AI ഡാറ്റാ സെന്റർ കുതിച്ചുചാട്ടം: ലളിതമായി പറഞ്ഞാൽ

ക്ലൗഡിന്റെ ഭൗതിക യാഥാർത്ഥ്യം

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെ പലപ്പോഴും ഒരു അദൃശ്യ ശക്തിയായാണ് നമ്മൾ കാണുന്നത്. ചാറ്റ്‌ബോട്ടുകളെയും ഇമേജ് ജനറേറ്ററുകളെയും കുറിച്ച് സംസാരിക്കുമ്പോൾ അവ ശൂന്യതയിൽ നിലനിൽക്കുന്നവയാണെന്ന് തോന്നും. എന്നാൽ യാഥാർത്ഥ്യം അതല്ല, ഇത് തികച്ചും വ്യാവസായികമായ ഒന്നാണ്. നിങ്ങൾ ഒരു ലാർജ് ലാംഗ്വേജ് മോഡലിനോട് ഒരു ചോദ്യം ചോദിക്കുമ്പോഴെല്ലാം, ലോകത്തിന്റെ ഏതെങ്കിലും കോണിലുള്ള ഒരു കൂറ്റൻ കെട്ടിടം പ്രവർത്തനനിരതമാകുന്നു. ഈ കെട്ടിടങ്ങൾ വെറും സെർവർ സംഭരണശാലകളല്ല; വിവര സാങ്കേതികവിദ്യയുടെ പുതിയ പവർ പ്ലാന്റുകളാണിവ. ഇവ വൻതോതിൽ വൈദ്യുതി ഉപയോഗിക്കുകയും, പ്രോസസറുകൾ ഉരുകിപ്പോകാതിരിക്കാൻ നിരന്തരമായ കൂളിംഗ് സംവിധാനങ്ങൾ ആവശ്യപ്പെടുകയും ചെയ്യുന്നു. ഇതിന്റെ വ്യാപ്തി സാധാരണക്കാർക്ക് ചിന്തിക്കാവുന്നതിലും അപ്പുറമാണ്. പത്തൊൻപതാം നൂറ്റാണ്ടിലെ വ്യാവസായിക വിപ്ലവത്തിന് സമാനമായ ഒരു നിർമ്മാണ കുതിപ്പാണ് നമ്മൾ ഇപ്പോൾ കാണുന്നത്. കമ്പനികൾ തങ്ങളുടെ എതിരാളികൾക്ക് മുൻപേ ഭൂമിയും വൈദ്യുതിയും സ്വന്തമാക്കാൻ കോടിക്കണക്കിന് ഡോളറാണ് ചെലവഴിക്കുന്നത്. ഇതൊരു ഡിജിറ്റൽ ട്രെൻഡ് മാത്രമല്ല, നമ്മുടെ ഭൗതിക പരിസ്ഥിതിയുടെ വൻതോതിലുള്ള വിപുലീകരണമാണ്. ക്ലൗഡ് നിർമ്മിച്ചിരിക്കുന്നത് സ്റ്റീൽ, കോൺക്രീറ്റ്, കോപ്പർ എന്നിവ കൊണ്ടാണ്. 2026-ൽ ടെക് ഇൻഡസ്ട്രി എങ്ങോട്ടാണ് പോകുന്നതെന്ന് അറിയാൻ ഈ മാറ്റം മനസ്സിലാക്കേണ്ടത് അത്യാവശ്യമാണ്. ഇത് ഭൗതിക പരിമിതികളുടെയും പ്രാദേശിക രാഷ്ട്രീയത്തിന്റെയും കഥയാണ്.

