طراحی مراکز داده بپردازند. این تعامل فعال درک آنها را افزایش می دهد و آنها را برای مشارکت در چشم انداز در حال تحول نوآوری مرکز داده توانمند می کند.
همچنین خواندن استفاده از هوش مصنوعی (AI) برای کاهش زباله های پلاستیکی
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://www.aiiottalk.com/ai-driving-data-center-design/