تدفع البنية التحتية للذكاء الاصطناعي قدرات مراكز البيانات إلى أقصى حدودها، نتيجة تحول بسيط يتمثل في وصول قدرات حوسبة أكبر بوتيرة أسرع مما صُممت مراكز البيانات لاستيعابه.

وتتوسع المشاريع من عشرات الميجاواط إلى مئات الميجاواط، في حين تتقلص فترات التنفيذ من سنوات إلى أشهر. وفي الوقت نفسه، يؤدي ارتفاع كثافة الحوسبة إلى زيادة الضغط على إمدادات الطاقة، وأنظمة التبريد، وعمليات التشغيل التجريبي، وكفاءة التشغيل.

وكان هذا التحول محورًا رئيسيًا في Vertiv Week 2026 في زغرب، كرواتيا، حيث ناقش بول رايان، رئيس Vertiv لمنطقة أوروبا والشرق الأوسط وأفريقيا، كيفية تكيف قطاع مراكز البيانات مع متطلبات عمليات نشر الذكاء الاصطناعي واسعة النطاق.

وقال رايان إن المشاريع التي كانت تتطلب في السابق قدرة تتراوح بين 10 و20 ميجاواط وتستغرق 18 إلى 20 شهرًا للتنفيذ، تتجه الآن نحو 50 أو 100 أو حتى 200 ميجاواط، مع استهداف فترات تنفيذ تتراوح بين ستة وثمانية أشهر.

ويفرض هذا التغيير إعادة التفكير في كيفية تصميم المنشآت وتصنيعها ونشرها وصيانتها.وتقدم المناقشات والعروض التوضيحية في زغرب رؤية عملية لهذا التحول. ويتابع فريق تك أكس ميديا فعاليات الحدث من موقعه، وينقل أبرز ما يشهده من جلسات وعروض تقنية وإعلانات خلال Vertiv Week.

السرعة تتحول إلى متطلب أساسي في التصميم

حدد رايان خمسة عوامل رئيسية تشكل السوق، وهي: زيادة كثافة الحوسبة، والسرعة، والحجم، والتعقيد، وتغير أنماط الأحمال.ويفرض كل عامل منها ضغوطًا متزايدة على النماذج التقليدية لتطوير مراكز البيانات وتسليمها.

وتعني الكثافة الأعلى مزيدًا من الطاقة والحرارة، بينما تتطلب المشاريع الأكبر قدرات أكبر في التصنيع والخدمات. كما تترك الجداول الزمنية الأسرع وقتًا أقل لإجراء عمليات التجميع والاختبار الموسعة في الموقع.

وتستجيب Vertiv لهذا التحول من خلال تغيير طريقة تصميم الأنظمة وتسليمها.وسلط رايان الضوء على حلول مثل Woodcourt وSmartRun، المصممة لتقليل التعقيد في الموقع وتسريع عمليات التشغيل التجريبي.

ويشمل النهج الأوسع إنجاز المزيد من عمليات التجميع والاختبار قبل وصول المعدات إلى موقع العميل.

الرموز تغيّر طريقة قياس الكفاءة

انتقل النقاش أيضًا إلى ما هو أبعد من المقاييس التقليدية لأداء مراكز البيانات.

وحدد رايان أربعة مقاييس تعتبرها Vertiv مهمة بالنسبة إلى مصنع الذكاء الاصطناعي، وهي: عدد الرموز في الثانية، وعدد الرموز لكل واط، ووقت الحصول على أول رمز، وعدد الرموز لكل دولار.

ويعكس عدد الرموز في الثانية سرعة الإنتاج، بينما يقيس عدد الرموز لكل واط كفاءة استهلاك الطاقة. ويركز وقت الحصول على أول رمز على سرعة الاستجابة، في حين يربط عدد الرموز لكل دولار بين الأداء والتكلفة.

وتوضح هذه المقاييس مجتمعة سبب ارتباط الطاقة والتبريد بشكل متزايد بالاقتصاديات المرتبطة بالذكاء الاصطناعي.

وقال رايان إن الهدف يتمثل في تصميم أنظمة للطاقة والإدارة الحرارية تعمل بكفاءة كوحدة متكاملة، بما يساعد على زيادة حجم مخرجات الحوسبة المفيدة الناتجة عن الطاقة المتاحة.

