Kopš ģeneratīvo AI valodu modeļu, piemēram, ChatGPT, ienākšanas 2022. gadā ir veikti ieguldījumi mākslīgā intelekta (AI) infrastruktūrā. Tā kā 2025. gadā hiperskalori investīcijas mākslīgā intelekta infrastruktūrā sasniedz rekordaugstu līmeni, International Data Corp. globālie ieguldījumi ir satriecoši USD 318 miljardi, un šķiet, ka tas turpinās pieaugt gadu no gada.
Uz debesīm strauji pieaugošo kapitāla injekciju fona nozare tuvojas fiziskai "mērogošanas sienai". Tradicionālā infrastruktūra sāk čīkstēt zem datu centra jaudas ierobežojumu un pieaugošā enerģijas pieprasījuma slodzes.
Pieaugošās enerģijas prasības mākslīgā intelekta darbināšanai nav ilgtspējīgas, un pieaug arī bažas par kaitējumu videi, ko varētu izraisīt šādas enerģijas piegāde.
Tagad mēs atrodamies līkuma punktā. Tradicionālās elektriskās datu pārsūtīšanas metodes sasniedz savas robežas, NVIDIA parādot savu roku, nesen investējot 4 miljardus ASV dolāru divos fotonikas uzņēmumos — Coherent Corp. un Lumentum. NVIDIA liek derības uz nākotni, kurā dati tiks pārraidīti ar gaismu (fotoniem), nevis elektrību.
AI enerģijas patēriņš
TheElektroenerģijas pētniecības institūtslēš, ka datu centri varētu patērēt līdz pat 9% no ASV saražotās elektroenerģijas gadā līdz 2030. gadam, salīdzinot ar 4% 2023. gadā. Tā kā AI modeļi saskaras ar arvien-pieaugošo patērētāju pieprasījumu un prasa vairāk skaitļošanas, mēs redzēsim, ka globālais pieprasījums pēc enerģijas pieaugs. Tas rada akūtu problēmu saistībā ar AI pakalpojumu mērogošanas izmaksām, ņemot vērā nesenās enerģijas cenu svārstības. Mēs jau redzam, ka šī problēma ir īstenojusies, un OpenAI kā iemeslu Lielbritānijas paplašināšanās plānu atcelšanai min pieaugošos enerģijas rēķinus.
Procesori tuvojas fiziskajām robežām. Tranzistori, elektroniskie slēdži, kas veido elektronisko ķēžu pamatu, tagad ir tikai dažus atomus plati-lielumā, pie kuriem kvantu efekti un siltums kļūst par būtiskiem ierobežojumiem.
Gaisma tuneļa galā
Papildus izaicinājumam, ko rada datu apstrādei un pārvietošanai izmantotais enerģijas daudzums, fiziskais attālums starp apstrādes un atmiņas elementiem gan -mikroshēmā, gan sistēmas līmenī tagad ierobežo ātrumu, ar kādu AI modeļus var darbināt un apmācīt. Nākamais loģiskais solis ir datu centru veidošana uz fotoniskā pamata.
Drīzumā būs iespējams veikt aprēķinus optisko datu ceļā, un tas piedāvā iespēju samazināt latentuma un mēroga infrastruktūru bez proporcionāla enerģijas patēriņa pieauguma.
Fotoniku var integrēt tieši silīcija mikroshēmās, lai nodrošinātu mērogojamību un elektroenerģijas efektivitātes uzlabojumus. Fotonikas efektivitātes palielināšanas būtība ir vienkārša: gaisma pārvietojas ātrāk un pārnēsā vairāk informācijas, vienlaikus ražojot mazāk siltuma nekā elektroni. Tas rada ievērojami lielāku skaitļošanas blīvumu, mazāku enerģijas patēriņu un izcilu termisko veiktspēju, lai pārvarētu ierobežojumus, ko uzliek tumšā silīcija palielināšanās parastajās mikroshēmās.
Efektivitātes uzlabošanas priekšrocības mikroshēmas līmenī ir acīmredzamas enerģijas ietaupījuma ātrumā. Viens vats enerģijas, kas ietaupīta, darbinot mikroshēmu, samazina arī enerģijas patēriņu un dzesēšanu. Fotonika paver AI infrastruktūras attīstības nākotni, kuras centrā ir ātrāks, tīrāks un būtiski mērogojams pamats.
Fotonikas datu centra ieviešana
Liela mēroga{0}}AI galvenais šķērslis vairs nav neapstrādāti aprēķini, bet gan satriecošās enerģijas izmaksas, kas saistītas ar datu pārvietošanu tādā ātrumā un apjomā, kādu pieprasa mūsdienu AI darba slodze. Pierobežas modeļu straujā attīstība nozīmē, ka sistēmas ir pastāvīgi noslogotas no tūkstošiem mikroshēmu vienlaicīgas koordinēšanas. Tradicionālā datu centra infrastruktūra vienkārši nespēj sekot pieprasījumam pēc pastāvīgas, ļoti intensīvas datu apmaiņas.
Fotonika sniedz iespēju risināt šo problēmu stratēģiskā līmenī, nevis tikai mazināt arvien pieaugošās elektriskās arhitektūras spirālveida siltuma prasības. Sākotnējie nozares aprēķini liecina, ka gaismas izmantošana datu pārsūtīšanai nodrošina aptuveni 5 reizes lielāku enerģijas efektivitāti un 10 reizes lielāku tīkla noturību nekā parastā elektronika.
Silīcija fotonikas priekšrocības pārsniedz tūlītēju efektivitātes un ilgtspējības pieaugumu. Novēršot ievērojamas datu{1}}pārsūtīšanas problēmas, fotonika atbloķē arī tādus skaitļošanas veidus, kas iepriekš tika uzskatīti par nepraktiskiem enerģijas izmaksu dēļ, piemēram, pilnībā homomorfu šifrēšanu (šifrētu datu apstrāde, tos nekad neatšifrējot).
Likvidējot tradicionālo skaitļošanas arhitektūru ierobežojumus, fotonikai ir tālejoša ietekme{0}}nozarēs, kurās aizsardzības, finanšu un veselības aprūpes nozarēs prasītā veiktspēja un datu konfidencialitāte nav-apspriežama.
Līdz šim AI nozares reakcija uz pieaugošajām enerģijas vajadzībām ir bijusi lēna un nespēj novērst tradicionālo silīcija arhitektūru strukturālos trūkumus. NVIDIA nesenās vairāku miljardu{1}dolāru investīcijas ir skaidrs signāls, ka hiperskalāri tagad atzīst, ka šī būtībā ir infrastruktūras problēma.
Tagad mums ir jāuzdod sev jautājums, vai mēs vairāk darām to pašu-turpinām iedziļināties-datu centra izveides un dzesēšanas infrastruktūrā, vai arī ieguldām inovatīvos risinājumos, piemēram, fotonikā, kas var atrisināt galvenos ierobežojumus jau pašā avotā.
Fotonika ir jauns iespēju apvārsnis. Tā vietā, lai aizstātu esošās sistēmas, fotonika papildina mūsdienu skaitļošanas arhitektūru, atbloķējot jaunu skaitļošanas jaudu pašā tīklā. Fotonika virza mikroshēmu nozari tās lielākās arhitektūras pārmaiņās kopš fon Neimaņa arhitektūras parādīšanās, un tā sniedz iespēju atbloķēt neierobežotu aprēķinu.
