თარგმნილი ამბავიტექნოლოგია
OpenAI და Anthropic მცირე მონაცემთა ცენტრებს ეძებენ
20-30 მეგავატიანი ობიექტები სიმძლავრის დეფიციტს დროებით შეავსებს
Toms Hardwareორიგინალი Toms Hardware-ზე
ორიგინალი და წყარო
ორიგინალის სათაური
OpenAI and Anthropic scramble for smaller data centers as massive gigawatt projects lag — 20-30 MW facilities to provide capacity as mega structures undergo construction
ორიგინალი გამოქვეყნდა
ქართული თარგმანიინგლისური ენიდან ქართულად
წყარო: Toms Hardware. ქართული თარგმანი — შიკრიკი.
3 წუთის საკითხავი
ტექსტი ავტომატურად ითარგმნა. წყარო: Toms Hardware.
სი-ენ-ბი-სის ცნობით, Anthropic-მა ამ მოცულობის შესაძლო გარიგებებით გაერთიანებულ სამეფოსა და სკანდინავიის ქვეყნებში დაინტერესება გამოხატა. გამოცემა მოლაპარაკებების შესახებ ინფორმირებულ ოთხ ადამიანს ეყრდნობა. OpenAI-მ მცირე ობიექტების გამოყენების შესაძლებლობა სკანდინავიის ქვეყნებშიც შეისწავლა. წყაროების თქმით, ორივე კომპანიამ მსგავსი შესაძლებლობები აშშ-შიც განიხილა.
OpenAI-ის წარმომადგენელმა სი-ენ-ბი-სის განუცხადა: „მსოფლიოში ხელოვნურ ინტელექტზე მზარდი მოთხოვნის დასაკმაყოფილებლად გამოთვლითი სიმძლავრეების მრავალფეროვან პორტფელს ვქმნით“. კომპანიამ დასძინა, რომ სხვადასხვა სამუშაო დატვირთვას განსხვავებული ინფრასტრუქტურა სჭირდება. OpenAI შესაძლო ობიექტებს წარმადობის, საიმედოობის, ვადებისა და ღირებულების მიხედვით აფასებს. Anthropic-მა კომენტარის გაკეთებაზე უარი თქვა.
მცირე ობიექტები შეავსებს ხელოვნური ინტელექტის უზარმაზარ კომპლექსებს, რომელთა შექმნასაც ორივე კომპანია უკვე ცდილობს. მაგალითად, Anthropic-მა, გავრცელებული ინფორმაციით, Nscale-თან დაახლოებით 45 მილიარდი დოლარის შეთანხმება გააფორმა. შეთანხმება დასავლეთ ვირჯინიაში მიმდინარე პროექტისთვის დაახლოებით 460 მეგავატი გამოთვლითი სიმძლავრის მიწოდებას ითვალისწინებს. OpenAI-მ კი წელს განაცხადა, რომ Stargate-ის ინფრასტრუქტურისთვის ნაკისრმა ვალდებულებებმა პროექტის თავდაპირველ 10-გიგავატიან მიზანს უკვე გადააჭარბა. მოგვიანებით კომპანიამ ჯორჯიის შტატში კიდევ სამი გიგავატისა და ოჰაიოში რვა გიგავატის პროექტები გამოაცხადა.
ეს პროექტები აქსელერატორების დიდ კლასტერებს უზრუნველყოფს, რომლებიც სულ უფრო დიდი ხელოვნური ინტელექტის მოდელების გასაწვრთნელადაა საჭირო. ასეთ კლასტერებში ათასობით გრაფიკულმა პროცესორმა მაღალი გამტარუნარიანობის კავშირებით ერთად უნდა იმუშაოს. თუმცა, პროექტების განხორციელებას წლები სჭირდება. აქსელერატორების ამოქმედებამდე საჭიროა მიწა, ელექტროქსელთან მიერთება, ქვესადგურები, გაგრილების ინფრასტრუქტურა და უზარმაზარი რაოდენობის ელექტროენერგია.
ამავდროულად, OpenAI-სა და Anthropic-ს თავიანთი მოდელების გამოყენებით მიღებულ მოთხოვნასთან გასამკლავებლად სიმძლავრე დაუყოვნებლივ სჭირდებათ. მოდელების გამოყენებისას გამოთვლითი პროცესის განაწილება რამდენიმე მცირე კლასტერზე შეიძლება. ამიტომ მცირე მონაცემთა ცენტრები ამ ამოცანებისთვის შესაფერისია, რაც ასეთ ობიექტებზე მოთხოვნას ზრდის.
მცირე ობიექტების გამოყენება კომპანიებს დიდი მონაცემთა ცენტრების მშენებლობასთან დაკავშირებული ზოგიერთი პრობლემის თავიდან აცილების საშუალებასაც აძლევს. მხოლოდ აშშ-ში, 2026 წლის მეორე კვარტალში, ადგილობრივმა წინააღმდეგობამ მონაცემთა ცენტრების 45 პროექტი შეაჩერა, რომელთა საერთო ღირებულება 68 მილიარდი დოლარი იყო. წინააღმდეგობა მიწის გამოყენებას, ხმაურით დაბინძურებასა და ელექტროენერგიისა და წყლის მოხმარებას უკავშირდებოდა. უკვე არსებული მცირე ობიექტები იმავე ზეწოლას არ განიცდის.
სხვა ამბები
Toms Hardware — სხვა ამბები
ჩინეთმა EUV-ის გარეშე მოქმედი 3-ნანომეტრიანი GAA ტრანზისტორები შექმნა
Toms Hardware
China crafts working 3nm gate-all-around transistors without EUV — stacked nanosheets target 3nm without EUV, but full node remains distant
კომენტარი (0)
გაგვიზიარე შენი აზრი.
კომენტარები ავტომატურად მოწმდება.
აზრის გასაზიარებლად შექმენი ანგარიში ან შედი.
კომენტარები ჯერ არ არის. დაწერე პირველი.