കോൺക്രീറ്റും കോപ്പറും

ആയിരക്കണക്കിന് ഹൈ പെർഫോമൻസ് കമ്പ്യൂട്ടറുകളെ ഉൾക്കൊള്ളാൻ രൂപകൽപ്പന ചെയ്ത ഒരു പ്രത്യേക വ്യാവസായിക സൗകര്യമാണ് ആധുനിക ഡാറ്റാ സെന്റർ. പഴയ സെർവർ റൂമുകളിൽ നിന്ന് വ്യത്യസ്തമായി, ഈ കെട്ടിടങ്ങൾ ഇപ്പോൾ AI ചിപ്പുകളുടെ കടുത്ത ചൂടിനെയും വൈദ്യുതി ആവശ്യങ്ങളെയും നേരിടാൻ സജ്ജമാണ്. ഈ സൈറ്റുകളുടെ വലിപ്പം വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്. ഒരു വലിയ സൗകര്യത്തിന് 50,000 m²-ലധികം വിസ്തീർണ്ണം വരാം. ഇതിനുള്ളിൽ, Nvidia H100 പോലുള്ള പ്രത്യേക ഹാർഡ്‌വെയറുകൾ റാക്കുകളിൽ അടുക്കി വെച്ചിരിക്കുന്നു. മെഷീൻ ലേണിംഗിന് ആവശ്യമായ ഗണിതശാസ്ത്രപരമായ കണക്കുകൂട്ടലുകൾ നടത്താനാണ് ഈ ചിപ്പുകൾ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. ഈ പ്രക്രിയ വൻതോതിൽ ചൂട് പുറത്തുവിടുന്നു. കൂളിംഗ് സംവിധാനങ്ങൾ ഇപ്പോൾ ഒരു ചെറിയ കാര്യമല്ല, മറിച്ച് പ്രധാനപ്പെട്ട എൻജിനീയറിംഗ് വെല്ലുവിളിയാണ്. ചിലയിടങ്ങളിൽ വലിയ ഫാനുകൾ ഉപയോഗിച്ച് വായു സഞ്ചാരം ഉറപ്പാക്കുമ്പോൾ, പുതിയ ഡിസൈനുകളിൽ തണുത്ത വെള്ളം പൈപ്പുകളിലൂടെ നേരിട്ട് പ്രോസസറുകളിലൂടെ കടത്തിവിടുന്ന ലിക്വിഡ് കൂളിംഗ് രീതിയാണ് ഉപയോഗിക്കുന്നത്.

ഈ സൈറ്റുകൾ നിർമ്മിക്കുന്നതിനുള്ള തടസ്സങ്ങൾ പൂർണ്ണമായും ഭൗതികമാണ്. ഒന്നാമതായി, പ്രധാന ഫൈബർ ഒപ്റ്റിക് ലൈനുകൾക്ക് അടുത്തുള്ള ഭൂമി ആവശ്യമാണ്. രണ്ടാമതായി, വൻതോതിൽ വൈദ്യുതി വേണം. ഒരു വലിയ ഡാറ്റാ സെന്ററിന് ഒരു ചെറിയ നഗരത്തിന് ആവശ്യമായ അത്രയും വൈദ്യുതി ഉപയോഗിക്കാൻ കഴിയും. മൂന്നാമതായി, കൂളിംഗ് ടവറുകൾക്കായി വെള്ളം വേണം. താപനില സ്ഥിരമായി നിലനിർത്താൻ ദിവസവും ആയിരക്കണക്കിന് ഗാലൻ വെള്ളമാണ് ബാഷ്പീകരിക്കുന്നത്. അവസാനമായി, പെർമിറ്റുകൾ വേണം. പ്രാദേശിക ഗ്രിഡുകളിൽ സമ്മർദ്ദം ചെലുത്തുന്നതിനാൽ ഇത്തരം പദ്ധതികൾക്ക് അനുമതി നൽകാൻ പ്രാദേശിക ഭരണകൂടങ്ങൾ മടിക്കുന്നു. ഇതുകൊണ്ടാണ് സോഫ്റ്റ്‌വെയറിനെക്കുറിച്ചുള്ള അമിത ചർച്ചകളിൽ നിന്ന് മാറി, യൂട്ടിലിറ്റി കണക്ഷനുകളെയും സോണിംഗ് നിയമങ്ങളെയും കുറിച്ചുള്ള കടുത്ത ചർച്ചകളിലേക്ക് വ്യവസായം മാറുന്നത്. AI വളർച്ചയുടെ തടസ്സം ഇപ്പോൾ കോഡ് മാത്രമല്ല, എത്ര വേഗത്തിൽ കോൺക്രീറ്റ് ഒഴിച്ച് ഹൈ വോൾട്ടേജ് കേബിളുകൾ ഇടാം എന്നതാണ്. ഇന്റർനാഷണൽ എനർജി ഏജൻസി പറയുന്നതനുസരിച്ച്, 2026-ഓടെ ഡാറ്റാ സെന്ററുകളുടെ വൈദ്യുതി ഉപഭോഗം ഇരട്ടിയായേക്കാം. ഈ വളർച്ച വ്യാവസായിക അടിസ്ഥാന സൗകര്യങ്ങൾ എങ്ങനെ നിർമ്മിക്കണം എന്നതിനെക്കുറിച്ച് പുനർചിന്തനം നടത്താൻ നമ്മളെ നിർബന്ധിതരാക്കുന്നു.

