تولید انبوه دیتاسنترهای هوش مصنوعی در خط مونتاژ خودروسازی؛ برنامه جدید استارتاپ Runware
استارتاپ Runware قصد دارد با احداث کارخانهای پیشرفته، دیتاسنترهای پیشساخته هوش مصنوعی را درست همانند خودرو روی خط مونتاژ تولید کند. این شرکت امیدوار است با تحویل و راهاندازی فوقسریع مراکز داده، چالش کمبود زیرساخت و زمانبر بودن استقرار پردازش هوش مصنوعی را برطرف سازد.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- استارتاپ Runware با الگوبرداری از خطوط تولید خودروسازی قصد دارد دیتاسنترهای مدولار هوش مصنوعی را بهصورت پیشساخته و انبوه تولید کند.
- این شرکت ادعا میکند زمان ساخت هر واحد دیتاسنتر را به یک روز کاهش داده و میتواند آن را ظرف ۴۸ ساعت در محل مشتری آماده فعالیت کند.
- واحدهای پیشساخته این استارتاپ به سامانه خنککننده مایع بدون نیاز به مصرف آب مجهز هستند و در مقایسه با مراکز داده غولهای فناوری فضای بسیار کمتری اشغال میکنند.
شرکت فعال در حوزه زیرساخت هوش مصنوعی Runware تنها چند ماه پس از رونمایی از ماژول پردازشی Sonic Inference Pod، دوباره خبرساز شده است؛ دیتاسنتری ماژولار که در کارخانه ساخته میشود و بهصورت کاملاً آماده نصب برای مشتریان ارسال میگردد. اکنون این مجموعه اهداف بزرگتری در سر دارد و اعلام کرده است که میخواهد کارخانهای برای مونتاژ این واحدها روی خط تولید ایجاد کند، درست همانند فرایندی که در ساخت خودروها بهکار میرود.
البته این ایده کاملاً جدید نیست و شرکتهایی مانند Crusoe و اشنایدر الکتریک نیز مراکز داده پیشساخته عرضه میکنند؛ اما استارتاپ Runware ادعا میکند که میتواند واحدهای خود را بسیار سریعتر به دست مشتریان برساند.
فلاویو رادولسکو، همبنیانگذار و مدیرعامل Runware، توضیح میدهد که این شرکت برنامه دارد تا سال ۲۰۲۸ میلادی ظرفیت تولید کارخانه خود در رومانی را به ۳۰ مگاوات در روز یا تقریباً یک گیگاوات در ماه برساند. این رقم ظرفیت بسیار عظیمی بهشمار میرود؛ با چنین سرعتی، این استارتاپ در طول یک سال تقریباً به اندازه کل ظرفیت جدیدی که پیشبینی میشد امسال در دیتاسنترهای ایالات متحده افزوده شود، یعنی حدود ۱۰ گیگاوات، مرکز داده تولید خواهد کرد. این رویکرد همچنین بازتابی از تلاش فراگیر کل صنعت فناوری برای استقرار سریعتر و بهینهتر مراکز داده هوش مصنوعی است.
بهعنوان نمونه، شرکت NVIDIA اوایل سال جاری میلادی پروژه کارخانههای هوش مصنوعی Vera Rubin و محصول DSX POD را معرفی کرد. هدف هر دو طرح این است که ساخت مراکز داده اختصاصی هوش مصنوعی را برای شرکتها سریعتر و آسانتر کنند. با این حال تفاوت استارتاپ Runware در این است که بهجای طراحی صرف زیرساختی که دیگران آن را بسازند، خودش عملاً خط تولید و کارخانه اختصاصی احداث کرده است.
رادولسکو میگوید Runware از ابتدای سال آینده میلادی ظرفیت تولید خود را بهتدریج افزایش خواهد داد. این شرکت هماکنون دو کارخانه در اختیار دارد: کارخانه نخست که از چند سال پیش برای ساخت این واحدها بهکار میرفت و کارخانه دومی که ساخت آن از اوایل امسال آغاز شد. انتظار میرود کارخانه دوم ظرف چند ماه آینده تکمیل شده و در اوایل سال آینده میلادی به بهرهبرداری برسد.
