AI മത്സരത്തിൽ ഡാറ്റാ സെന്ററുകളുടെ വളർച്ച എന്ത് അർത്ഥമാക്കുന്നു?

വെർച്വൽ ഇന്റലിജൻസിന്റെ ഭൗതിക പരിധികൾ

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനായുള്ള മത്സരം ഇപ്പോൾ ഗവേഷണ ലാബുകളിൽ നിന്ന് നിർമ്മാണ സൈറ്റുകളിലേക്ക് മാറിയിരിക്കുന്നു. വർഷങ്ങളായി, കോഡിന്റെ മികവിലും ന്യൂറൽ നെറ്റ്‌വർക്കുകളുടെ വലുപ്പത്തിലുമായിരുന്നു വ്യവസായം ശ്രദ്ധ കേന്ദ്രീകരിച്ചിരുന്നത്. എന്നാൽ ഇന്ന്, ഏറ്റവും പ്രധാനപ്പെട്ട പരിമിതികൾ വളരെ അടിസ്ഥാനപരമായവയാണ്. അവ ഭൂമി, വൈദ്യുതി, വെള്ളം, ചെമ്പ് എന്നിവയാണ്. അടുത്ത തലമുറയിലെ ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ നിർമ്മിക്കണമെങ്കിൽ, മികച്ചൊരു അൽഗോരിതം മാത്രം പോരാ. ഒരു ചെറിയ നഗരത്തിന് ആവശ്യമായ വൈദ്യുതി ഉപയോഗിക്കുന്ന, ആയിരക്കണക്കിന് പ്രത്യേക ചിപ്പുകൾ നിറഞ്ഞ കൂറ്റൻ കെട്ടിടങ്ങൾ തന്നെ വേണം. സോഫ്റ്റ്‌വെയറിൽ നിന്ന് ഭൗതിക അടിസ്ഥാന സൗകര്യങ്ങളിലേക്കുള്ള ഈ മാറ്റം ടെക് മത്സരത്തിന്റെ സ്വഭാവം തന്നെ മാറ്റിമറിച്ചു. മികച്ച എൻജിനീയർമാർ ആർക്കുണ്ട് എന്നതല്ല, മറിച്ച് ഇലക്ട്രിക്കൽ ഗ്രിഡിലേക്ക് കണക്ഷൻ ഉറപ്പാക്കാനും, കൂളിംഗിനായി ദശലക്ഷക്കണക്കിന് ഗാലൻ വെള്ളം ഉപയോഗിക്കുന്ന ഒരു സൗകര്യം നിർമ്മിക്കാൻ പ്രാദേശിക ഭരണകൂടങ്ങളെ സമ്മതിപ്പിക്കാനും ആർക്ക് കഴിയുന്നു എന്നതാണ് ഇപ്പോഴത്തെ ചോദ്യം.

ഒരു ഉപയോക്താവ് ചാറ്റ്ബോട്ടിൽ എന്തെങ്കിലും ടൈപ്പ് ചെയ്യുമ്പോഴെല്ലാം, ഒരു ഭൗതികമായ പ്രവർത്തന ശൃംഖല ആരംഭിക്കുന്നു. ആ അഭ്യർത്ഥന ക്ലൗഡിലല്ല, മറിച്ച് സെർവർ റാക്കുകളിലാണ് നിലനിൽക്കുന്നത്. ഈ സെർവറുകൾ കൂടുതൽ സാന്ദ്രതയുള്ളതും ചൂടുള്ളതുമായി മാറുകയാണ്. ഈ സൗകര്യങ്ങളുടെ വളർച്ച ടെക് വ്യവസായത്തിന്റെ ചരിത്രത്തിലെ ഏറ്റവും വലിയ ഭൗതിക വിപുലീകരണമാണ്. കമ്പ്യൂട്ടിംഗിന്റെ ഭാവിയെക്കുറിച്ചുള്ള വലിയൊരു പന്തയമാണിത്. എന്നാൽ ഈ വളർച്ച ഭൗതിക യാഥാർത്ഥ്യത്തിന്റെ ഒരു മതിലിൽ തട്ടി നിൽക്കുകയാണ്. ഇന്റർനെറ്റ് എന്ന അമൂർത്തമായ ആശയത്തിൽ നിന്ന് മാറി, ഓയിൽ റിഫൈനറികളോ പവർ പ്ലാന്റുകളോ പോലെ പ്രധാനപ്പെട്ടതും എന്നാൽ വിവാദപരവുമായ ഡാറ്റാ സെന്ററുകൾ ഉള്ള ഒരു ലോകത്തേക്കാണ് നമ്മൾ നീങ്ങുന്നത്. ഇതാണ് AI മത്സരത്തിന്റെ പുതിയ യാഥാർത്ഥ്യം. ഭൗതിക ലോകത്തിന്റെ അടിസ്ഥാന വിഭവങ്ങൾക്കായുള്ള മത്സരമാണിത്.