ഊർജ്ജത്തിന്റെ പുതിയ ജിയോപൊളിറ്റിക്സ്

ഡാറ്റാ സെന്ററുകൾ ഇപ്പോൾ തന്ത്രപ്രധാനമായ ദേശീയ ആസ്തികളായി മാറിയിരിക്കുന്നു. പണ്ട് രാജ്യങ്ങൾ എണ്ണയ്ക്കും നിർമ്മാണ കേന്ദ്രങ്ങൾക്കും വേണ്ടി മത്സരിച്ചിരുന്നുവെങ്കിൽ, ഇന്ന് അവർ മത്സരിക്കുന്നത് ‘കംപ്യൂട്ട്’ (compute) ശേഷിക്ക് വേണ്ടിയാണ്. വലിയ തോതിലുള്ള AI ഇൻഫ്രാസ്ട്രക്ചർ സ്വന്തം അതിർത്തിക്കുള്ളിൽ ഉണ്ടായിരിക്കുന്നത് ദേശീയ സുരക്ഷയ്ക്കും സാമ്പത്തിക വളർച്ചയ്ക്കും വലിയ നേട്ടമാണ്. ഇത് നിർമ്മാണത്തിനായുള്ള ആഗോള മത്സരത്തിന് വഴിവെച്ചു. നോർത്തേൺ വിർജീനിയ ഇപ്പോഴും ലോകത്തിലെ ഏറ്റവും വലിയ ഹബ്ബായി തുടരുന്നുണ്ടെങ്കിലും, അയർലൻഡ്, ജർമ്മനി, സിംഗപ്പൂർ തുടങ്ങിയ സ്ഥലങ്ങളിൽ പുതിയ ക്ലസ്റ്ററുകൾ ഉയർന്നുവരുന്നു. പവർ ഗ്രിഡിന്റെ സ്ഥിരതയും അന്തരീക്ഷ താപനിലയുമാണ് സ്ഥലങ്ങൾ തിരഞ്ഞെടുക്കുന്നതിൽ പ്രധാന പങ്ക് വഹിക്കുന്നത്. തണുത്ത കാലാവസ്ഥയുള്ള സ്ഥലങ്ങളാണ് കൂടുതൽ അഭികാമ്യം, കാരണം അവിടെ എയർ കണ്ടീഷനിംഗിനായി കുറഞ്ഞ ഊർജ്ജം മതിയാകും. എന്നിരുന്നാലും, ഇത്തരം സൗകര്യങ്ങളുടെ കേന്ദ്രീകരണം രാഷ്ട്രീയ പിരിമുറുക്കങ്ങൾക്ക് കാരണമാകുന്നുണ്ട്. ചില പ്രദേശങ്ങളിൽ, മൊത്തം ദേശീയ വൈദ്യുതി വിതരണത്തിന്റെ 20 ശതമാനത്തിലധികം ഡാറ്റാ സെന്ററുകൾ ഉപയോഗിക്കുന്നു.

ഈ കേന്ദ്രീകരണം ഇൻഫ്രാസ്ട്രക്ചറിനെ വിദേശനയത്തിന്റെ ഭാഗമാക്കി മാറ്റുന്നു. ഡാറ്റാ സെന്ററുകളെ സംരക്ഷിക്കേണ്ട നിർണ്ണായക ഇൻഫ്രാസ്ട്രക്ചറായിട്ടാണ് സർക്കാരുകൾ ഇപ്പോൾ കാണുന്നത്. ഡാറ്റാ പരമാധികാരത്തിനായുള്ള (data sovereignty) മുറവിളികളും ഉയരുന്നുണ്ട്. തങ്ങളുടെ പൗരന്മാരുടെ ഡാറ്റ കടലിനക്കരെ അല്ലാതെ, പ്രാദേശികമായി തന്നെ പ്രോസസ്സ് ചെയ്യണമെന്ന് പല രാജ്യങ്ങളും ആഗ്രഹിക്കുന്നു. ഈ ആവശ്യം ടെക് ഭീമന്മാരെ കൂടുതൽ സ്ഥലങ്ങളിൽ നിർമ്മാണം നടത്താൻ പ്രേരിപ്പിക്കുന്നു, വൈദ്യുതി ചിലവ് കൂടുതലാണെങ്കിൽ പോലും. ഘടകങ്ങൾക്കായുള്ള ആഗോള വിതരണ ശൃംഖലയും സമ്മർദ്ദത്തിലാണ്. ഇലക്ട്രിക്കൽ സബ്സ്റ്റേഷനുകൾക്ക് ആവശ്യമായ ട്രാൻസ്ഫോർമറുകൾ മുതൽ ബാക്കപ്പ് ഡീസൽ ജനറേറ്ററുകൾ വരെ എല്ലാ ഭാഗങ്ങൾക്കും ലഭിക്കാൻ വലിയ സമയമെടുക്കുന്നു. ഇതൊരു ഭൗതിക ആയുധ മത്സരമാണ്. പ്രാദേശിക നിയന്ത്രണങ്ങളുടെയും ഊർജ്ജ വിപണികളുടെയും സങ്കീർണ്ണമായ വലയത്തെ മറികടക്കാൻ കഴിയുന്നവരായിരിക്കും വിജയികൾ. ഇത് തത്സമയം എങ്ങനെയാണ് വികസിക്കുന്നതെന്ന് കാണാൻ ഏറ്റവും പുതിയ AI ഇൻഫ്രാസ്ട്രക്ചർ ട്രെൻഡുകളെക്കുറിച്ച് നിങ്ങൾക്ക് കൂടുതൽ വായിക്കാം. ഫൈബർ കേബിളുകൾ എവിടെ അവസാനിക്കുന്നുവോ അവിടെ ആഗോള ശക്തിയുടെ ഭൂപടം വീണ്ടും വരയ്ക്കപ്പെടുകയാണ്.