استارتاپ Runware این دیتاسنترهای مدولار را روی خط مونتاژ تولید خواهد کرد. مشتریان میتوانند زمین و محل استقرار مورد نظر خود را برای استقرار واحدها فراهم کنند، یا اینکه یافتن مکان مناسب را به خود این شرکت بسپارند. به گفته رادولسکو، هدف Runware راهاندازی و فعالسازی این واحدها ظرف ۴۸ ساعت است. این بازه زمانی شامل مراحل نصب و راهاندازی اولیه است و ارتباطی به زمان ساخت در کارخانه ندارد. شرکت میگوید ساخت هر واحد پیشتر سه هفته زمان میبرد، اما با افزایش مقیاس تولید بهزودی این زمان به یک روز کاهش پیدا خواهد کرد. در صورت بروز هرگونه نقص فنی در قطعات نیز قطعات یدکی توسط شرکت تأمین میشود. علاوه بر این، مشتریان میتوانند توان پردازشی مورد نیاز خود را بهصورت ابری از این شرکت اجاره کنند یا پردازندههای گرافیکی خود را تحویل داده و ماهانه هزینه نگهداری واحدها و عملیات را پرداخت نمایند؛ در حالی که هزینه برق و اینترنت بهطور جداگانه محاسبه میشود.
به گفته مدیرعامل این شرکت، واحدها بر اساس نیاز و ترجیحات مشتریان قابل سفارشیسازی هستند. این سازهها طراحی استانداردی دارند، اما میتوان آنها را متناسب با تقاضای مشتری و جدیدترین تراشههای گرافیکی پیکربندی کرد. از آنجا که تحویل تراشهها پس از ثبت سفارش معمولاً زمانبر است، این موضوع به نفع Runware تمام میشود. رادولسکو توضیح میدهد: «مدتزمان تحویل واحدهای ما کوتاهتر از زمان انتظار برای دریافت پردازندههای گرافیکی جدید است و این امر به ما فرصت میدهد تا زیرساختها را با سختافزار سفارش داده شده تطبیق دهیم. تیم سختافزاری داخلی ما میتواند قطعات لازم برای نسلهای جدید پردازندههای گرافیکی را خودش طراحی کند، بسازد و مورد آزمایش قرار دهد که این موضوع سرعت تطبیقپذیری ما را بهشدت بالا میبرد.»
در حال حاضر تمام این موارد در حد برنامهریزی است و آزمون واقعی در نحوه اجرای آنها رقم خواهد خورد. چنین کارخانهای به نیروی انسانی پرتعداد، مدیریت موجودی، لجستیک دقیق زنجیره تأمین و سرمایه قابل توجه نیاز دارد. در این میان تجربههای عبرتآموزی در زمینه بازتعریف فرایندهای تولید وجود دارد؛ از جمله استارتاپ خودروهای برقی Arrival که زمانی بیش از ۱۳ میلیارد دلار ارزشگذاری میشد، اما در مقایسه با کارخانههای سنتی نتوانست خودروهای الکتریکی را بهصورت اقتصادی و انبوه تولید کند. استارتاپ Runware که تاکنون بیش از ۶۰ میلیون دلار جذب سرمایه داشته است، میگوید قصد دارد دور جذب سرمایه سری B را آغاز کند؛ اما فعلاً در حال تکمیل و راهاندازی کارخانه با سرمایه ۵۰ میلیون دلاری حاصل از سری A در دسامبر گذشته است.
رادولسکو با اشاره به تلاش Runware برای اجتناب از سرنوشت Arrival تأکید میکند: «ساختار هزینههای ما کاملاً متفاوت است. البته ما نیز هزینههای نیروی انسانی و مواد اولیه داریم، اما دستمزد کارکنان کارخانه ما در مقایسه با ارزش استقرار توان پردازشی هوش مصنوعی بسیار مقرونبهصرفه است.» او همچنین افزود که طراحی اختصاصی سامانهها و استفاده از قطعات استاندارد، در دسترس و با قیمت مناسب باعث کاهش هزینهها میشود: «ما یکی از مدیران بسیار باتجربه کارخانجات خودروسازی را به کار گرفتهایم تا در کنار مدیر ارشد سختافزار ما فعالیت کند و به اجرای بدون نقص این فرایند یاری رساند.»
تأمین قطعات نیز میتواند چالش دیگری برای این مجموعه باشد. هرچند Runware میگوید سیستمهای خنککننده و سایر بخشهای این واحدها را با استفاده از قطعات استاندارد طراحی میکند و میسازد، اما برخی اقلام مانند پمپها و فنها از آلمان تأمین میشوند و این شرکت در حوزه شبکهسازی همچنان به NVIDIA وابسته است. با این وجود، استارتاپ مذکور مدعی است از یک ماه پیش که عرضه عمومی این واحدها را به مشتریان آغاز کرده، با تقاضا و ابراز تمایل خرید به ارزش یک میلیارد دلار روبهرو شده است؛ رقمی که به گفته رادولسکو «نشاندهنده تقاضایی بالغ بر ۲۰ مگاوات توان پردازشی است و ما هماکنون برای تحویل آن تلاش میکنیم.»