കോഡിൽ നിന്ന് കോൺക്രീറ്റിലേക്കും ചെമ്പിലേക്കും

ഒരു ആധുനിക ഡാറ്റാ സെന്റർ നിർമ്മിക്കുന്നത് ഇൻഡസ്ട്രിയൽ എൻജിനീയറിംഗിലെ ഒരു വലിയ പരീക്ഷണമാണ്. പണ്ട്, അധികമായി എയർ കണ്ടീഷനിംഗ് ഉള്ള ഒരു പഴയ വെയർഹൗസ് ഡാറ്റാ സെന്ററായി ഉപയോഗിക്കാമായിരുന്നു. എന്നാൽ ഇപ്പോൾ, AI ചിപ്പുകളുടെ കടുത്ത ചൂടിനെ നേരിടാൻ പ്രത്യേകം രൂപകൽപ്പന ചെയ്ത യന്ത്രങ്ങളാണ് ഈ സൗകര്യങ്ങൾ. ഏറ്റവും പ്രധാനപ്പെട്ട ഘടകം വൈദ്യുതിയാണ്. ഒരു ആധുനിക AI ചിപ്പിന് 700 വാട്ടിൽ കൂടുതൽ വൈദ്യുതി ഉപയോഗിക്കാൻ കഴിയും. പതിനായിരക്കണക്കിന് ചിപ്പുകൾ ഒരു കെട്ടിടത്തിൽ നിറയ്ക്കുമ്പോൾ, വൈദ്യുതി ആവശ്യം നൂറുകണക്കിന് മെഗാവാട്ടിലെത്തും. ഇത് വൈദ്യുതിയുടെ ചിലവിനെക്കുറിച്ചല്ല, അതിന്റെ ലഭ്യതയെക്കുറിച്ചാണ്. ലോകത്തിന്റെ പല ഭാഗങ്ങളിലും ഇലക്ട്രിക്കൽ ഗ്രിഡ് ഇതിനകം തന്നെ പൂർണ്ണ ശേഷിയിലാണ് പ്രവർത്തിക്കുന്നത്. ഒരേ പരിമിതമായ വൈദ്യുതിക്കായി ടെക് കമ്പനികൾ ഇപ്പോൾ സാധാരണ വീടുകളോടും ഫാക്ടറികളോടും മത്സരിക്കുകയാണ്.

ഭൂമിയാണ് അടുത്ത തടസ്സം. എവിടെ വേണമെങ്കിലും ഈ സൗകര്യങ്ങൾ നിർമ്മിക്കാൻ കഴിയില്ല. ലേറ്റൻസി കുറയ്ക്കാൻ ഫൈബർ ഒപ്റ്റിക് ലൈനുകൾക്ക് അടുത്തായിരിക്കണം ഇവ. കൂടാതെ, ഭൂമി സുസ്ഥിരവും കാലാവസ്ഥ അനുകൂലവുമായ സ്ഥലങ്ങളിലുമായിരിക്കണം. ഇത് നോർത്തേൺ വിർജീനിയ പോലുള്ള സ്ഥലങ്ങളിൽ ഡാറ്റാ സെന്ററുകൾ കേന്ദ്രീകരിക്കാൻ കാരണമായി. ആഗോള ഇന്റർനെറ്റ് ട്രാഫിക്കിന്റെ വലിയൊരു ഭാഗം ഈ മേഖലയാണ് കൈകാര്യം ചെയ്യുന്നത്. എന്നാൽ അവിടെയും ഭൂമി തീർന്നു കൊണ്ടിരിക്കുകയാണ്. കമ്പനികൾ ഇപ്പോൾ കൂടുതൽ ഉൾപ്രദേശങ്ങളിലേക്ക് നോക്കുന്നുണ്ടെങ്കിലും, അവിടെ പലപ്പോഴും ഗ്രിഡ് കണക്ഷനുകൾ ലഭ്യമല്ല. ഇത് കോഴിയാണോ മുട്ടയാണോ ആദ്യം ഉണ്ടായത് എന്നതുപോലൊരു പ്രശ്നമുണ്ടാക്കുന്നു. ഭൂമി കണ്ടെത്താം, പക്ഷേ വൈദ്യുതി ലഭിക്കില്ല. അല്ലെങ്കിൽ വൈദ്യുതി കണ്ടെത്താം, പക്ഷേ പ്രാദേശിക പെർമിറ്റ് ലഭിക്കാൻ വർഷങ്ങളെടുക്കും. പെർമിറ്റ് ലഭിക്കുന്നത് ഇപ്പോൾ ഒരു വലിയ തടസ്സമായി മാറിയിരിക്കുന്നു. ഈ പ്രോജക്റ്റുകൾ സ്ഥലം കൈയേറുകയും വിഭവങ്ങൾ ഉപയോഗിക്കുകയും ചെയ്യുന്നുണ്ടെങ്കിലും താരതമ്യേന കുറഞ്ഞ തൊഴിലവസരങ്ങൾ മാത്രമേ നൽകുന്നുള്ളൂ എന്നതിനാൽ പ്രാദേശിക ഭരണകൂടങ്ങൾ ഇവയോട് സംശയത്തോടെയാണ് കാണുന്നത്.