സെർവറിന്റെ നിഴലിലെ ജീവിതം

ഒരു വലിയ മെട്രോപൊളിറ്റൻ നഗരത്തിന്റെ അരികിലുള്ള ഒരു ചെറിയ പട്ടണത്തെക്കുറിച്ച് ചിന്തിക്കുക. പതിറ്റാണ്ടുകളായി കൃഷിഭൂമിയായിരുന്ന അല്ലെങ്കിൽ ഒഴിഞ്ഞുകിടന്ന സ്ഥലം. പെട്ടെന്ന് ഒരു വലിയ ടെക് കമ്പനി നൂറുകണക്കിന് ഏക്കർ വാങ്ങുന്നു. മാസങ്ങൾക്കുള്ളിൽ, ജനലുകളില്ലാത്ത കൂറ്റൻ പെട്ടികൾ ഉയരാൻ തുടങ്ങുന്നു. താമസക്കാർക്ക് ഇതിന്റെ ആഘാതം പെട്ടെന്നുതന്നെ അനുഭവപ്പെടുന്നു. നിർമ്മാണ ഘട്ടത്തിൽ നൂറുകണക്കിന് ട്രക്കുകൾ പ്രാദേശിക റോഡുകളെ തടസ്സപ്പെടുത്തുന്നു. സൗകര്യം പ്രവർത്തനക്ഷമമായാൽ, ശബ്ദമാണ് പ്രധാന ആശങ്ക. കൂറ്റൻ കൂളിംഗ് ഫാനുകൾ മൈലുകളോളം കേൾക്കാവുന്ന ഒരു ലോ-ഫ്രീക്വൻസി ഹമ്മിംഗ് ശബ്ദം ഉണ്ടാക്കുന്നു. ഇത് ഒരിക്കലും നിലയ്ക്കാത്ത ശബ്ദമാണ്. സമീപത്ത് താമസിക്കുന്ന ഒരു കുടുംബത്തിന്, ഗ്രാമീണതയുടെ ശാന്തതയ്ക്ക് പകരം ആയിരം ജെറ്റ് എൻജിനുകൾ ഒരേസമയം പ്രവർത്തിക്കുന്ന ശബ്ദമാണ് ലഭിക്കുന്നത്. ആധുനിക സമ്പദ്‌വ്യവസ്ഥയുടെ എൻജിന് അടുത്തുള്ള ജീവിതത്തിന്റെ യാഥാർത്ഥ്യമാണിത്.

പ്രാദേശികമായ എതിർപ്പുകൾ വർദ്ധിച്ചുവരികയാണ്. അരിസോണ, സ്പെയിൻ തുടങ്ങിയ സ്ഥലങ്ങളിൽ, കൂളിംഗിനായി വിലയേറിയ ജലസ്രോതസ്സുകൾ ഉപയോഗിക്കുന്നതിനെതിരെ താമസക്കാർ പ്രതിഷേധിക്കുന്നു. വരൾച്ചയുള്ള സമയത്ത്, പരസ്യങ്ങൾ കാണിക്കാനോ ഇമെയിലുകൾ എഴുതാനോ ഉപയോഗിക്കുന്ന ചിപ്പുകളെ തണുപ്പിക്കാനല്ല, മറിച്ച് ആളുകൾക്കും കൃഷിക്കും വേണ്ടിയാണ് വെള്ളം ഉപയോഗിക്കേണ്ടതെന്ന് അവർ വാദിക്കുന്നു. പ്രാദേശിക കൗൺസിലുകൾ പ്രതിസന്ധിയിലാണ്. ഒരു വശത്ത്, ഈ സൗകര്യങ്ങൾ സ്കൂളുകൾക്കോ എമർജൻസി സേവനങ്ങൾക്കോ വലിയ ബാധ്യതയില്ലാതെ തന്നെ വൻതോതിൽ നികുതി വരുമാനം നൽകുന്നു. മറുവശത്ത്, നിർമ്മാണം പൂർത്തിയായ ശേഷം വളരെ കുറച്ച് സ്ഥിരമായ ജോലികൾ മാത്രമേ ഇവ നൽകുന്നുള്ളൂ. 100,000 m² വിസ്തീർണ്ണമുള്ള ഒരു കെട്ടിടത്തിൽ അമ്പത് പേർക്ക് മാത്രമേ ജോലി ലഭിക്കൂ. ഇത് കെട്ടിടത്തിന്റെ സാമ്പത്തിക മൂല്യവും പ്രാദേശിക സമൂഹത്തിന് ലഭിക്കുന്ന ഗുണവും തമ്മിലുള്ള വിടവ് വർദ്ധിപ്പിക്കുന്നു. ടെക് കമ്പനികളെ എങ്ങനെ ആകർഷിക്കാം എന്നതിൽ നിന്ന് മാറി, അവയുടെ സ്വാധീനം എങ്ങനെ കുറയ്ക്കാം എന്നതിലേക്കാണ് രാഷ്ട്രീയ ചർച്ചകൾ മാറുന്നത്.