مراکز داده در ایالات متحده و سایر نقاط جهان بهدلیل مصرف سرسامآور انرژی و فشاری که بر شبکه برق و سایر منابع وارد میکنند، بهشدت مورد انتقاد قرار گرفتهاند. رادولسکو در پاسخ به این نگرانیها توضیح داد که واحدهای شرکت او صرفاً به جریان برق و اتصال اینترنت نیاز دارند. این مراکز از یک سامانه خنککننده مایع مداربسته مجهز به رادیاتورهای خنکشونده با هوا برای دفع حرارت استفاده میکنند؛ بنابراین عملاً نیازی به اتصال مستقیم به منبع آب نخواهند داشت. او با اشاره به فهرست سایتهای در نظر گرفته شده اظهار داشت: «ما در حال همکاری با تأمینکنندگان برق برای آمادهسازی مجموعهای از سایتها با ظرفیت ۳۹۷ مگاوات هستیم که امکان گسترش تا ۱٫۲ گیگاوات را نیز دارد.» او همچنین افزود که این شرکت دیتاسنترهای مدولار خود را در زمینهایی مستقر میکند که در مقایسه با سایتهای غولهای فناوری مانند آمازون، مایکروسافت و گوگل بسیار کوچکتر هستند.
وی در ادامه خاطرنشان کرد که این سایتها معمولاً از قبل دارای زیرساخت برق هستند؛ بنابراین بار مضاعفی بر شبکه سراسری تحمیل نکرده و اختلالی برای ساکنان مناطق مجاور ایجاد نمیکنند. علاوه بر این، عملکرد این واحدها تا دمای ۳۰ درجه سانتیگراد (۸۶ درجه فارنهایت) کاملاً بیصدا است: «ما تا جای ممکن از منابع انرژی تجدیدپذیر استفاده میکنیم و بهطور فعال در پی توسعه شبکه تأمینکنندگان انرژی و سایتهای خود هستیم تا انرژیهای پاک را به منبع اصلی تأمین برق خود تبدیل نماییم.»
استارتاپ Runware کارخانه جدید خود را در اوایل سال آینده میلادی فعال خواهد کرد و سپس فعالیتهای خود را به ایالات متحده و سایر مناطق جهان گسترش میدهد. رادولسکو معتقد است سامانههای مدولار آینده این صنعت هستند و بهزودی به «استاندارد اصلی استقرار سیستمهای بزرگ هوش مصنوعی» تبدیل خواهند شد.
او در پایان تأکید کرد: «مشتریان باید بتوانند از همان ابتدای کار، یک دیتاسنتر در مقیاس عظیم را بر پایه واحدهای پیشساخته کارخانهای برنامهریزی کنند و بهجای سالها انتظار، ظرف چند ماه آن را به بهرهبرداری کامل برسانند.»
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

شکاف در رونق سرمایهگذاری هوش مصنوعی؛ والاستریت نگران هزینههای سنگین غولهای فناوری است
غولهای بزرگ فناوری صدها میلیارد دلار صرف ساخت مراکز داده و خرید تراشههای هوش مصنوعی میکنند، اما کاهش جریان نقدینگی و افزایش بدهیها والاستریت را نگران کرده است. اکنون سرمایهگذاران با تردید به بازگشت این سرمایهگذاریهای نجومی مینگرند و افت ارزش سهام شرکتها نشاندهنده آغاز دورانی پرچالش برای توسعه هوش مصنوعی است.

ایجنت هوش مصنوعی Zest، بهترین رستورانها را از طریق پیامک پیدا و رزرو میکند
استارتاپ Zest از یک دستیار هوش مصنوعی جدید رونمایی کرد که در بستر پیامک فعالیت میکند و تصمیمگیری برای انتخاب محل غذاخوری را ساده میسازد. این ایجنت با تحلیل تاریخچه پرداختهای بانکی و سلیقه اعضای گروه، مناسبترین گزینهها را پیشنهاد میدهد و میز غذاخوری را بدون نیاز به اپلیکیشن اختصاصی رزرو میکند.

پیشبینی رتبه اعتباری پرریسک برای Anthropic پس از ورود به بورس؛ چالش جدی سازنده Claude برای تأمین مالی
بر اساس گزارش فایننشال تایمز، غول سرمایهگذاری بلکاستون پیشبینی کرده است که استارتاپ Anthropic پس از عرضه اولیه سهام خود، رتبه اعتباری پرریسک دریافت خواهد کرد. این ارزیابی نشان میدهد سازنده هوش مصنوعی Claude برای تأمین مالی هزینههای سرسامآور و بقا در رقابت، با هزینههای سنگینتری برای جذب سرمایه روبهرو میشود.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.