Meta ปรับใช้โครงสร้างพื้นฐานชิป AI แบบเต็นท์เพื่อแก้ไขปัญหาการขาดแคลนการประมวลผล

แนวทางที่เป็นนวัตกรรมใหม่ของ Meta เพื่อการขาดแคลนการคำนวณ: ศูนย์ข้อมูลแบบเต็นท์สำหรับการขยาย AI
ในความเคลื่อนไหวที่ไม่เคยเกิดขึ้นมาก่อน ซึ่งสะท้อนให้เห็นถึงความต้องการที่เพิ่มขึ้นของการพัฒนาปัญญาประดิษฐ์ มีรายงานว่า Meta ได้หันมาใช้โซลูชันที่แปลกใหม่เพื่อจัดการกับปัญหาการขาดแคลนการประมวลผล ขณะนี้โซเชียลมีเดียยักษ์ใหญ่กำลังสร้างศูนย์ข้อมูลชั่วคราวที่ประกอบด้วยเต็นท์ที่เต็มไปด้วยชิป AI ซึ่งแสดงให้เห็นถึงความยาวที่บริษัทเทคโนโลยีจะต้องใช้เพื่อรักษาความปลอดภัยทรัพยากรทางคอมพิวเตอร์ในการแข่งขันด้านอาวุธของ AI ในปัจจุบัน
วิกฤตทางคอมพิวเตอร์ในการพัฒนา AI
การปฏิวัติปัญญาประดิษฐ์ได้สร้างความต้องการพลังการคำนวณอย่างที่ไม่เคยเกิดขึ้นมาก่อน ในขณะที่บริษัทต่างๆ แข่งขันกันเพื่อพัฒนาโมเดล AI ที่ซับซ้อนมากขึ้น ความต้องการฮาร์ดแวร์เฉพาะทาง โดยเฉพาะ GPU (หน่วยประมวลผลกราฟิก) ที่ได้รับการปรับแต่งให้เหมาะกับปริมาณงาน AI นั้น มีมากกว่าอุปทาน เช่นเดียวกับคู่แข่งในด้านเทคโนโลยี Meta ก็เผชิญกับความท้าทายที่สำคัญในการได้รับโครงสร้างพื้นฐานการประมวลผลที่เพียงพอเพื่อรองรับโครงการริเริ่ม AI อันทะเยอทะยาน
การขาดแคลนนี้รุนแรงมากจนมีรายงานว่า Meta หันไปใช้โซลูชันชั่วคราวในรูปแบบของศูนย์ข้อมูลบนเต็นท์ ซึ่งเป็นโครงสร้างขนาดใหญ่ที่มีชิป AI หลายพันตัวในสิ่งอำนวยความสะดวกที่ไม่ใช่แบบดั้งเดิม
ทำความเข้าใจแนวคิดศูนย์ข้อมูลของ Tent
ศูนย์ข้อมูลแบบเต็นท์ของ Meta แสดงถึงการแตกต่างจากสิ่งอำนวยความสะดวกแบบดั้งเดิมที่สร้างขึ้นโดยเฉพาะ การติดตั้งชั่วคราวเหล่านี้เป็นเต็นท์ขนาดใหญ่ที่ติดตั้งระบบระบายความร้อนขั้นสูงและหน่วยจ่ายไฟ ซึ่งมีชิป AI หลายพันตัวในรูปแบบโมดูลาร์ที่ปรับใช้ได้อย่างรวดเร็ว
แนวคิดนี้ดูเหมือนจะได้รับแรงผลักดันจากความต้องการเร่งด่วนของ Meta ในด้านความสามารถในการประมวลผล ในขณะที่การสร้างศูนย์ข้อมูลแบบเดิมต้องเผชิญกับความล่าช้าและข้อจำกัดของห่วงโซ่อุปทาน ด้วยการใช้โครงสร้างเต็นท์ Meta สามารถติดตั้งโครงสร้างพื้นฐานการประมวลผลได้ในเวลาเสี้ยววินาทีในการสร้างศูนย์ข้อมูลแบบเดิม
ข้อกำหนดทางเทคนิคและความสามารถ
ในขณะที่รายละเอียดเฉพาะเกี่ยวกับศูนย์ข้อมูลเต็นท์ของ Meta ยังมีจำกัด แหล่งอุตสาหกรรมแนะนำว่าสิ่งอำนวยความสะดวกเหล่านี้ได้รับการออกแบบเพื่อรองรับชิป AI นับหมื่นตัว โดยหลักๆ คือ GPU รุ่นล่าสุดของ NVIDIA ที่มีความสำคัญอย่างยิ่งต่อการฝึกโมเดลภาษาขนาดใหญ่และแอปพลิเคชัน AI อื่นๆ
โครงสร้างเต็นท์มีระบบระบายความร้อนแบบพิเศษเพื่อจัดการความร้อนที่สำคัญที่เกิดจากชิป AI ที่อัดแน่น การจ่ายพลังงานได้รับการจัดการผ่านระบบสำรองเพื่อให้มั่นใจถึงความต่อเนื่องในการปฏิบัติงาน แม้ว่าสิ่งอำนวยความสะดวกจะมีลักษณะเป็นการชั่วคราวก็ตาม
| คุณลักษณะ | ศูนย์ข้อมูลเต็นท์ | ศูนย์ข้อมูลแบบดั้งเดิม |
|---|---|---|
| เวลาก่อสร้าง | สัปดาห์ถึงเดือน | เดือน ถึง ปี |
| ต้นทุนต่อกิโลวัตต์ | สูงกว่า (วิธีแก้ปัญหาชั่วคราว) | ต่ำกว่า (ปรับให้เหมาะสมสำหรับระยะยาว) |
| ความสามารถในการขยายขนาด | สูง (การใช้งานแบบโมดูลาร์) | ถูกจำกัดด้วยข้อจำกัดทางกายภาพ |
| อายุการใช้งาน | ชั่วคราว (เดือนถึงไม่กี่ปี) | ระยะยาว (ทศวรรษ) |
| บริษัท | กลยุทธ์การประมวลผล | ตัวสร้างความแตกต่างที่สำคัญ |
|---|---|---|
| เมตา | ศูนย์ข้อมูลแบบเต็นท์ | การปรับใช้อย่างรวดเร็ว โซลูชันชั่วคราว |
| ไมโครซอฟต์ | ชิป AI แบบกำหนดเอง (Maia) | บูรณาการในแนวตั้ง ฮาร์ดแวร์เฉพาะทาง |
| กูเกิล | การพัฒนา TPU, โครงสร้างพื้นฐานที่ปรับให้เหมาะสมกับ AI | การเพิ่มประสิทธิภาพตั้งแต่ต้นทางถึงปลายทาง |
| อเมซอน | บริการ AI บนคลาวด์ ชิปแบบกำหนดเอง | โซลูชันระบบคลาวด์ที่ปรับขนาดได้ |
TechOffice