ഈ അടിസ്ഥാന സൗകര്യത്തിന്റെ മൂന്നാമത്തെ തൂൺ കൂളിംഗ് ആണ്. AI ചിപ്പുകൾ അവിശ്വസനീയമായ അളവിൽ ചൂട് പുറത്തുവിടുന്നു. ഉയർന്ന സാന്ദ്രതയുള്ള റാക്കുകൾക്ക് പരമ്പരാഗത എയർ കൂളിംഗ് മതിയാകില്ല. പല പുതിയ സൗകര്യങ്ങളും ലിക്വിഡ് കൂളിംഗിലേക്ക് മാറുകയാണ്. ഇതിനായി വെള്ളമോ പ്രത്യേക കൂളന്റോ പൈപ്പുകൾ വഴി നേരിട്ട് ചിപ്പുകളിലേക്ക് എത്തിക്കുന്നു. ഇതിന് വലിയ അളവിൽ വെള്ളം ആവശ്യമാണ്. ചിലപ്പോൾ, ഒരു ഡാറ്റാ സെന്ററിന് വർഷത്തിൽ ദശലക്ഷക്കണക്കിന് ഗാലൻ വെള്ളം ഉപയോഗിക്കേണ്ടി വരും. ഇത് ടെക് കമ്പനികളെ പ്രാദേശിക കൃഷിയോടും കുടിവെള്ള ആവശ്യങ്ങളോടും നേരിട്ട് മത്സരിപ്പിക്കുന്നു. വരൾച്ച സാധ്യതയുള്ള പ്രദേശങ്ങളിൽ ഇതൊരു രാഷ്ട്രീയ പ്രശ്നമായി മാറിയിട്ടുണ്ട്. വെള്ളം പുനരുപയോഗിക്കുന്ന ക്ലോസ്ഡ്-ലൂപ്പ് സംവിധാനങ്ങളിലേക്ക് മാറാൻ വ്യവസായം ശ്രമിക്കുന്നുണ്ടെങ്കിലും, പ്രാരംഭ ആവശ്യകതകൾ ഇപ്പോഴും ഭയാനകമാണ്. ടെക് വളർച്ചയുടെ ഇന്നത്തെ കാലഘട്ടത്തെ നിർവചിക്കുന്ന പ്രായോഗിക പരിമിതികളാണിവ.

ഹൈ പെർഫോമൻസ് കമ്പ്യൂട്ടിംഗിന്റെ ജിയോപൊളിറ്റിക്സ്

ഡാറ്റാ സെന്ററുകൾ ഇപ്പോൾ കേവലം കോർപ്പറേറ്റ് ആസ്തികളല്ല. അവ ദേശീയ മുൻഗണനകളാണ്. കമ്പ്യൂട്ടിംഗ് പവർ എന്നത് ദേശീയ ശക്തിയുടെ ഒരു രൂപമാണെന്ന് ലോകമെമ്പാടുമുള്ള സർക്കാരുകൾ തിരിച്ചറിയുന്നു. ഇത് സോവറിൻ AI എന്ന ആശയത്തിന് വഴിയൊരുക്കി. ഡാറ്റാ സ്വകാര്യതയും ദേശീയ സുരക്ഷയും ഉറപ്പാക്കാൻ തങ്ങളുടെ അതിർത്തിക്കുള്ളിൽ തന്നെ ഡാറ്റാ സെന്ററുകൾ വേണമെന്ന് രാജ്യങ്ങൾ ആഗ്രഹിക്കുന്നു. മറ്റ് അധികാരപരിധികളിലുള്ള സൗകര്യങ്ങളെ ആശ്രയിക്കാൻ അവർ ആഗ്രഹിക്കുന്നില്ല. ഇത് വിഘടിച്ച ആഗോള അടിസ്ഥാന സൗകര്യങ്ങളിലേക്ക് നയിക്കുന്നു. കുറച്ച് വലിയ ഹബ്ബുകൾക്ക് പകരം, എല്ലാ പ്രധാന സമ്പദ്‌വ്യവസ്ഥകളിലും പ്രാദേശികവൽക്കരിച്ച ഡാറ്റാ സെന്ററുകൾക്കായി ഒരു നീക്കം നടക്കുന്നുണ്ട്. കഴിഞ്ഞ ദശകത്തിൽ ആധിപത്യം പുലർത്തിയിരുന്ന കേന്ദ്രീകൃത മാതൃകയിൽ നിന്നുള്ള വലിയൊരു മാറ്റമാണിത്. ഇത് അടിസ്ഥാന സൗകര്യ മത്സരത്തെ കൂടുതൽ സങ്കീർണ്ണമാക്കുന്നു, കാരണം ഓരോ രാജ്യത്തെയും വ്യത്യസ്തമായ റെഗുലേറ്ററി അന്തരീക്ഷം കമ്പനികൾക്ക് കൈകാര്യം ചെയ്യേണ്ടതുണ്ട്.

ഈ ജിയോപൊളിറ്റിക്കൽ മാനം ഡാറ്റാ സെന്ററുകളെ ഇൻഡസ്ട്രിയൽ പോളിസിയുടെ ലക്ഷ്യമാക്കി മാറ്റിയിരിക്കുന്നു. ഡാറ്റാ സെന്റർ ഡെവലപ്പർമാരെ ആകർഷിക്കാൻ ചില സർക്കാരുകൾ വൻ സബ്‌സിഡികൾ നൽകുന്നു. ആധുനിക സമ്പദ്‌വ്യവസ്ഥയുടെ അടിത്തറയായി അവർ ഈ കെട്ടിടങ്ങളെ കാണുന്നു. മറ്റുള്ളവർ നേരെ വിപരീത ദിശയിലാണ് നീങ്ങുന്നത്. ദേശീയ ഗ്രിഡുകളിലെ സമ്മർദ്ദത്തെക്കുറിച്ചും ഉയർന്ന ഊർജ്ജ ഉപയോഗത്തിന്റെ പാരിസ്ഥിതിക ആഘാതത്തെക്കുറിച്ചും അവർ ആശങ്കാകുലരാണ്. ഉദാഹരണത്തിന്, ചില നഗരങ്ങൾ ഇലക്ട്രിക്കൽ ഇൻഫ്രാസ്ട്രക്ചർ നവീകരിക്കുന്നത് വരെ പുതിയ ഡാറ്റാ സെന്റർ നിർമ്മാണത്തിന് നിരോധനം ഏർപ്പെടുത്തിയിട്ടുണ്ട്. ഇത് ലഭ്യതയിൽ ഒരു പാച്ച് വർക്ക് ഉണ്ടാക്കുന്നു. ഒരു രാജ്യത്ത് നിർമ്മിക്കാൻ കഴിയുന്ന കമ്പനിക്ക് മറ്റൊന്നിൽ തടസ്സം നേരിട്ടേക്കാം. ഈ ഭൂമിശാസ്ത്രപരമായ വിതരണം പ്രധാനമാണ്, കാരണം ഇത് ആ പ്രദേശങ്ങളിലെ ഉപയോക്താക്കൾക്കായി AI മോഡലുകളുടെ ലേറ്റൻസിയെയും പ്രകടനത്തെയും ബാധിക്കുന്നു. ഒരു രാജ്യത്തിന് പ്രാദേശിക കമ്പ്യൂട്ടിംഗ് ഇല്ലെങ്കിൽ, അതിന്റെ പൗരന്മാർ എപ്പോഴും AI മത്സരത്തിൽ പിന്നിലായിരിക്കും.