പുതിയൊരു തരം NIMBYism (Not In My Backyard) നമ്മൾ കാണുന്നുണ്ട്, ഇവിടെ ലക്ഷ്യം പുതിയ ഹൈവേയോ ഹൗസിംഗ് പ്രോജക്റ്റോ അല്ല, മറിച്ച് ഇന്റർനെറ്റിന്റെ ഭൗതിക ഇൻഫ്രാസ്ട്രക്ചർ തന്നെയാണ്. അദൃശ്യമായ സാങ്കേതികവിദ്യയുടെ കാലം കഴിഞ്ഞു എന്നതിന്റെ സൂചനയാണിത്. ഡിജിറ്റൽ ലോകം ഒടുവിൽ ഭൗതിക ലോകത്തിന്റെ പരിധികളിൽ എത്തിനിൽക്കുന്നു. ചില പട്ടണങ്ങൾ ഇപ്പോൾ പെർമിറ്റുകൾ നൽകുന്നതിന് പകരമായി ടെക് കമ്പനികളോട് സ്വന്തമായി പവർ പ്ലാന്റുകളോ വാട്ടർ ട്രീറ്റ്‌മെന്റ് സൗകര്യങ്ങളോ നിർമ്മിക്കാൻ ആവശ്യപ്പെടുന്നു. ഇത് കമ്പനികളെ സോഫ്റ്റ്‌വെയർ ഡെവലപ്പർമാർ എന്നതിലുപരി യൂട്ടിലിറ്റി പ്രൊവൈഡർമാരാകാൻ നിർബന്ധിതരാക്കുന്നു. 2026-ൽ ലോകമെമ്പാടുമുള്ള ടൗൺ ഹാളുകളിൽ നടക്കുന്ന കുഴപ്പങ്ങൾ നിറഞ്ഞതും ശബ്ദായമാനവും ചെലവേറിയതുമായ പ്രക്രിയയാണിത്.

ഞങ്ങൾ ഉൾപ്പെടുത്തണമെന്ന് നിങ്ങൾ കരുതുന്ന ഒരു AI സ്റ്റോറിയോ, ടൂളോ, ട്രെൻഡോ, ചോദ്യമോ നിങ്ങളുടെ പക്കലുണ്ടോ? നിങ്ങളുടെ ലേഖന ആശയം ഞങ്ങൾക്ക് അയയ്ക്കുക — അത് കേൾക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു.

സിലിക്കൺ യുഗത്തിലെ കടുത്ത ചോദ്യങ്ങൾ

AI ഇൻഫ്രാസ്ട്രക്ചറിന്റെ ദ്രുതഗതിയിലുള്ള വിപുലീകരണം വ്യവസായത്തിന് ഉത്തരം നൽകാൻ കഴിയാത്ത പല ബുദ്ധിമുട്ടുള്ള ചോദ്യങ്ങളും ഉയർത്തുന്നു. ഒന്നാമതായി, വിഭവങ്ങളുടെ ഈ വൻ ഉപഭോഗത്തിൽ നിന്ന് യഥാർത്ഥത്തിൽ ആർക്കാണ് പ്രയോജനം ലഭിക്കുന്നതെന്ന് നമ്മൾ ചോദിക്കണം. ഒരു ഡാറ്റാ സെന്റർ 50,000 വീടുകൾക്ക് ആവശ്യമായ വൈദ്യുതി ഉപയോഗിക്കുന്നുണ്ടെങ്കിൽ, അത് ഉൽപ്പാദിപ്പിക്കുന്ന AI-യുടെ മൂല്യം ഗ്രിഡിലെ സമ്മർദ്ദത്തിന് തുല്യമാണോ? പരിസ്ഥിതിയും പ്രാദേശിക നികുതിദായകരും സബ്‌സിഡി നൽകുന്ന ഓരോ സെർച്ച് ക്വറിക്കും ജനറേറ്റ് ചെയ്യുന്ന ചിത്രത്തിനും പിന്നിൽ മറഞ്ഞിരിക്കുന്ന ഒരു ചിലവുണ്ട്. രണ്ടാമതായി, ഈ വലിയ ഹബ്ബുകളിൽ സൂക്ഷിച്ചിരിക്കുന്ന ഡാറ്റയുടെ സ്വകാര്യതയ്ക്ക് എന്ത് സംഭവിക്കും? നമ്മുടെ ഡിജിറ്റൽ ജീവിതത്തിന്റെ കൂടുതൽ ഭാഗങ്ങൾ കുറഞ്ഞ, വലിയ കെട്ടിടങ്ങളിലേക്ക് കേന്ദ്രീകരിക്കുമ്പോൾ, അവ ഭൗതികവും സൈബർ ആക്രമണങ്ങളും ലക്ഷ്യമിടുന്ന പ്രധാന കേന്ദ്രങ്ങളായി മാറുന്നു. ഡാറ്റയുടെ ഈ കേന്ദ്രീകരണം വലിയ പ്രത്യാഘാതങ്ങൾ ഉണ്ടാക്കിയേക്കാവുന്ന ഒരു സിംഗിൾ പോയിന്റ് ഓഫ് ഫെയിലിയർ (single point of failure) സൃഷ്ടിക്കുന്നു.

