هوش مصنوعی به نیرویی شکست‌ناپذیر تبدیل شده و راهبرد فنی را هم در حوزه فناوری و هم فراتر از آن به پیش می‌راند. با رشد ۳۰ درصدی بازار جهانی سرور تنها در طول یک سال و رسیدن آن به ۱۲۲.۶ میلیارد دلار در سه ماهه نخست سال ۲۰۲۵، شرکت «آی‌دی‌سی» (IDC) اکنون با اطمینان، سرمایه‌گذاری‌های مبتنی بر هوش مصنوعی را از دسته‌ای «چرخه‌ای» به دسته‌ای «پایدار» تغییر طبقهبندی می‌دهد.
این شرکت تحلیلگر انتظار دارد که تا سال آینده، پردازش استنتاج بیش از ۷۰ درصد از تقاضای رایانشی را به خود اختصاص دهد و می‌افزاید که این روند در لبه شبکه با بیشترین سرعت در حال رشد است.
چ چرا شرکت‌ها زیرساخت‌های خود را می‌سازند؟
شاید زمانی تمام این سرمایه‌گذاری‌ها در زیرساخت هوش مصنوعی عمدتاً از سوی غول‌های رایانش ابری صورت می‌گرفت، اما این روند به سرعت در حال تغییر است. شرکت «آی‌دی‌سی» می‌افزاید که میزان پذیرش، به سرعت فراتر از ارائه‌دهندگان خدمات رایانش ابری عمومی و در حال ورود به محیط‌های سازمانی است. آنها مشتاقانه به دنبال اجرای هوش مصنوعی عاملیت‌محور در داخل سازمان هستند.
دلایل فراوانی وجود دارد که شرکت‌ها ترجیح دهند به جای برون‌سپاری هوش مصنوعی به فضای ابری، زیرساخت اختصاصی خود را داشته باشند. یکی از این دلایل، کنترل داده‌هاست؛ به‌ویژه در بخش‌های قانون‌گذاری‌شده مانند مالی، مراقبت‌های بهداشتی، تولید و بخش عمومی که دارای الزامات حاکمیتی داده هستند. دلیل دیگر به نیاز به هزینه‌بری قابل‌پیش‌بینی برای توکن‌های ارائه‌شده در سیستم‌های داخلی قابل‌تنظیم مربوط می‌شود.
بنابراین، شرکت‌ها باید به چه ویژگی‌هایی در یک تأمین‌کننده توجه کنند؟ سرعت تحویل، محرک قدرتمندی برای بسیاری از سازمان‌هایی خواهد بود که تحت فشار شدیدی برای اجرای طرح‌های هوش مصنوعی برای کسب‌وکار خود قرار دارند، به‌ویژه در دوران محدودیت عرضه حافظه و پردازنده مرکزی (CPU). خدمات چرخه‌عمر نیز برای شرکت‌هایی که به کمک نیاز دارند تا همه‌چیز، از تأمین توان مصرفی گرفته تا مدل‌های زبانی بزرگ استدلالی و بارهای کاری استفاده‌کننده از آنها را مدیریت کنند، در صدر فهرست قرار خواهد گرفت. بعید است این نیاز به تخصص متوقف شود؛ شرکت‌ها با درک فناوری‌ای که همچنان در حال تکامل است، دستخوش تغییراتی در راهبرد هوش مصنوعی خود خواهند شد.
از میز کار تا مرکز داده
ایسوس انتظار دارد این موج هوش مصنوعی در مرکز داده ادامه یابد.
اما در مکان‌های دیگر نیز، به‌ویژه در لبه‌ها (به‌خصوص موارد صنعتی) و در میزهای توسعه‌دهندگان، همان‌طور که برنامه‌هایی که شرکت را نیرو می‌دهند ساخته می‌شوند. این شرکت می‌خواهد در فهرست اول مردم برای سخت‌افزار و خدمات در تمام این مکان‌ها در طول زنجیره هوش مصنوعی قرار گیرد.