ഈ വിഭവങ്ങൾക്കായുള്ള പോരാട്ടം സപ്ലൈ ചെയിനുകൾക്കായുള്ള പോരാട്ടം കൂടിയാണ്. ഡാറ്റാ സെന്റർ നിർമ്മിക്കാൻ ആവശ്യമായ ഘടകങ്ങൾക്ക് ക്ഷാമമുണ്ട്. ചിപ്പുകൾ മുതൽ ഗ്രിഡുമായി ബന്ധിപ്പിക്കാൻ ആവശ്യമായ വലിയ ട്രാൻസ്ഫോർമറുകൾ വരെ ഇതിൽ ഉൾപ്പെടുന്നു. ഇതിൽ ചില ഉപകരണങ്ങളുടെ ലീഡ് ടൈം രണ്ട് അല്ലെങ്കിൽ മൂന്ന് വർഷമാണ്. ഇതിനർത്ഥം 2026-ലെ AI മത്സരത്തിലെ വിജയികളെ വർഷങ്ങൾക്ക് മുമ്പെടുത്ത തീരുമാനങ്ങൾ നിർണ്ണയിച്ചു എന്നാണ്. വൈദ്യുതിയും ഉപകരണങ്ങളും നേരത്തെ ഉറപ്പാക്കിയ കമ്പനികൾക്ക് വലിയ മുൻതൂക്കമുണ്ട്. ഇപ്പോൾ വിപണിയിൽ പ്രവേശിക്കാൻ ശ്രമിക്കുന്നവർക്ക് വാതിൽ ഭാഗികമായി അടഞ്ഞുകിടക്കുകയാണെന്ന് മനസ്സിലാകുന്നു. സോഫ്റ്റ്‌വെയറിന്റെ ലോകത്തേക്കാൾ വളരെ സാവധാനമാണ് ഭൗതിക ലോകം നീങ്ങുന്നത്. ഒരു ദിവസം കൊണ്ട് നിങ്ങൾക്ക് പുതിയൊരു കോഡ് എഴുതാം, പക്ഷേ ഒരു ദിവസം കൊണ്ട് ഒരു സബ്സ്റ്റേഷൻ നിർമ്മിക്കാൻ കഴിയില്ല. ഈ യാഥാർത്ഥ്യം ടെക് കമ്പനികളെ വ്യാവസായിക ഭീമന്മാരെപ്പോലെ ചിന്തിക്കാൻ നിർബന്ധിതരാക്കുന്നു.

ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ പ്രാദേശിക പവർ ഗ്രിഡുകളെ കാണുമ്പോൾ

ഈ വളർച്ചയുടെ ആഘാതം മനസ്സിലാക്കാൻ, ഒരു ആധുനിക ഡാറ്റാ സെന്ററിലെ ഒരു സാധാരണ ദിവസം പരിഗണിക്കുക. ഇടത്തരം നഗരത്തിന്റെ പ്രാന്തപ്രദേശത്തുള്ള ഒരു സൗകര്യം സങ്കൽപ്പിക്കുക. ഉള്ളിൽ, ഓരോന്നും ഒരു റഫ്രിജറേറ്ററിന്റെ വലുപ്പമുള്ള റാക്കുകളുടെ നിരകളുണ്ട്. ഈ റാക്കുകൾ GPU-കൾ കൊണ്ട് നിറഞ്ഞിരിക്കുന്നു. സൂര്യൻ ഉദിക്കുകയും ആളുകൾ ജോലി തുടങ്ങുകയും ചെയ്യുമ്പോൾ, AI സേവനങ്ങൾക്കായുള്ള ആവശ്യം കുതിച്ചുയരുന്നു. കോഡ് പൂർത്തിയാക്കൽ, ഇമേജ് ജനറേഷൻ, ടെക്സ്റ്റ് സംഗ്രഹം എന്നിവയ്ക്കായുള്ള ആയിരക്കണക്കിന് അഭ്യർത്ഥനകൾ കെട്ടിടത്തിലേക്ക് പ്രവഹിക്കുന്നു. ഓരോ അഭ്യർത്ഥനയും വൈദ്യുതി ഉപഭോഗത്തിൽ വർദ്ധനവുണ്ടാക്കുന്നു. കൂളിംഗ് ഫാനുകൾ വേഗത്തിൽ കറങ്ങുന്നു. ലിക്വിഡ് കൂളിംഗ് പമ്പുകൾ പ്രവർത്തനക്ഷമമാകുന്നു. ഈ ചിപ്പുകൾ ഉൽപ്പാദിപ്പിക്കുന്ന ചൂട് വളരെ തീവ്രമാണ്, സെർവർ റൂമിന്റെ ഇൻസുലേറ്റഡ് ഭിത്തികളിലൂടെ പോലും അത് അനുഭവിക്കാൻ കഴിയും. ഇതാണ് ആധുനിക സമ്പദ്‌വ്യവസ്ഥയുടെ ശബ്ദം. ഇത് ഒരിക്കലും നിലയ്ക്കാത്ത, സ്ഥിരമായ, കുറഞ്ഞ ഫ്രീക്വൻസിയുള്ള ഒരു മുഴക്കമാണ്.