ഈ മാതൃകയുടെ ദീർഘകാല സുസ്ഥിരതയെക്കുറിച്ചും നമ്മൾ ചിന്തിക്കേണ്ടതുണ്ട്. പല ടെക് കമ്പനികളും കാർബൺ ഓഫ്‌സെറ്റുകൾ വാങ്ങി തങ്ങൾ കാർബൺ ന്യൂട്രൽ ആണെന്ന് അവകാശപ്പെടുന്നു. എന്നാൽ, ഒരു ഓഫ്‌സെറ്റ് കൊണ്ട് ആ സൗകര്യം കൽക്കരിയോ ഗ്യാസോ ഉപയോഗിക്കുന്ന ഗ്രിഡിൽ നിന്ന് യഥാർത്ഥ വൈദ്യുതി എടുക്കുന്നു എന്ന വസ്തുത മാറുന്നില്ല. ഭൗതികമായ ആവശ്യം ഉടനടിയാണ്, അതേസമയം ഗ്രീൻ എനർജി പ്രോജക്റ്റുകൾ പ്രവർത്തനക്ഷമമാകാൻ വർഷങ്ങളെടുക്കും. ആഗോള സമ്പദ്‌വ്യവസ്ഥ കെട്ടിപ്പടുക്കാൻ ഇതൊരു സുസ്ഥിരമായ മാർഗ്ഗമാണോ? AI-യിൽ നിന്നുള്ള കാര്യക്ഷമത വർദ്ധനവ് ഒടുവിൽ അത് സൃഷ്ടിക്കുന്ന വലിയ ഊർജ്ജ ചിലവിനെ മറികടക്കും എന്ന കണക്കുകൂട്ടലിലാണ് നമ്മൾ. വിജയം ഉറപ്പില്ലാത്ത ഒരു ചൂതാട്ടമാണിത്. അവസാനമായി, AI കുതിച്ചുചാട്ടം കുറഞ്ഞാൽ ഈ കെട്ടിടങ്ങൾക്ക് എന്ത് സംഭവിക്കും? മുൻകാലങ്ങളിൽ അമിതമായി നിർമ്മിച്ച ഡാറ്റാ സെന്ററുകൾ പിന്നീട് ‘ഗോസ്റ്റ്’ ഡാറ്റാ സെന്ററുകളായി മാറിയത് നമ്മൾ കണ്ടിട്ടുണ്ട്. ഈ കൂറ്റൻ ഘടനകൾ മറ്റൊന്നിനും ഉപയോഗിക്കാൻ കഴിയില്ല. സാങ്കേതിക ചരിത്രത്തിലെ ഒരു പ്രത്യേക നിമിഷത്തിന്റെ സ്മാരകങ്ങളാണിവ. കമ്പ്യൂട്ടിംഗിനുള്ള ആവശ്യം കുറഞ്ഞാൽ, ഒരു പ്രയോജനവുമില്ലാത്ത കൂറ്റൻ ഒഴിഞ്ഞ പെട്ടികൾ മാത്രമായിരിക്കും അവശേഷിക്കുക. നമ്മൾ നിർമ്മിക്കുന്നത് സ്ഥിരമായ ഒരു മാറ്റത്തിന് വേണ്ടിയാണോ അതോ താൽക്കാലികമായ ഒരു കുതിപ്പിന് വേണ്ടിയാണോ എന്ന് നമ്മൾ ചോദിക്കേണ്ടതുണ്ട്.

