سرمایهگذاری زیرساختهای هوش مصنوعی (AI) از زمان ورود مدلهای زبان هوش مصنوعی مانند ChatGPT در سال 2022 به پایان رسیده است. با توجه به افزایش مقیاسکنندهها، سرمایهگذاری در زیرساختهای هوش مصنوعی در سال 2025 به بالاترین حد خود میرسد، International Data Corp سرمایهگذاری جهانی را به رقم خیرهکننده 318 میلیارد دلار میرساند و به نظر میرسد که سال به سال افزایش خواهد یافت.
در برابر پسزمینهی افزایش سرسامآور تزریق سرمایه، صنعت به یک «دیوار مقیاسپذیر» فیزیکی نزدیک میشود. زیرساختهای سنتی تحت فشار محدودیتهای ظرفیت مرکز داده و تقاضای فزاینده انرژی شروع به ترکیدن کرده است.
افزایش انرژی مورد نیاز برای تقویت هوش مصنوعی ناپایدار است، با نگرانی ها در مورد آسیب زیست محیطی که تامین چنین انرژی می تواند ایجاد کند.
ما اکنون در یک نقطه عطف هستیم. روشهای سنتی انتقال دادههای الکتریکی در حال رسیدن به محدودیتهای خود هستند و NVIDIA با سرمایهگذاری ۴ میلیارد دلاری در دو شرکت فوتونیک، Coherent Corp. و Lumentum، دست خود را نشان داد. NVIDIA روی آینده ای شرط بندی می کند که در آن داده ها از طریق نور (فوتون) به جای برق منتقل می شود.
مصرف انرژی هوش مصنوعی
راپژوهشکده نیروی برقتخمین میزند که مراکز داده میتوانند تا سال 2030 سالانه 9 درصد از تولید برق ایالات متحده را مصرف کنند که این رقم در سال 2023، 4 درصد بود. از آنجایی که مدلهای هوش مصنوعی با تقاضای مصرفکننده رو به افزایش-و نیاز به محاسبات بیشتر مواجه هستند، ما شاهد افزایش تقاضای جهانی انرژی خواهیم بود. با توجه به نوسانات اخیر در قیمت انرژی، این یک مشکل حاد برای هزینه های مقیاس خدمات هوش مصنوعی ایجاد می کند. ما در حال حاضر شاهد تحقق این مشکل هستیم و OpenAI افزایش قبوض انرژی را دلیلی برای عقب نشینی از برنامه های توسعه خود در بریتانیا ذکر کرده است.
پردازنده ها به محدودیت های فیزیکی نزدیک می شوند. ترانزیستورها، کلیدهای الکترونیکی که اساس مدارهای الکترونیکی را تشکیل می دهند، اکنون فقط چند اتم عرض دارند-به اندازه ای که در آن اثرات کوانتومی و گرما به محدودیت های قابل توجهی تبدیل می شوند.
نور در انتهای تونل
فراتر از چالش مقدار انرژی مورد استفاده برای پردازش و جابجایی داده ها، فاصله فیزیکی بین عناصر پردازش و حافظه، هم در{0}تراشه و هم در سطح سیستم، اکنون سرعت اجرا و آموزش مدل های هوش مصنوعی را محدود می کند. ساخت مراکز داده بر روی پایه فوتونی گام منطقی بعدی است.
به زودی، محاسبات در مسیر داده های نوری امکان پذیر خواهد بود و این فرصت را برای کاهش تأخیر و زیرساخت مقیاس بدون افزایش متناسب در مصرف انرژی ارائه می دهد.
فوتونیک را می توان مستقیماً روی تراشه های سیلیکونی ادغام کرد تا مقیاس پذیری و بهبود کارایی نسبت به الکتریسیته را امکان پذیر کند. نکته اصلی افزایش کارایی فوتونیک ساده است: نور سریعتر حرکت می کند و اطلاعات بیشتری را حمل می کند، در حالی که گرمای کمتری نسبت به الکترون ها تولید می کند. این امر منجر به چگالی محاسباتی به طور چشمگیری، مصرف انرژی کمتر و عملکرد حرارتی برتر برای غلبه بر محدودیت های اعمال شده توسط افزایش سیلیکون تیره بر روی تراشه های معمولی می شود.