ഭിത്തികൾക്ക് പുറത്ത്, ഇതിന്റെ ആഘാതം സമൂഹം അനുഭവിക്കുന്നു. പ്രാദേശിക യൂട്ടിലിറ്റി കമ്പനിക്ക് ലോഡ് കൈകാര്യം ചെയ്യേണ്ടതുണ്ട്. ഡാറ്റാ സെന്റർ കൂടുതൽ വൈദ്യുതി വലിച്ചെടുക്കുകയാണെങ്കിൽ, അത് ഗ്രിഡിൽ അസ്ഥിരത ഉണ്ടാക്കാം. അതുകൊണ്ടാണ് പല ഡാറ്റാ സെന്ററുകളിലും വലിയ ബാറ്ററി ബാങ്കുകളും ഡീസൽ ജനറേറ്ററുകളും ഉള്ളത്. അവ അടിസ്ഥാനപരമായി അവരുടേതായ മിനി-യൂട്ടിലിറ്റികളാണ്. എന്നാൽ ഈ ജനറേറ്ററുകൾ ശബ്ദവും മലിനീകരണവും ഉണ്ടാക്കുന്നു, ഇത് പ്രാദേശിക എതിർപ്പിന് കാരണമാകുന്നു. അടുത്തുള്ള അയൽപക്കങ്ങളിലെ താമസക്കാർ സ്ഥിരമായ മുഴക്കത്തെക്കുറിച്ചോ അല്ലെങ്കിൽ അവരുടെ വീടിന് പിന്നിലൂടെ വലിയ പവർ ലൈനുകൾ വലിക്കുന്നതിനെക്കുറിച്ചോ പരാതിപ്പെട്ടേക്കാം. 500,000 m² വിസ്തീർണ്ണമുള്ള ഒരു കെട്ടിടം അവർ കാണുന്നു, പക്ഷേ അവിടെ ജോലി ചെയ്യുന്നത് കുറച്ചുപേർ മാത്രം. പ്രാദേശിക വിഭവങ്ങളിലെ സമ്മർദ്ദത്തിന് പകരമായി അവർക്ക് എന്ത് ലഭിക്കുന്നു എന്ന് അവർ അത്ഭുതപ്പെടുന്നു. ഇവിടെയാണ് സാങ്കേതികത രാഷ്ട്രീയവുമായി സംഗമിക്കുന്നത്. ഡാറ്റാ സെന്റർ എൻജിനീയറിംഗിലെ ഒരു അത്ഭുതമാണ്, എന്നാൽ അത് ധാരാളം വൈദ്യുതിയും വെള്ളവും ഉപയോഗിക്കുന്ന ഒരു അയൽവാസി കൂടിയാണ്.

ഇതിന്റെ വ്യാപ്തി ദൃശ്യവൽക്കരിക്കാൻ പ്രയാസമാണ്. ഒരു വലിയ ഡാറ്റാ സെന്റർ ക്യാമ്പസിന് 100,000 വീടുകൾക്ക് ആവശ്യമായ വൈദ്യുതി ഉപയോഗിക്കാൻ കഴിയും. ഒരു ടെക് ഭീമൻ പുതിയ 10 ബില്യൺ ഡോളറിന്റെ പ്രോജക്റ്റ് പ്രഖ്യാപിക്കുമ്പോൾ, അവർ സെർവറുകൾ വാങ്ങുക മാത്രമല്ല ചെയ്യുന്നത്. അവർ ഒരു വലിയ വ്യാവസായിക സമുച്ചയം നിർമ്മിക്കുകയാണ്. ഇതിൽ പ്രത്യേക വാട്ടർ ട്രീറ്റ്മെന്റ് പ്ലാന്റുകളും സ്വകാര്യ ഇലക്ട്രിക്കൽ സബ്സ്റ്റേഷനുകളും ഉൾപ്പെടുന്നു. ചിലപ്പോൾ, കാർബൺ രഹിത ഊർജ്ജത്തിന്റെ സ്ഥിരമായ വിതരണം ഉറപ്പാക്കാൻ അവർ ആണവോർജ്ജത്തിൽ പോലും നിക്ഷേപം നടത്തുന്നു. ടെക് കമ്പനികൾ പണ്ട് പ്രവർത്തിച്ചിരുന്ന രീതിയിൽ നിന്നുള്ള വലിയൊരു മാറ്റമാണിത്. അവർ ഇനി മറ്റൊരാളുടെ കെട്ടിടത്തിലെ വാടകക്കാർ മാത്രമല്ല. പല പ്രദേശങ്ങളിലും അടിസ്ഥാന സൗകര്യ വികസനത്തിന്റെ പ്രധാന ചാലകശക്തികളാണവർ. ഈ വളർച്ച നമ്മുടെ നഗരങ്ങളുടെ ഭൗതിക രൂപത്തെയും നമ്മുടെ യൂട്ടിലിറ്റികൾ കൈകാര്യം ചെയ്യുന്ന രീതിയെയും മാറ്റുന്നു. ഇത് ഡിജിറ്റൽ യുഗത്തിന്റെ വലിയൊരു, ദൃശ്യമായ പ്രകടനമാണ്.