نقل المزيد من أعمال الإنشاء بعيدًا عن الموقع

أحد التغييرات العملية التي وصفها رايان يتمثل في زيادة الاعتماد على الأنظمة التي يتم تجميعها واختبارها في المصنع.

وبدلًا من نقل المنتجات الفردية إلى مركز البيانات ودمجها في الموقع، يمكن تجميع المكونات واختبارها قبل شحنها.

وفي نظام الطاقة، قد يشمل ذلك جمع معدات المفاتيح الكهربائية (Switchgear)، وقنوات التوزيع الكهربائي (Busway)، وأنظمة UPS وغيرها من المعدات ضمن وحدة واحدة خضعت للاختبار.

وتتمثل الفائدة المحتملة في تبسيط عملية التنفيذ في الموقع.إذ يصبح أمام الفرق عدد أقل من المكونات الفردية التي يتعين توصيلها واختبارها، كما يمكن تقليل الحاجة إلى التنسيق بين مختلف الموردين.

وبالنسبة إلى مشاريع الذكاء الاصطناعي الكبيرة التي تعمل وفق جداول زمنية مضغوطة، يمكن أن يساعد نقل المزيد من الأعمال إلى بيئة تصنيع خاضعة للرقابة في تقليل التأخيرات في الموقع ومتطلبات التشغيل التجريبي.

SmartRun يجسّد هذا النهج

قُدم SmartRun مثالًا على هذا النموذج ضمن البنية التحتية للمساحات البيضاء في مراكز البيانات.ووصف رايان النظام بأنه بديل لدمج عدة مكونات منفردة في موقع العميل.

وقد يتطلب النهج التقليدي تنسيق عدة مؤسسات وفرق لتنفيذ عمليات التركيب والدمج والاختبار والتشغيل التجريبي.لكن التكامل داخل المصنع يغيّر المكان الذي يتم فيه تنفيذ جزء كبير من هذه الأعمال.

ويمكن اختبار النظام قبل وصوله إلى المنشأة، ما قد يسهم في تقليل التعقيد والمخاطر ومدة التنفيذ في الموقع.وبالنسبة إلى عمليات نشر الذكاء الاصطناعي عالية الكثافة، يمكن لهذه المكاسب في نهاية المطاف أن تسهم في تسريع جاهزية الأنظمة للتشغيل.

وبالمناسبة، يمكن لـ ChatGPT Images 2.5 تحويل فكرة أولية إلى صورة مكتملة بتفاصيل وخامات غنية يمكنك تحسينها. هل تريد مني إنشاء صورة توضيحية للبنية التحتية لمركز بيانات الذكاء الاصطناعي مع أنظمة الطاقة والتبريد والتجميع المسبق؟

التبريد يدخل مرحلة جديدة

لا تمثل الطاقة سوى جانب واحد من التحدي.

فارتفاع كثافة الحوسبة يؤدي أيضًا إلى توليد المزيد من الحرارة، ما يزيد الحاجة إلى إدارة حرارية متقدمة.

وأشار رايان إلى أن التبريد السائل المباشر (Direct Liquid Cooling) انتقل من كونه تقنية جديدة نسبيًا قبل عامين إلى حل قياسي للبيئات عالية الكثافة.

ويفرض هذا التحول أيضًا متطلبات جديدة في إدارة السوائل، والصيانة، والمراقبة، والخدمات المتخصصة.

كما يمثل الانتقال إلى طاقة التيار المستمر بجهد 800 فولت (800V DC) تطورًا آخر يلوح في الأفق.

وأوضح رايان أن هذا الانتقال سيحدث تدريجيًا، وليس من خلال تحول شامل على مستوى القطاع في وقت واحد. وستختلف وتيرة التبني بين المناطق ومع مرور الوقت.

الخدمات تصبح جزءًا من نموذج التشغيل

مع ازدياد تعقيد المنشآت، يتوسع أيضًا دور الخدمات.وأوضح رايان أن هذه الخدمات تشمل مجموعة من الأنشطة، بدءًا من الاستشارات وتحسين التصميم، وصولًا إلى النشر، والتشغيل التجريبي، والصيانة، وتحسين الأداء بشكل مستمر.