മാസീവ് കമ്പ്യൂട്ടിംഗിന്റെ ആർക്കിടെക്ചർ

പവർ യൂസർമാർക്കും എൻജിനീയർമാർക്കും താൽപ്പര്യം ഈ സൈറ്റുകളുടെ ആന്തരിക ഘടനയിലാണ്. ജനറൽ പർപ്പസ് സെർവറുകളിൽ നിന്ന് മാറി ഹൈലി സ്പെഷ്യലൈസ്ഡ് ക്ലസ്റ്ററുകളിലേക്കാണ് നമ്മൾ നീങ്ങുന്നത്. AI ഡാറ്റാ സെന്ററിന്റെ പ്രാഥമിക യൂണിറ്റ് ‘പോഡ്’ (pod) ആണ്. ഇൻഫിനിബാൻഡ് (InfiniBand) പോലുള്ള ഹൈ-സ്പീഡ് നെറ്റ്‌വർക്കിംഗ് വഴി ബന്ധിപ്പിച്ചിരിക്കുന്ന നിരവധി GPU റാക്കുകൾ ചേർന്നതാണ് ഒരു പോഡ്. ഇത് ചിപ്പുകളെ ഒരു വലിയ കമ്പ്യൂട്ടറായി പ്രവർത്തിക്കാൻ അനുവദിക്കുന്നു. ഈ ചിപ്പുകൾ തമ്മിലുള്ള ബാൻഡ്‌വിഡ്ത്ത് ആവശ്യകതകൾ അമ്പരപ്പിക്കുന്നതാണ്. കണക്ഷൻ വളരെ മന്ദഗതിയിലാണെങ്കിൽ, വിലയേറിയ GPU-കൾ വെറുതെയിരിക്കുകയും വൈദ്യുതിയും പണവും പാഴാകുകയും ചെയ്യും. ഇതുകൊണ്ടാണ് കെട്ടിടത്തിനുള്ളിലെ കേബിളുകളുടെ ഭൗതിക ലേഔട്ട് ചിപ്പുകളിൽ പ്രവർത്തിക്കുന്ന കോഡിനെപ്പോലെ തന്നെ പ്രധാനപ്പെട്ടതാകുന്നത്. കുറച്ച് മീറ്റർ കോപ്പർ വയറുകളുടെ ലേറ്റൻസി (latency) പോലും ഒരു മോഡലിന്റെ ട്രെയിനിംഗ് സമയത്തെ ബാധിക്കാം.

വർക്ക്ഫ്ലോ ഇന്റഗ്രേഷൻ മറ്റൊരു പ്രധാന തടസ്സമാണ്. മിക്ക കമ്പനികൾക്കും സ്വന്തമായി ഡാറ്റാ സെന്ററുകളില്ല. അവർ ആമസോൺ അല്ലെങ്കിൽ മൈക്രോസോഫ്റ്റ് പോലുള്ള പ്രൊവൈഡർമാരിൽ നിന്ന് API വഴി സ്പേസും കമ്പ്യൂട്ടിംഗും വാടകയ്ക്ക് എടുക്കുന്നു. എന്നാൽ ഈ പ്രൊവൈഡറുകൾ ഇപ്പോൾ ശേഷിയുടെ പരിധിയിലാണ്. വലിയ കമ്പനികൾ തങ്ങളുടെ വർക്ക്ലോഡുകൾ ചെറിയ, പ്രാദേശിക പ്രൊവൈഡറുകളിലേക്ക് മാറ്റാനോ, ഹാർഡ്‌വെയർ ലഭ്യത ഉറപ്പാക്കാൻ സ്വന്തമായി പ്രൈവറ്റ് ക്ലൗഡുകൾ നിർമ്മിക്കാനോ ശ്രമിക്കുന്ന മാറ്റം നമ്മൾ കാണുന്നുണ്ട്. ലോക്കൽ സ്റ്റോറേജും തിരിച്ചുവരികയാണ്. പ്രോസസ്സിംഗ് ക്ലൗഡിൽ നടക്കുമ്പോൾ, ട്രെയിനിംഗിന് ആവശ്യമായ വലിയ ഡാറ്റാസെറ്റുകൾ പൊതു ഇന്റർനെറ്റിലൂടെ നീക്കുന്നതിന്റെ ചിലവും സമയവും ഒഴിവാക്കാൻ പലപ്പോഴും സൈറ്റിൽ തന്നെ സൂക്ഷിക്കുന്നു. ഡാറ്റ പ്രാദേശികമായി നിലനിർത്തുകയും കമ്പ്യൂട്ടിംഗ് വിതരണം ചെയ്യുകയും ചെയ്യുന്ന ഒരു ഹൈബ്രിഡ് മാതൃകയാണിത്. ഈ സൈറ്റുകളുടെ സാങ്കേതിക സവിശേഷതകൾ ഇപ്പോൾ മൂന്ന് പ്രധാന ഘടകങ്ങളാൽ നിർവചിക്കപ്പെടുന്നു:

• റാക്ക് ഒന്നിന് പവർ ഡെൻസിറ്റി, ഇത് ചില AI ഡിസൈനുകളിൽ 10kW-ൽ നിന്ന് 100kW-ലേക്ക് വർദ്ധിച്ചു.
• കൂളിംഗ് കാര്യക്ഷമത, ഇത് Power Usage Effectiveness അല്ലെങ്കിൽ PUE വഴി അളക്കുന്നു.
• ഇന്റർകണക്റ്റ് വേഗത, ഇത് ട്രെയിനിംഗ് സമയത്ത് GPU-കൾക്ക് എത്ര ഫലപ്രദമായി ആശയവിനിമയം നടത്താൻ കഴിയുമെന്ന് നിർണ്ണയിക്കുന്നു.

ഈ അളവുകോലുകളാണ് വ്യവസായത്തിന്റെ പുതിയ ബെഞ്ച്മാർക്കുകൾ. നിങ്ങൾക്ക് റാക്കിലേക്ക് പവർ എത്തിക്കാനോ കെട്ടിടത്തിൽ നിന്ന് ചൂട് പുറത്തുകളയാനോ കഴിഞ്ഞില്ലെങ്കിൽ, ലോകത്തിലെ ഏറ്റവും വേഗതയേറിയ ചിപ്പും ഉപയോഗശൂന്യമാണ്. AI കുതിച്ചുചാട്ടത്തിന്റെ ഗീക്ക് വിഭാഗത്തിന്റെ യാഥാർത്ഥ്യമാണിത്. ഇത് ഉയർന്ന തലത്തിലുള്ള ഒരു എൻജിനീയറിംഗ് വെല്ലുവിളിയാണ്.

ഇൻഫ്രാസ്ട്രക്ചറിനെക്കുറിച്ചുള്ള അന്തിമ വിധി

AI ഡാറ്റാ സെന്റർ കുതിച്ചുചാട്ടം ദശകങ്ങളിലെ ടെക് ഇൻഡസ്ട്രിയുടെ ഏറ്റവും പ്രധാനപ്പെട്ട ഭൗതിക വിപുലീകരണമാണ്. ഇത് ചർച്ചകളെ ബോർഡ്‌റൂമുകളിൽ നിന്ന് സോണിംഗ് ബോർഡുകളിലേക്ക് മാറ്റി. നമ്മൾ ഇപ്പോൾ അൽഗോരിതങ്ങളെക്കുറിച്ച് മാത്രമല്ല സംസാരിക്കുന്നത്. ഇലക്ട്രിക്കൽ ഗ്രിഡിന്റെ ശേഷിയെക്കുറിച്ചും പ്രാദേശിക ജലാവകാശങ്ങളെക്കുറിച്ചും നമ്മൾ സംസാരിക്കുന്നു. ഈ മാറ്റം ഒരു ദൃശ്യമായ വൈരുദ്ധ്യം സൃഷ്ടിക്കുന്നു. നമുക്ക് വിപുലമായ AI-യുടെ നേട്ടങ്ങൾ വേണം, എന്നാൽ അത് പ്രവർത്തിപ്പിക്കാൻ ആവശ്യമായ ഇൻഫ്രാസ്ട്രക്ചർ ഹോസ്റ്റ് ചെയ്യാൻ നമ്മൾ തയ്യാറല്ല. ഈ പിരിമുറുക്കം അടുത്ത ദശകത്തിലെ സാങ്കേതിക വികസനത്തെ നിർവചിക്കും. ഉത്തരം കിട്ടാത്ത ചോദ്യം ഇതാണ്: അവ ഹോസ്റ്റ് ചെയ്യുന്ന കമ്മ്യൂണിറ്റികളുടെ ആവശ്യങ്ങളുമായി പൊരുത്തപ്പെടുന്ന രീതിയിൽ ഈ സൗകര്യങ്ങൾ നിർമ്മിക്കാൻ നമുക്ക് കഴിയുമോ? ഇല്ലെങ്കിൽ, AI യുഗം അതിന്റെ പൂർണ്ണ ശേഷിയിൽ എത്തുന്നതിന് മുൻപേ ഒരു ഭൗതിക ഭിത്തിയിൽ തട്ടി നിന്നേക്കാം.

Editor’s note: We created this site as a multilingual AI news and guides hub for people who are not computer geeks, but still want to understand artificial intelligence, use it with more confidence, and follow the future that is already arriving.

ഒരു പിശകോ തിരുത്തേണ്ട എന്തെങ്കിലും കണ്ടെത്തിയോ? ഞങ്ങളെ അറിയിക്കുക.