در نمایشگاه GTC شرکت NVIDIA در برلین در تاریخ‌های ۲۱‑۲۲ اکتبر، این شرکت یک محصول هوش مصنوعی تمام‌ستکی را معرفی کرد که آن را «راه‌حل هوش مصنوعی عامله‌ای سازمانی» می‌نامد. این محصول از سه لایه تشکیل شده است و شامل:
سرور و زیرساخت هوش مصنوعی ASUS: مجموعه‌ای از سرورهای هوش مصنوعی، از جمله چندین واحد جدید. پشته نرم‌افزاری هوش مصنوعی ASUS: نرم‌افزاری برای یکپارچه‌سازی و کنترل جریان‌های کاری هوش مصنوعی. مرکز هوش مصنوعی ASUS (AI HUB): عملیاتی خدماتی که همه اجزا را به هم پیوند می‌دهد.
این موارد ترکیبی از برخی دارایی‌های موجودی هستند که ASUS برای کاربران هوش مصنوعی سازمانی داشته و همراه با برخی موارد جدید. به گفته مدیران ASUS، زمان مناسب برای ارائه‌ای انتها به انتها با سخت‌افزار جدید است، به دلیل تغییرات بازار.
پول جو، معاون ارشد و رئیس بخش راه‌حل‌های زیرساخت در ASUS می‌گوید: «سرورهای ASUS به سازمان‌ها کمک می‌کنند زیرساخت هوش مصنوعی عامله‌ای با عملکرد بالا بسازند که قادر به پشتیبانی هم از اجرای وظایف پیچیده و هم از استقرار مقیاس‌پذیر عوامل هوش مصنوعی باشد و پذیرش هوش مصنوعی عامله‌ای در سازمان‌ها را تسریع می‌کند.»
در حالی که هوش مصنوعی مولد ابتدا باعث افزایش تقاضا شد، ظهور هوش مصنوعی عامله‌ای تقاضای محاسباتی را به حالت افراطی رسانده است. جو توضیح می‌دهد که تمرکز از GPU به سمت موارد دیگر گسترش یافته است.
او می‌گوید: «به‌طور تاریخی، سرورهای هوش مصنوعی عمدتاً برای محاسبات GPU بهینه‌سازی شده‌اند. اما با تغییر هوش مصنوعی سازمانی به سمت هوش مصنوعی عامله‌ای، بارهای کاری به‌طور فزاینده‌ای حول یک «حلقه عامله‌ای» پیوسته می‌چرخند که به شدت به CPU وابسته است.» این حلقه شامل برنامه‌ریزی وظیفه، اجرای کد، فراخوانی ابزارهای خارجی و کارهای بازنگری یا اصلاح است.
نقش افزایشی CPU در این کارهای اجرایی در حال ایجاد گلوگاه است.
در سرورهاي AI برآمده، او اضافه می‌کند.
اولین موانع پیوسته، عملکرد تک-نیته است که باعث می‌شود پردازنده‌های گرافیکی در ขاچندقه‌های انتظار برای تکمیل شدن پردازنده‌های مرکزی بی‌كار بمانند. دومین موانع در باندپهن حافظه قرار دارد. وقتی اینها بر اساس هسته‌ي واحد مدیریت می‌شوند، می‌توانند سرعت را کند کنند當 بسیاری از عامل‌ها همزمان اجرا می‌شوند.
طراحی چند-چپ در بسیاری از پردازنده‌های مرکزی نیز آنها را در محیط‌های AI مجازات می‌کند، زیرا دسترسی به داده‌ها در میان چپ‌های مختلف تأخیر می‌انگیزد، جو بر می‌آورد. پردازنده‌های با هسته‌ها و کش در چپ‌های مختلف نیز تأخیر دارند، وقتی داده‌ها بین آنها عبور می‌کنند. حفظ همبستگی کش این مشکل را بدتر می‌کند.
