Mae buddsoddiad mewn seilwaith deallusrwydd artiffisial (AI) wedi mynd drwy’r to ers dyfodiad modelau iaith AI cynhyrchiol fel ChatGPT yn 2022. Gyda hyperscalers yn ysgogi buddsoddiad mewn seilwaith AI i lefelau uchafbwynt yn 2025, mae International Data Corp. yn cyfateb i fuddsoddiad byd-eang syfrdanol o $318B, ac mae’n ymddangos ar fin parhau i godi flwyddyn ar ôl blwyddyn.
Yn erbyn cefndir o bigiadau cyfalaf skyrocketing, mae'r diwydiant yn agosáu at ffisegol "wal graddio." Mae seilwaith traddodiadol yn dechrau crebachu o dan lwyth o gyfyngiadau ar gapasiti canolfannau data a galwadau ynni ymchwydd.
Mae'r gofynion ynni cynyddol i bweru AI yn anghynaliadwy, ac mae pryderon hefyd yn cynyddu am y difrod amgylcheddol y gallai cyflenwi ynni o'r fath ei achosi.
Yr ydym yn awr ar bwynt ffurfdro. Mae dulliau trosglwyddo data trydanol traddodiadol yn cyrraedd eu terfynau, gyda NVIDIA yn dangos ei law trwy fuddsoddi $4 biliwn yn ddiweddar mewn dau gwmni ffotoneg, Coherent Corp. a Lumentum. Mae NVIDIA yn betio ar ddyfodol lle mae data'n cael ei drosglwyddo trwy olau (ffotonau) yn hytrach na thrydan.
Defnydd ynni AI
Mae'rSefydliad Ymchwil Pŵer Trydanyn amcangyfrif y gallai canolfannau data ddefnyddio hyd at 9% o gynhyrchu trydan yr Unol Daleithiau yn flynyddol erbyn 2030, i fyny o 4% yn 2023. Wrth i fodelau AI wynebu galw cynyddol gan ddefnyddwyr a bod angen mwy o gyfrifiaduron, rydym yn mynd i weld cynnydd yn y galw am ynni byd-eang. Mae hyn yn peri problem ddifrifol o ran costau graddio gwasanaethau AI, o ystyried y cyfnewidioldeb diweddar mewn prisiau ynni. Rydym eisoes yn gweld y broblem hon yn dod i'r amlwg, gydag OpenAI yn nodi cynnydd mewn biliau ynni fel rheswm i ddwyn ei gynlluniau ehangu yn y DU yn ôl.
Mae proseswyr yn agosáu at derfynau ffisegol. Mae transistorau, y switshis electronig sy'n sail i gylchedau electronig, ychydig o atomau o led bellach-maint lle mae effeithiau cwantwm a gwres yn dod yn gyfyngiadau sylweddol.
Golau ar ddiwedd y twnnel
Y tu hwnt i her y symiau o ynni a ddefnyddir i brosesu a symud data, mae'r pellter ffisegol rhwng yr elfennau prosesu a chof, ar -sglodyn ac ar lefel system, bellach yn cyfyngu ar y cyflymder y gellir rhedeg a hyfforddi modelau AI. Adeiladu canolfannau data ar sylfaen ffotonig yw'r cam rhesymegol nesaf.
Cyn bo hir, bydd yn bosibl cyfrifo o fewn y llwybr data optegol ac mae'n cynnig y cyfle i leihau seilwaith hwyrni a graddfa heb gynnydd cymesurol yn y defnydd o bŵer.
Gellir integreiddio ffotoneg yn uniongyrchol i sglodion silicon er mwyn galluogi gwelliannau graddoledd ac effeithlonrwydd dros drydan. Mae craidd enillion effeithlonrwydd ffotoneg yn syml: Mae golau yn teithio'n gyflymach ac yn cario mwy o wybodaeth, tra'n cynhyrchu llai o wres nag electronau. Mae hyn yn arwain at ddwysedd cyfrifiadurol uwch yn ddramatig, defnydd pŵer is, a pherfformiad thermol uwch i oresgyn y cyfyngiadau a osodir gan gynnydd silicon tywyll ar sglodion confensiynol.
