ایده نجات دیتاسنترهای هوش مصنوعی از اتلاف انرژی_سیاه پوش

شرکت Onsemi، پیشرو در عرصه راه حل های نیمه‌رساناهای با کارایی بالا، از مجموعه جدیدی از چیپ‌های مبتنی بر کاربید سیلیسیوم (SiC) رونمایی کرد که با مقصد بهبود دیدنی بازده انرژی در مراکز داده پشتیبان سرویس‌های هوش مصنوعی (AI) طراحی شده‌اند. این فناوری نوآورانه از تجارب به‌دست آمده در عرصه‌ی گسترش‌ی چیپ‌های کارآمد برای خودروهای الکتریکی منفعت می‌برد.

به نقل از آژانس اخبار فناوری و تکنولوژی تکنا، کاربید سیلیسیوم جایگزینی کارآمدتر برای سیلیکون استاندارد در ساخت چیپ‌های قوت به‌شمار می‌رود. در حالی که فرآیند تشکیل این ماده هزینه‌ی بیشتری در بر دارد، اما برتری قابل توجهی در عرصه‌ی تبدیل انرژی از یک شکل به شکل دیگر از خود مشخص می کند. طی سال‌های تازه، منفعت گیری از کاربید سیلیسیوم در صنعت خودروهای الکتریکی با اقبال گسترده‌ای روبه رو شده است. جایگزینی چیپ‌های مبتنی بر سیلیکون با مثالهای SiC در خودروهای الکتریکی تبدیل افزایش قابل دقت برد حرکتی آن‌ها می‌بشود.

دکتر سایمون کیتون، رئیس گروه راه‌حل‌های انرژی در شرکت Onsemi، ضمن اشاره به فرآیندهای متعدد تبدیل برق در مراکز داده، گفتن داشت: «در یک مرکز داده‌ی معمولی، برق ورودی دست‌کم چهار بار و در طول مسیر رسیدن به چیپ‌های نهایی برای انجام محاسبات، دچار تبدیل می‌بشود. متاسفانه، در این فرآیندهای تبدیل، نزدیک به ۱۲ درصد از انرژی به طور گرما تلف می‌رود.»

وی در ادامه‌ی توضیحات خود افزود: «این اتلاف انرژی هزینه‌ی هنگفتی را بر دوش غول‌های فناوری نظیر آمازون، گوگل و مایکروسافت که از این مراکز داده برای اراعه‌ی خدمات هوش مصنوعی منفعت گیری می‌کنند، تحمیل می‌نماید. آن‌ها نه تنها هزینه‌ی برق تلف‌شده به طور گرما را می‌پردازند، بلکه ناچار به صرف انرژی اضافی برای خنک‌سازی مراکز داده‌ی خود نیز می باشند.»

شرکت Onsemi مطمعن دارد که با به‌کارگیری فناوری تازه خود، قادر به افت تلفات انرژی در مراکز داده تا یک واحد درصد خواهد می بود. با دقت به برآوردهای سرسام‌آور در خصوص مقدار مصرف برق مراکز داده‌ی هوش مصنوعی (که برخی از گروه‌ها آن را تا ۱۰۰۰ تراتاوات ساعت در کمتر از دو سال تخمین می‌زنند)، حتی افت یک درصدی نیز دستاورد قابل توجهی محسوب می‌بشود.

دکتر کیتون در خاتمه خاطر نشان کرد: «یک درصد از این مقدار کل انرژی، برای فراهم برق یک میلیون خانه به زمان یک سال کافی است. به این علت، فهمیدن اهمیت صرفه‌جویی در این سطح برای فراهم انرژی مورد نیاز مراکز داده‌ی هوش مصنوعی الزامی است.»