مزایای بهبود کارایی در سطح تراشه در ترکیب سریع صرفه جویی انرژی مشهود است. یک وات انرژی صرفه جویی شده توسط یک تراشه نیز باعث کاهش انرژی هدر رفته در مصرف برق و خنک کننده می شود. فوتونیک آینده ای را برای توسعه زیرساخت های هوش مصنوعی باز می کند که بر پایه ای متمرکز است که سریع تر، تمیزتر و اساساً مقیاس پذیر باشد.
پیاده سازی مرکز داده فوتونیک
گلوگاه اساسی در{0}}هوش مصنوعی در مقیاس بزرگ دیگر محاسبات خام نیست، بلکه هزینه انرژی سرسامآور انتقال دادهها با سرعت و حجمی است که حجم کاری مدرن هوش مصنوعی نیاز دارد. تکامل سریع مدلهای مرزی به این معنی است که سیستمها تحت فشار دائمی از هماهنگی هزاران تراشه به طور همزمان هستند. زیرساختهای سنتی مرکز داده به سادگی نمیتوانند با تقاضا برای تبادل دادههای دائمی و بسیار فشرده پاسخگو باشند.
فوتونیک فرصتی برای پرداختن به این مشکل در یک سطح استراتژیک است، نه صرفاً کاهش نیازهای حرارتی مارپیچی یک معماری الکتریکی که به طور فزاینده ای کشیده شده است. تخمینهای اولیه صنعت نشان میدهد که استفاده از نور برای انتقال دادهها تقریباً 5 برابر بازده انرژی و 10 برابر انعطافپذیری شبکه الکترونیکی معمولی است.
مزایای فوتونیک سیلیکون فراتر از بهره وری فوری و دستاوردهای پایدار است. با حذف گلوگاههای{1}}قابل توجه انتقال داده، فوتونیک انواع محاسباتی را که قبلاً به دلیل هزینههای انرژی غیرعملی تلقی میشدند، مانند رمزگذاری کاملاً همومورفیک (پردازش دادههای رمزگذاری شده بدون رمزگشایی) باز میکند.
از طریق حذف محدودیتهای معماریهای محاسباتی سنتی، فوتونیک پیامدهای بسیار گستردهای-برای بخشهایی دارد که در آنها عملکرد و حریم خصوصی دادههای مورد نیاز صنایع دفاع، مالی و مراقبتهای بهداشتی قابل مذاکره نیست-.
تا به امروز، واکنش صنعت هوش مصنوعی به نیازهای فزاینده انرژی کند بوده است و در رفع نقص های ساختاری معماری های سیلیکونی سنتی ناکام بوده است. سرمایهگذاریهای چند میلیارد دلاری اخیر NVIDIA بهعنوان یک سیگنال واضح نشان میدهد که ابرمقیاسکنندگان اکنون تشخیص میدهند که این اساساً یک مشکل زیرساختی است.
اکنون باید از خود بپرسیم که آیا بیشتر از همان مقدار-ادامه شخم زدن چشم-در زیرساختهای ساخت مرکز داده و خنککننده استفاده میکنیم یا روی راهحلهای نوآورانهای مانند فوتونیک سرمایهگذاری میکنیم، که میتواند محدودیتهای کلیدی را در منبع برطرف کند.
فوتونیک افق جدیدی از فرصت را نشان می دهد. فوتونیک به جای جایگزینی سیستمهای موجود، معماریهای محاسباتی مدرن را با باز کردن ظرفیت محاسباتی جدید در خود شبکه تقویت میکند. فوتونیک صنعت تراشه را به سمت بزرگترین تغییر معماری خود از زمان ظهور معماری فون نویمان سوق می دهد و فرصتی را برای باز کردن محاسبات بی حد و حصر ارائه می دهد.