Mae manteision gwella effeithlonrwydd ar y lefel sglodion yn amlwg ym mha mor gyflym y mae cyfansawdd arbed ynni. Mae un wat o ynni a arbedir trwy bweru sglodyn hefyd yn lleihau'r ynni a wastraffir ar dynnu pŵer ac oeri. Mae ffotoneg yn agor dyfodol o ran datblygu seilwaith deallusrwydd artiffisial, wedi'i ganoli ar sylfaen sy'n gyflymach, yn lanach ac yn sylfaenol scalable.
Gweithredu canolfan ddata ffotoneg
Nid yw'r dagfa sylfaenol mewn AI ar raddfa fawr bellach yn gyfrifiadurol amrwd ond mae'r gost ynni syfrdanol o symud data ar gyflymder a maint y galw am lwythi gwaith AI modern. Mae esblygiad cyflym modelau ffin yn golygu bod systemau dan straen cyson yn sgil cydlynu miloedd o sglodion ar yr un pryd. Yn syml, ni all seilwaith canolfan ddata traddodiadol gadw i fyny â'r galw am gyfnewid data cyson a dwys iawn.
Mae ffotoneg yn gyfle i fynd i’r afael â’r broblem hon ar lefel strategol, yn hytrach na dim ond lliniaru gofynion thermol troellog pensaernïaeth drydanol sy’n cael ei hymestyn yn gynyddol. Mae amcangyfrifon cynnar y diwydiant yn dangos bod defnyddio golau i drosglwyddo data yn darparu tua 5x yr effeithlonrwydd pŵer a 10x gwydnwch rhwydwaith electroneg confensiynol.
Mae buddion ffotoneg silicon yn ymestyn y tu hwnt i enillion effeithlonrwydd a chynaliadwyedd uniongyrchol. Trwy ddileu tagfeydd trosglwyddo data sylweddol, mae ffotoneg hefyd yn datgloi mathau o gyfrifiadura a ystyriwyd yn flaenorol yn anymarferol oherwydd costau ynni, megis amgryptio cwbl homomorffig (prosesu data wedi'i amgryptio heb byth ei ddadgryptio).
Trwy ddileu cyfyngiadau pensaernïaeth gyfrifiadurol draddodiadol, mae gan ffotoneg oblygiadau pellgyrhaeddol i sectorau lle nad yw'r perfformiad a'r preifatrwydd data sy'n ofynnol gan y diwydiannau amddiffyn, cyllid a gofal iechyd yn-agoradwy.
Hyd yn hyn, araf fu ymateb y diwydiant AI i'w anghenion ynni cynyddol ac mae'n methu â mynd i'r afael â diffygion strwythurol pensaernïaeth silicon traddodiadol. Mae buddsoddiadau diweddar gwerth biliynau o ddoleri NVIDIA yn arwydd clir bod hyperscalers bellach yn cydnabod bod hyn yn sylfaenol yn broblem seilwaith.
Mae'n rhaid i ni nawr ofyn i ni'n hunain a ydyn ni'n gwneud mwy o'r un peth-parhau i aredig{1}}symudiadau dyfrio i mewn i adeiladu canolfan ddata ac isadeiledd oeri, neu fuddsoddi mewn datrysiadau arloesol fel ffotoneg, a all ddatrys cyfyngiadau allweddol yn y ffynhonnell.
Mae ffotoneg yn cynrychioli gorwel cyfle newydd. Yn hytrach na disodli systemau presennol, mae ffotoneg yn ychwanegu at bensaernïaeth gyfrifiadurol fodern trwy ddatgloi gallu cyfrifiadurol newydd o fewn y rhwydwaith ei hun. Mae Ffotoneg yn gyrru'r diwydiant sglodion tuag at ei newid pensaernïol mwyaf ers dyfodiad pensaernïaeth von Neumann, ac mae'n gyfle i ddatgloi cyfrifiannau di-ben-draw.
