مراکز داده‌ ابری پردازش سریع (HPC) یا «هوش مصنوعی برای همه»

همان‌گونه که در انقلاب صنعتی اول، انسان توانست با ساخت ماشین بخار، از محدودیت‌های قدرت بازوی خود عبور کند و بازوانی به‌مراتب قوی‌تر بسازد، در انقلاب صنعتی چهارم، مغزهایی قوی‌تر از مغز بشر در حال توسعه اند. ما با این مغزها آشنا هستیم: ساختمان‌هایی معمولاً وسیع که گاهی در زیرِ زمین و گاهی در طبقات اندک روی زمین دیده‌ می‌شوند.

«مراکز داده» به‌نوعی «ادامه‌ مغز انسان» هستند و فراتر از ذخیره‌سازی و پردازش داده‌های عمومی و رایج، می‌توانند با «پردازش سریع» (High Performance Computing)، مسئله‌های بزرگ، پیچیده یا زمان‌بر را با قدرت، سرعت و دقتی شگفت‌انگیز حل کنند. شاید مشهورترین مسئله‌ای که این‌ روزها در این مراکز داده حل می‌شود، آموزش مدل‌های بزرگ و کوچک هوش مصنوعی و یادگیری ماشین است.

در سه دهه‌ گذشته، معمولاً حل مسائل پیچیده، وظیفه‌ای بوده که بر دوش اَبَررایانه‌ها بوده‌است؛ از آموزش مدل‌های اولیه‌ی هوش مصنوعی تا شبیه‌سازی‌های آب‌وهوا. امروز هم اَبَررایانه‌ها – که بیشترِ‌ آ‌ن‌ها در مالکیت دولت‌ها هستند - به فعالیت‌ خود ادامه می‌دهند؛ اما با ظهور مراکز داده‌ی پردازش سریع و ظهور خدمات HPCaaS (پردازش سریع به عنوان خدمت) توسط شرکت‌های ابری، گویی انحصارِ حل مسائل پیچیده شکسته‌ شده‌است. امروز اگر یک کسب‌وکار بخواهد مدل هوش مصنوعی خود را توسعه دهد، می‌تواند بدون صرف هزینه‌ی گزاف و با بهره‌گیری از زیرساخت‌های پردازشی مراکز داده‌ی پردازش سریع، از تازه‌ترین و پیشرفته‌ترین دستاوردهای پردازشی دنیا بهره ببرد.

مراکز داده‌ پردازش سریع با استفاده‌ی همزمان از انبوهی از هسته‌های پردازشی CPU و GPU، اتصال آن‌ها با شبکه‌های سریع، پهن‌باند و کم‌تأخیر، و نیز اجرای نرم‌افزارهای موازی - که مسائل بزرگ را به بخش‌های کوچک‌تر تقسیم می‌کنند - می‌توانند پیچیده‌ترین و زمان‌برترین مسائل صنایع و بخش‌های اقتصاد – مانند آموزش مدل‌های هوش مصنوعی – را با قدرتی جادویی حل کنند. این مراکز داده‌ معمولاً‌ باید چگالی توان بسیار بالا (۳۰ تا ۱۰۰ کیلووات در هر رک) داشته باشند، [۰۱] شبکه‌هایی با کمتر‌ین میزان تأخیر داشته باشند، پایداری الکتریکی بسیار بالایی داشته باشند، و از سیستم‌های خنک‌سازی پیشرفته – مانند خنک‌سازی مایع (liquied cooling)، مستقیم روی چیپ (direct-to-chip) و غوطه‌وری (immersion) - بهره‌مند باشند.

امروزه پردازش سریع و هوش مصنوعی به‌شدت در هم تنیده شده‌اند. در گذشته، پردازش سریع بیشتر برای شبیه‌سازی‌های علمی استفاده می‌شد و هوش مصنوعی بیشتر بر یادگیری از داده‌ها تمرکز داشت. اما امروز، آموزش مدل‌های بزرگ هوش مصنوعی نیازمند زیرساخت‌های پردازش سریع است. همچنین بسیاری از ابررایانه‌های جدید اساساً برای هوش مصنوعی طراحی شده‌اند. در یک کلام، هوش مصنوعی در مقیاس بزرگ بدون HPC عملاً ممکن نیست.

