مایکروسافت از بزرگ‌ترین دیتاسنتر هوش مصنوعی دنیا رونمایی کرد

مایکروسافت از بزرگ‌ترین دیتاسنتر هوش مصنوعی دنیا رونمایی کرده است. ظاهراً این بار با یک مرکز داده بزرگ طرف نیستیم و ردموندی‌ها چندین دیتاسنتر بزرگ را با شبکه فیبر نوری اختصاصی به هم متصل کرده تا یک ابرکارخانه هوش مصنوعی را ایجاد کنند.

مایکروسافت از راه‌اندازی اولین ابرکارخانه هوش مصنوعی خود خبر داده است. اقدامی جاه‌طلبانه که با اتصال مراکز داده بزرگ در ویسکانسین و آتلانتا از طریق شبکه فیبر اختصاصی انجام شده تا تحولی بزرگ در محاسبات ابری و آموزش مدل‌های هوش مصنوعی ایجاد کند.

این زیرساخت عظیم برخلاف محیط‌های ابری سنتی، برای مدیریت پردازش‌های بسیارسنگین طراحی شده و هدف آن ایجاد بزرگ‌ترین دیتاسنتر توزیع‌شده دنیاست که همچون یک ابررایانه مجازی واحد برای حل بزرگ‌ترین چالش‌های جهانی عمل کند.

توزیع دیتاسنترها؛ ابتکار جدید مایکروسافت در دنیای هوش مصنوعی

مایکروسافت تراشه‌ها را با تراکم بالا در این دیتاسنترها قرار داده تا قدرت محاسبات افزایش یابد و تأخیر بین سرورها کاهش پیدا کند. برای مدیریت گرمای سخت‌افزار شاهد حجم زیادی کابل‌کشی و واترکولرهای پیشرفته هستیم که کولانت گرم‌شده را به خارج از ساختمان هدایت کرده و تقریباً آب تازه مصرف نمی‌شود.

شبکه WAN هوش مصنوعی مایکروسافت، داده‌ها را در هزاران کیلومتر جابه‌جا می‌کند. همچنین پروتکل‌های شبکه بهینه شده‌اند تا اطلاعات با حداقل تأخیر منتقل شود. این معماری نوآورانه به سایت‌ها اجازه می‌دهد از راه دور در فرآیندهای آموزش مدل هوش مصنوعی همکاری کرده و هر مرکز سهم خود را در پردازش محاسباتی ایفا کند.

بر اساس گزارش techradar مایکروسافت برای ساخت این سیستم‌های با توان عملیاتی بالا از سرورهای Fairwater بهره می‌برد که شامل واحدهای Nvidia GB200 NVL72 و تراشه‌های Blackwell است. این سخت‌افزار پیشرفته با سیستم‌های خنک‌کننده مایع همراه شده است.

دیتاسنترهای آتلانتا مشابه ویسکانسین طراحی شده و معماری یکپارچه‌ای دارند تا کارایی مورد نیاز برای شرکای کلیدی مایکروسافت مانند OpenAI و تیم‌های توسعه مدل‌های هوش مصنوعی حفظ شود.

مایکروسافت در همین رابطه گفته که رهبری در هوش مصنوعی تنها به افزودن GPU بیشتر محدود نمی‌شود و ایجاد زیرساختی که بتواند تمام واحدها را به عنوان یک سیستم یکپارچه هماهنگ کند از اهمیت بالایی برخوردار است.

این ابرکارخانه با حافظه ذخیره سازی در حد اگزابایت و میلیون‌ها هسته پردازشی می‌تواند مسیر آموزش مدل‌های بزرگ‌تر و پیچیده‌تر را هموار کرده و آینده محاسبات ابری و هوش مصنوعی را دگرگون کند.