كما سلط الضوء على Vertiv NextPredict، التي تستخدم البيانات التشغيلية لدعم الصيانة التنبؤية وتحسين الأداء.ووفقًا لرايان، يمكن للضبط الذكي للأنظمة أن يحقق وفورات في استهلاك الطاقة تصل إلى 15% في ظروف معينة.

وفي البيئات التي تعتمد بكثافة على وحدات معالجة الرسومات (GPU)، يمكن للقدرة على مراقبة أداء الطاقة والأنظمة الحرارية وتحسينه بشكل مستمر أن تؤثر مباشرةً في كفاءة التشغيل.

التوسع يعني أيضًا تطوير المهارات

يؤدي التوسع المادي في مراكز البيانات إلى خلق متطلب آخر، يتمثل في الحاجة إلى مزيد من الكفاءات المتخصصة.وقال رايان إن لدى Vertiv نحو 5,300 مهندس خدمات، وأكثر من 31 أكاديمية تدريب موزعة على ست قارات، ونحو 320 مركزًا للخدمات.

كما تحدث عن برامج التدريب المهني التي تتيح للموظفين في بعض الدول العمل بالتزامن مع الحصول على مؤهلات رسمية.وبحسب الموقع، يمكن أن تمتد هذه البرامج إلى مستويات الدرجات الجامعية والماجستير الوطنية.

وتعمل أكاديميات الشركة أيضًا على تدريب الموظفين على كيفية تصميم المعدات وتصنيعها، قبل نقل هذه المعرفة إلى بيئات العملاء.ومع تقلص الجداول الزمنية لعمليات النشر، تزداد أهمية توفر فرق مدربة وقادرة على العمل عبر مختلف مراحل دورة حياة الأنظمة.

منظومة تقنية أوسع

تؤثر هذه التغييرات أيضًا في العلاقات عبر سلسلة توريد التكنولوجيا.وأشار رايان إلى زيادة التنسيق بين مزودي البنية التحتية، وشركات تصنيع مسرّعات الحوسبة مثل Nvidia وAMD، وموردي المكونات المشاركين في مجالات مثل المضخات والمبادلات الحرارية.

وقال إن أهمية البنى المعمارية التي تم التحقق من صحتها والاختبارات على مستوى الأنظمة تتزايد باستمرار.

ويعود ذلك إلى أن الأداء يعتمد بشكل متزايد على التفاعل بين الحوسبة، والطاقة، والإدارة الحرارية، والبرمجيات، والأنظمة المادية، بدلًا من الاعتماد على مكون واحد فقط.

ماذا يعني هذا التحول

تشير المناقشات التي شهدها Vertiv Week إلى نموذج لمراكز البيانات يقوم على السرعة، والكثافة، والكفاءة، وقابلية تكرار عمليات النشر.

ولم يعد التحدي يقتصر على إضافة المزيد من قدرات الحوسبة.

إذ يحتاج المشغلون إلى نشر منشآت أكبر بوتيرة أسرع، وإدارة أحمال أعلى من الطاقة والحرارة، وتقليل التعقيد في مواقع العمل، والحفاظ على الأداء بعد دخول الأنظمة مرحلة التشغيل.

وستواصل تقنيات مثل التبريد السائل وطاقة التيار المستمر بجهد 800 فولت تطورها بسرعات متفاوتة بين الأسواق.وفي الوقت نفسه، أصبحت عمليات التجميع في المصانع، واختبار الأنظمة، والتحسين الرقمي، وتطوير مهارات القوى العاملة، أجزاءً متزايدة الأهمية من نموذج تسليم البنية التحتية.

ومع تسارع هذه التغييرات، أصبحت البنية التحتية للذكاء الاصطناعي أقل ارتباطًا بالمعدات الفردية، وأكثر ارتباطًا بمدى كفاءة مركز البيانات بالكامل في تحويل الطاقة وقدرات الحوسبة إلى مخرجات مفيدة للذكاء الاصطناعي.

يمكنني أيضًا الحفاظ على هذا الأسلوب نفسه في الأجزاء التالية من مقال Vertiv لضمان اتساق المصطلحات والنبرة التحريرية.

مقالات ذات صلة

عرض الكل