بازیگران کلیدی بازار پردازش سریع به دو دسته‌ی اصلی «تأمین‌کنندگان سخت‌افزار و نرم‌افزار پردازشی» و «ارائه‌دهندگان خدمات ابری پردازش سریع (HPCaaS)» تقسیم می‌شود. در این میان، همان‌طور که می‌دانیم، تأمین‌کنندگانی مانند Nvidia، TSMC، Intel، Dell، HP، AMD، و Cisco در تأمین سخت‌افزار پیشتازند.

در خدمات ابریِ پردازش سریع نیز AWS، Microsoft Azure و Google Cloud بازیگران کلیدی در جهان به شمار می‌آیند. این شرکت‌ها معمولاً به‌عنوان سرآمدان محصولات سخت‌افزاری یا خدمات ابری شناخته می‌شوند؛ در حالی که علاوه بر این، نقشی دیگر نیز دارند که بسیار پررنگ است اما کمتر از آن یاد می‌شود. آن‌ها، بازیگران اصلی هوش مصنوعی هستند که در پشت صحنه فعالیت می‌کنند. OpenAI که شاید مشهورترین شرکت هوش مصنوعی در جهان باشد، بخش مهمی از مدل‌های خود را با استفاده از خدمات ابری پردازش سریع Microsoft Azure توسعه داده‌است. موتورهای محبوب هوش مصنوعی دیگر مانند Claude و Perplexity نیز از زیرساخت پردازشی AWS ،GoogleCloud و سایر همتایانِ آن‌ها استفاده می‌کند. جنسن هوانگ، مدیرعامل انویدیا، هوش مصنوعی را مهم‌ترین آفریده‌ی بشر برای برقراری برابری و عدالت می‌داند و در همین راستا، وظیفه‌ی خود می‌داند که با کاهش هزینه‌ها و افزایش دسترسی‌ها، «هوش» را «مردم‌سالار» (democratized) کند.[۰۲] این اشاره‌ی مستقیمی است به خدماتی مانند پردازش سریع؛ که فراتر از دسترسی‌های عمومی برای استفاده‌های حداقلی از هوش مصنوعی – مانند استفاده از چت‌بات‌های مبتنی بر هوش مصنوعی زاینده – این امکان را برای همگان فراهم می‌کند که در استفاده‌های عمیق‌تر از هوش مصنوعی مانند توسعه‌ی مدل‌های محلی برای خود، به لایه‌های عمیق‌تری از هوش مصنوعی دسترسی داشته باشند.

این واقعیت که امروز کسب‌وکارها می‌توانند از پیشرفته‌ترین مغزهای توسعه‌یافته توسط انسان – یعنی مراکز داده‌ی پردازش سریع – برای انجام پیچیده‌ترین تحلیل‌های مالی، فنی و کسب‌وکاری استفاده کنند، مدیون نقش بی‌مانندِ شرکت‌های ابری در توسعه‌ی فراگیری فناوری است.

شاید بتوان گفت رایج‌ترین کاربرد پردازش سریع، توسعه‌ی مدل‌های هوش مصنوعی و یادگیری ماشین برای صنایع و کسب‌وکارهاست؛ اما کاربردهای این زیرساخت‌ها، گستره‌ای بسیار وسیع‌تر دارد. از مدل‌سازی‌های مولکولی و تحلیل ژنوم و توالی‌یابی دی‌ان‌ای در علوم زیستی گرفته تا شبیه‌سازی‌های پیچیده‌ برای اکتشاف عناصر طبیعی در زمین یا مدل‌سازی بلایای طبیعی، همه و همه مسائلی هستند که در این مراکز داده حل می‌شوند.

پردازش سریع با فراگیر کردنِ ظرفیتِ حل مسئله، فرصتی بی‌نظیر را فراهم کرده تا گستره‌ی وسیعی از مسائل، این بار نه‌ به‌دست تعداد اندکی از متخصصان، بلکه به‌دست تعداد زیادی از فعالان اقتصادی و کسب‌وکارها حل شود. [۰۳]

*این مطلب توسط امور تجاری شرکت فناپ تهیه و گردآوری شده است.

منابع:

https://library.e.abb.com/public/890ec9d5250c4775a18fd74d87ab4b98/9AKK108470A3314_RPP-in-High-Density-Data-Centers_12-2024.pdf?x-sign=QN2w3ioZdq1uA6A8KdCd3MDIruECc4HJr70Hz08hlyoWw2OQIeTyn38aybYqyIHY
https://apnews.com/article/nvidia-france-artificial-intelligence-1a6b50633db24c22b584597142a564ac
https://www.emergenresearch.com/industry-report/high-performance-computing-markethttps://www.industryresearch.biz/market-reports/high-performance-computing-market-106827