Finalmente، ریسک امنیتی وجود دارد: فقدان آنزاک-لساندرز در سطح سخت‌افزار در برخی پردازنده‌های مرکزی امکان نفوذ به سیستم‌های مرکزی را فراهم می‌کند، او هشدار می‌دهد.
مشتریان همچنین با چالش‌های خود در ارتباط هستند، در حالی که با برنامه‌های مختلف برای AI suro. شرکت‌های ارزیابی گزینه‌های سرورهای AI باید ابعاد سرور خود را با پروفایل کارآموضی AI در نظر بگیرند. آموزش مدل یادگیری-نگراندیشانه برای دسته‌بندی درشت‌درشت کلیشه‌های بیمه، از نظر فنی متفاوت از اجرا کردن یک بات منتصف-لاغتی چت‌کار کارمندان است.
دربرگردان ASUS به برلین
ASUS می‌خواهد به مشتریان کمک کند تا این مشکلات را در هرجا که رخ دهند حل کنند. با این‌حال، شرکت در GTC برای تماشاگران، انواع مختلفی از محصولات را معرفی کرد.
زیرا از مرکز داده، شرکت سیستم‌های واحدی و ریکه‌سری را معرفی کرد که بر روی تختهٔ برادکارد 8-GPU NVIDIA HGX Rubin ساخته شده‌اند. یک سیستم 3U خنک‌شدهٔ هبرید و یک سیستم 2U خنک‌شدهٔ 100٪ مایع را دارد، که هر دو برای کارآموضی‌های بزرگ AI-نگاراندیشانه هدف گذاری شده‌اند.
دو واحد روبین برای کاربردهای مختلف در نظر گرفته شده‌اند. سیستم خنک‌کننده 3U هبرید از خنک‌کنندگی مایع-بستر-چپ 8-GPU و چیپ‌های دوگانهٔ کار-سنت 6 را به‌صورت هوا-کند دارد.
یک اسلید. شرکت این را ساده‌ترین مسیر گذار به سمت سخت‌افزار کارخانه هوش مصنوعی می‌داند. واحد ۲یو با سیستم خنک‌کننده مایع ۱۰۰ درصدی، برای حداکثر PUE و تراکم محاسبه طراحی شده است. همچنین از طراحی برد-به-برد بدون کابل برای کاهش فضای اشغالی استفاده می‌کند.
این کیت هم سریع خواهد بود، زیرا NVIDIA HGX Rubin پهنای باند یکپارچه ۸۰۰ گیگابیت در ثانیه برای هر GPU ارائه می‌دهد.
ASUS با بهره‌گیری از اسلیدهای پردازنده و گرافیک قابل تعویض بدون نیاز به ابزار، قابلیت سرویس‌دهی این واحدها را ترویج می‌کند. شرکت ادعا می‌کند تا ۵۰ درصد زمان صرفه‌جویی در عملیات نگهداری برای این واحدها حاصل می‌شود، به این معنی که وقفه کمتری در هر سرویس و در نهایت هزینه کل مالکیت پایین‌تری وجود دارد.
تحویل سریع برای NVIDIA HGX Rubin
ASUS پیشنهاد سخت‌افزاری خود را بر اساس تحویل سریع بنا نهاده است تا مشتریان بتوانند سخت‌افزار را راه‌اندازی کرده و مبادرات هوش مصنوعی خود را پشتیبانی کنند. این سرعت ناشی از اعتبارسنجی انجام‌شده قبل از تحویل با کمک یک معماری مرجع راک پیش‌اعتبارسنجی‌شده است.
سرور NVIDIA MGX برای ساخت‌های انعطاف‌پذیر
در راستای تمرکز خود بر طرح‌های متنوع برای بار کار هوش مصنوعی مناسب، ASUS همچنین از طرح ماژولار MGX Blueprint شرکت NVIDIA برای ساخت سرورها پشتیبانی می‌کند. نکته فروش اینجا انعطاف‌پذیری با ترکیبی از گزینه‌های GPU، CPU و شبکه برای استنتاج، عامل‌ها و محاسبه بصری در سازمان‌ها است. این مسیر ماژولار برای بارهای کاری است که نیازی به قدرت یک برد پایه HGX ۸-GPU ندارند، و طیف وسیعی از موارد استفاده استنتاج و عامل-محور سازمانی را پوشش می‌دهد.