ഈ സംഘർഷം വിഭവങ്ങളെക്കുറിച്ച് മാത്രമല്ല. ഇത് മാറ്റത്തിന്റെ വേഗതയെക്കുറിച്ചാണ്. ഒരു പ്രാദേശിക പവർ ഗ്രിഡ് പതിറ്റാണ്ടുകളായി പ്രവചിക്കാവുന്ന നിരക്കിൽ വളരാൻ രൂപകൽപ്പന ചെയ്തിട്ടുള്ളതാണ്. AI ബൂം ആ വളർച്ചയെ കുറച്ച് വർഷങ്ങളിലേക്ക് ചുരുക്കി. യൂട്ടിലിറ്റികൾ ഇതിനൊപ്പം എത്താൻ പാടുപെടുകയാണ്. ചില പ്രദേശങ്ങളിൽ, പുതിയ ഗ്രിഡ് കണക്ഷനായുള്ള കാത്തിരിപ്പ് സമയം ഇപ്പോൾ അഞ്ച് വർഷത്തിലധികമാണ്. ഇത് ഗ്രിഡ് ആക്സസിനെ വിലപ്പെട്ട ഒരു ചരക്കായി മാറ്റിയിരിക്കുന്നു. ചില കമ്പനികൾ പഴയ വ്യാവസായിക സൈറ്റുകൾ വാങ്ങുന്നത് അവയിൽ ഇതിനകം തന്നെ ഉയർന്ന ശേഷിയുള്ള പവർ കണക്ഷൻ ഉള്ളതുകൊണ്ട് മാത്രമാണ്. കെട്ടിടങ്ങളെക്കുറിച്ച് അവർക്ക് താൽപ്പര്യമില്ല. ഭൂമിയിലുള്ള ചെമ്പിലാണ് അവർക്ക് താൽപ്പര്യം. വിപണിയിലെ നിരാശയുടെ അളവാണിത്. പ്രാദേശിക പ്ലാനിംഗ് കമ്മീഷനുകളുടെയും യൂട്ടിലിറ്റി ബോർഡ് റൂമുകളുടെയും കിടങ്ങുകളിലാണ് AI മത്സരം നടക്കുന്നത്.

കമ്പ്യൂട്ട് യുഗത്തിനായുള്ള കഠിനമായ ചോദ്യങ്ങൾ

നമ്മൾ ഈ വിപുലീകരണം തുടരുമ്പോൾ, മറഞ്ഞിരിക്കുന്ന ചിലവുകളെക്കുറിച്ച് കഠിനമായ ചോദ്യങ്ങൾ ചോദിക്കേണ്ടതുണ്ട്. ഈ വലിയ നിർമ്മാണത്തിൽ നിന്ന് യഥാർത്ഥത്തിൽ ആർക്കാണ് പ്രയോജനം ലഭിക്കുന്നത്? AI സേവനങ്ങൾ ആഗോളതലത്തിൽ ലഭ്യമാണെങ്കിലും, പാരിസ്ഥിതികവും അടിസ്ഥാന സൗകര്യപരവുമായ ചിലവുകൾ പലപ്പോഴും പ്രാദേശികവൽക്കരിക്കപ്പെട്ടവയാണ്. ഗ്രഹത്തിന്റെ മറുഭാഗത്തുള്ള ഉപയോക്താക്കൾക്ക് സേവനം നൽകുന്ന ഡാറ്റാ സെന്ററിനെ പിന്തുണയ്ക്കാൻ ഒരു ഗ്രാമീണ പ്രദേശത്തെ കമ്മ്യൂണിറ്റിക്ക് അവരുടെ ഭൂഗർഭ ജലനിരപ്പ് താഴുന്നത് കാണേണ്ടി വന്നേക്കാം. ഈ മാതൃകയുടെ ദീർഘകാല സുസ്ഥിരതയെക്കുറിച്ചും നമ്മൾ ചിന്തിക്കണം. എല്ലാ പ്രധാന കമ്പനികളും സർക്കാരുകളും സ്വന്തമായി വലിയ കമ്പ്യൂട്ട് ക്ലസ്റ്ററുകൾ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ആകെ ആഗോള ഊർജ്ജ ആവശ്യം ഭീമമായിരിക്കും. നമ്മുടെ പരിമിതമായ ഊർജ്ജ വിഭവങ്ങളുടെ ഏറ്റവും മികച്ച ഉപയോഗമാണോ ഇത്? നമ്മൾ അടിസ്ഥാനപരമായി ഭൗതിക ഊർജ്ജത്തെ ഡിജിറ്റൽ ബുദ്ധിക്ക് വേണ്ടി കൈമാറ്റം ചെയ്യുകയാണ്. കൂടുതൽ പൊതു ചർച്ചകൾ ആവശ്യമുള്ള ഒരു വിട്ടുവീഴ്ചയാണിത്.