ASUS سرورهای MGX را شامل سرور ۶یو XA P8A-E14AXL با هشت GPU NVIDIA RTX PRO 6000 Blackwell Server Edition خنک‌شده با مایع به نمایش گذاشت. یک برادر ۲یو، XA P4N-E2، برای کارهای عاملی از پردازشگرهای NVIDIA Vera استفاده می‌کند.
راه‌حل‌ها برای لبه شبکه و توسعه‌دهندگان
استاند ASUS همچنین ExpertCenter Pro ET900N G3 را که توسط تراکم فوق‌العاده GB300 Grace Blackwell Superchi
"ASUS در بخش 5 از 6، میزکار توسعه دهنده با 748 گیگابایت حافظه یکپارچه و دستگاه Ascent GX10 بر پایه NVIDIA DGX Spark را برای کار آژانتی به نمایش گذاشت. همچنین میزکار ProArt GR1X Mini PC و لپتاپ ProArt P16 و P14 - اولین لپتاپ‌های با قدرت NVIDIA RTX Spark - را برای توسعه‌دهندگان و خالقان به نمایش گذاشت. در مورد نصب در حاشیه، دستگاه PE3000N را با استفاده از پردازنده NVIDIA Jetson T5000 نشان داد که برای استفاده در محیط‌های صنعتی طراحی شده‌است. همچنین، دستگاه PE6000G را به عنوان یک پلتفرم کارآمد و شبیه‌سازی برای محیط‌های صنعتی AI معرفی کرد.
سیستم دوقلو (Twin Twin System) تنها برای طراحی و تنظیم نیست، بلکه باید پس از گشایش (go-live) نیز کارکرد خود را حفظ کند تا اپراتورهای کارخانه هوش مصنوعی (AI) بتوانند تغییرات را قبل از دستکاری هاردویر (hardware) شبیه‌سازی کنند. مرکز کنترل (Control Center) شرکت ای‌اسوس (ASUS) زیرساخت را نظارت می‌کند در حالی که سیستم تبادل (DSX exchange) داده‌های فناوری اطلاعات (IT) و فناوری عملیاتی (operational technology) را به هم متصل می‌کند. اپراتورها می‌توانند تغییرات را در شبیه‌سازی تأیید کنند قبل از اینکه سوییچ را برای گشایش (go-live) براندازند.
مقصد شرکت ای‌اسوس (ASUS) در اینجا واضح است: حمایت از مشتریان شرکت در برخورد با فرصت‌های هوش مصنوعی داخل سازمان (in-house AI opportunities) در حالی که از این واقعیت آگاه هستند که پروفایل عملکرد و مکان فیزیکی بارهای آنها متفاوت است. در حالی که شرکت‌ها در درک خود از هوش مصنوعی (AI) و جایگاه آن در سازمان خود پیشرفت می‌کنند، باید در برنامه‌ریزی و حمایت از زیرساخت خود از مرکز داده تا حاشیه (edge) و تا میز توسعه‌دهنده (developer’s desk) آگاهانه و انعطاف‌پذیر باشند.
تعدادی از اعلامیه‌ها در برلین (Berlin announcements) این را در یک بسته مرتب برای سازمان‌ها فراهم می‌کند که در realizzato کردن امیدهایشان کمک می‌خواهند.
تحریم شده توسط شرکت ای‌اسوس (ASUS)
تیم ترجمه تحریریه گیلانی جان - محمد رمضانی - سیده رقیه پوراشرفی
دیدگاه‌ها
هنوز دیدگاهی ثبت نشده است. اولین نفر باشید!
ارسال دیدگاه