സ്വകാര്യതയെയും നിയന്ത്രണത്തെയും കുറിച്ചുള്ള ചോദ്യവുമുണ്ട്. ഡാറ്റാ സെന്ററുകൾ കുറച്ച് ടെക് ഭീമന്മാരുടെ കൈകളിൽ കേന്ദ്രീകരിക്കപ്പെടുമ്പോൾ, ആ കമ്പനികൾക്ക് അവിശ്വസനീയമായ അധികാരം ലഭിക്കുന്നു. അവർ സോഫ്റ്റ്‌വെയർ ദാതാക്കൾ മാത്രമല്ല. ആധുനിക ജീവിതം സാധ്യമാക്കുന്ന ഭൗതിക അടിസ്ഥാന സൗകര്യങ്ങളുടെ ഉടമകൾ കൂടിയാണവർ. ഒരു കമ്പനി ഡാറ്റാ സെന്ററുകളും ചിപ്പുകളും മോഡലുകളും സ്വന്തമാക്കിയാൽ, അവർക്ക് അഭൂതപൂർവമായ വെർട്ടിക്കൽ ഇന്റഗ്രേഷൻ ലഭിക്കും. ഇത് ചെറിയ മത്സരാർത്ഥികൾക്ക് പ്രവേശിക്കാൻ വലിയ തടസ്സം സൃഷ്ടിക്കുന്നു. ഒരു പവർ പെർമിറ്റ് പോലും ലഭിക്കാത്തപ്പോൾ ഒരു സ്റ്റാർട്ടപ്പിന് എങ്ങനെ മത്സരിക്കാൻ കഴിയും? AI ഇൻഫ്രാസ്ട്രക്ചറിന്റെ ഭൗതിക യാഥാർത്ഥ്യം മത്സരവിരുദ്ധമായ ഏറ്റവും വലിയ ശക്തിയായി മാറിയേക്കാം. ഇത് ആശയങ്ങളുടെ വിപണിയെ മൂലധനത്തിന്റെയും കോൺക്രീറ്റിന്റെയും വിപണിയാക്കി മാറ്റുന്നു.

അവസാനമായി, ഈ സംവിധാനത്തിന്റെ പ്രതിരോധശേഷി നമ്മൾ പരിശോധിക്കണം. ഇത്രയധികം കമ്പ്യൂട്ട് പവർ കുറച്ച് ഭൂമിശാസ്ത്രപരമായ ഹബ്ബുകളിൽ കേന്ദ്രീകരിക്കുന്നതിലൂടെ, നമ്മൾ പരാജയത്തിന്റെ സിംഗിൾ പോയിന്റുകൾ സൃഷ്ടിക്കുകയാണ്. ഒരു പ്രകൃതിദുരന്തമോ പ്രധാന ഡാറ്റാ സെന്റർ ഹബ്ബിന് നേരെയുള്ള ആക്രമണമോ ആഗോള പ്രത്യാഘാതങ്ങൾ ഉണ്ടാക്കാം. പാൻഡെമിക് സമയത്ത് സപ്ലൈ ചെയിൻ തടസ്സങ്ങൾ ഡാറ്റാ സെന്റർ വിപുലീകരണങ്ങളെ മന്ദഗതിയിലാക്കിയപ്പോൾ ഇതിന്റെ ഒരു സൂചന നമ്മൾ കണ്ടതാണ്. എന്നാൽ ഇപ്പോൾ അപകടസാധ്യതകൾ ഇതിലും കൂടുതലാണ്. നമ്മുടെ മുഴുവൻ സമ്പദ്‌വ്യവസ്ഥയും ഈ സൗകര്യങ്ങൾക്ക് മുകളിലാണ് കെട്ടിപ്പടുക്കുന്നത്. ഗ്രിഡ് പരാജയപ്പെടുകയോ കൂളിംഗ് വെള്ളം തീർന്നുപോവുകയോ ചെയ്താൽ, AI നിലയ്ക്കും. ഇതാണ് ഡിജിറ്റൽ യുഗത്തിന്റെ വൈരുദ്ധ്യം. നമ്മുടെ ഏറ്റവും വികസിതമായ സാങ്കേതികവിദ്യ പൂർണ്ണമായും ഏറ്റവും അടിസ്ഥാനപരമായ ഭൗതിക സംവിധാനങ്ങളെ ആശ്രയിച്ചിരിക്കുന്നു. വളരെ ദുർബലമായ അടിത്തറയിലാണ് നമ്മൾ ഭാവി ലോകം കെട്ടിപ്പടുക്കുന്നത്.

AI ബാക്ക്ബോണിന്റെ ആർക്കിടെക്ചർ

സാങ്കേതിക വശത്തേക്ക് നോക്കുന്നവർക്ക്, ഡാറ്റാ സെന്റർ ഡിസൈനിലെ മാറ്റം അഗാധമാണ്. നമ്മൾ ജനറൽ-പർപ്പസ് ക്ലൗഡ് കമ്പ്യൂട്ടിംഗിൽ നിന്ന് പ്രത്യേക AI ഫാക്ടറികളിലേക്ക് മാറുകയാണ്. ഒരു പരമ്പരാഗത ഡാറ്റാ സെന്ററിൽ, ആയിരക്കണക്കിന് വ്യത്യസ്ത ഉപഭോക്താക്കൾക്കായി ആയിരക്കണക്കിന് വ്യത്യസ്ത ആപ്ലിക്കേഷനുകൾ ഹോസ്റ്റ് ചെയ്യുക എന്നതായിരുന്നു ലക്ഷ്യം. വർക്ക്ലോഡ് പ്രവചനാതീതമായിരുന്നു, പക്ഷേ പൊതുവെ കുറഞ്ഞ തീവ്രതയുള്ളതായിരുന്നു. ഒരു AI ഫാക്ടറിയിൽ, മുഴുവൻ കെട്ടിടവും പലപ്പോഴും ഒരു വലിയ മോഡൽ പരിശീലിപ്പിക്കുന്നത് പോലുള്ള ഒരൊറ്റ കാര്യത്തിനായി നീക്കിവെച്ചിരിക്കുന്നു. ഇത് ഒപ്റ്റിമൈസേഷന്റെ ഉയർന്ന തലങ്ങൾ അനുവദിക്കുന്നു. നെറ്റ്‌വർക്കിംഗ് മാത്രം ഒരു വലിയ വെല്ലുവിളിയാണ്. ആയിരക്കണക്കിന് GPU-കളിൽ ഉടനീളം ഒരു മോഡൽ പരിശീലിപ്പിക്കാൻ, അവിശ്വസനീയമായ അളവിലുള്ള ഡാറ്റ കൈകാര്യം ചെയ്യാൻ കഴിയുന്ന, ലേറ്റൻസി ഏതാണ്ട് പൂജ്യമായ ഒരു നെറ്റ്‌വർക്ക് ആവശ്യമാണ്. ഇത് InfiniBand, 800Gbps വേഗതയിൽ പ്രവർത്തിക്കുന്ന ഹൈ-സ്പീഡ് ഇഥർനെറ്റ് സ്വിച്ചുകൾ തുടങ്ങിയ സാങ്കേതികവിദ്യകൾ സ്വീകരിക്കുന്നതിലേക്ക് നയിച്ചു.

സ്റ്റോറേജ് മറ്റൊരു നിർണ്ണായക ഘടകമാണ്. ഒരു AI മോഡൽ പരിശീലിപ്പിക്കാൻ GPU-കൾക്ക് പ്രോസസ്സ് ചെയ്യാൻ കഴിയുന്നത്ര വേഗത്തിൽ പെറ്റാബൈറ്റ് കണക്കിന് ഡാറ്റ നൽകേണ്ടതുണ്ട്. ഇത് ഈ വർക്ക്ലോഡുകൾക്കായി പരമ്പരാഗത ഹാർഡ് ഡ്രൈവുകളെ കാലഹരണപ്പെട്ടതാക്കി. എല്ലാം ഹൈ-സ്പീഡ് NVMe ഫ്ലാഷ് സ്റ്റോറേജിലേക്ക് മാറുകയാണ്. എന്നാൽ ഡാറ്റ പൈപ്പ്ലൈൻ ശരിയായി രൂപകൽപ്പന ചെയ്തിട്ടില്ലെങ്കിൽ ഏറ്റവും വേഗതയേറിയ സ്റ്റോറേജ് പോലും ഒരു തടസ്സമായി മാറിയേക്കാം. അതുകൊണ്ടാണ് ലോക്കൽ സ്റ്റോറേജിലും എഡ്ജ് കമ്പ്യൂട്ടിംഗിലും കൂടുതൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. ഡാറ്റയെ കമ്പ്യൂട്ടിംഗിനോട് അടുപ്പിക്കുന്നതിലൂടെ, നെറ്റ്‌വർക്കിലെ സമ്മർദ്ദം കുറയ്ക്കാൻ കമ്പനികൾക്ക് കഴിയും. എന്നിരുന്നാലും, മോഡലുകളുടെ വലുപ്പം ഇതിനെ ബുദ്ധിമുട്ടാക്കുന്നു. ഒരു അത്യാധുനിക മോഡൽ നൂറുകണക്കിന് ജിഗാബൈറ്റ് വലുപ്പമുള്ളതാകാം, ഇത് ഒരു വലിയ സെർവർ ക്ലസ്റ്ററിലല്ലാതെ മറ്റൊന്നിലും പ്രവർത്തിപ്പിക്കുന്നത് പ്രയാസകരമാക്കുന്നു. വലിയ സൗകര്യങ്ങൾ താങ്ങാൻ കഴിയുന്നവരുടെ കൈകളിൽ ഇത് അധികാരം നിലനിർത്തുന്നു.

API-കളും ലോക്കൽ സ്റ്റോറേജും എങ്ങനെ ഇടപെടുന്നു എന്നതിലും നമ്മൾ മാറ്റം കാണുന്നുണ്ട്. ക്ലൗഡിന്റെ ഉയർന്ന ചിലവും ലേറ്റൻസിയും ഒഴിവാക്കാൻ ഈ മോഡലുകളുടെ ചെറിയ പതിപ്പുകൾ ലോക്കൽ ഹാർഡ്‌വെയറിൽ പ്രവർത്തിപ്പിക്കാൻ പല ഡെവലപ്പർമാരും വഴികൾ കണ്ടെത്താൻ ശ്രമിക്കുന്നു. ഇതിനെ ലോക്കൽ ഇൻഫറൻസ് എന്ന് വിളിക്കുന്നു. ലളിതമായ ജോലികൾക്ക് ഇത് പ്രവർത്തിക്കുമെങ്കിലും, ഏറ്റവും കഴിവുള്ള മോഡലുകൾക്ക് ഇപ്പോഴും ഡാറ്റാ സെന്ററിന്റെ വലിയ വിഭവങ്ങൾ ആവശ്യമാണ്. ഇത് ഒരു തട്ടുകളായുള്ള സംവിധാനം സൃഷ്ടിക്കുന്നു. ഏറ്റവും