Crusoe و Lancium ساخت یک مجموعه مرکز داده هوش مصنوعی (AI) با ظرفیت ۱ گیگاوات را در Childress تگزاس آغاز کردهاند. آنها از واحدهای ماژولار با سوخت گاز و نرمافزار متعادلسازی شبکه استفاده میکنند تا از انتظار معمول پنج تا هفت ساله برای اتصال به شبکه برق عمومی جلوگیری کنند. این رویکرد، سایت را سریعتر از یک مرکز داده سنتی راهاندازی میکند؛ مزیتی حیاتی برای شرکتهایی که در رقابت برای افزایش توان محاسباتی هستند.
چرا این میانبر اهمیت دارد
مراکز داده سنتی برای تأمین ظرفیت جدید شبکه به سازمانهای انتقال منطقهای وابسته هستند، فرآیندی که میتواند تا نیم دهه طول بکشد. توسعهدهندگان یا در جاهای دیگر بیش از حد ساختوساز میکنند یا برای ارتقاهای پرهزینه، دست روی دست میگذارند. در تگزاس، جایی که ERCOT بازار برق را مدیریت میکند، این گلوگاه بیشترین فشار را بر مزارع هوش مصنوعی در مقیاس مگاوات که به برق قابل اعتماد و با چگالی بالا نیاز دارند، وارد میکند.
راهکار دوجانبه
واحدهای ماژولار گازی Crusoe: هر واحد با گاز طبیعی حبسشده (stranded natural gas) کار میکند؛ سوختی جانبی که چاههای نفت اغلب آن را میسوزانند یا دفع میکنند. استحصال این گاز، هزینههای سوخت مرکز داده را به شدت کاهش میدهد و نیاز به اتصال به شبکه اصلی برای تأمین برق اولیه را از بین میبرد. از آنجایی که این واحدها در کارخانه ساخته شده و به صورت پادهای (pods) کامل ارسال میشوند، میتوان آنها را در عرض چند هفته در محل مستقر و متصل کرد.
نرمافزار متعادلسازی شبکه Lancium: Lancium پیش از این قراردادی ۱ گیگاواتی برای تجارت برق در بازار ERCOT منعقد کرده است. پلتفرم آن با جذب تولید مازاد انرژیهای تجدیدپذیر یا مازاد عرضه گاز، بار مصرفی مجموعه را هموار کرده و در حین استفاده سایت از برق، شبکه محلی را پایدار نگه میدارد. این نرمافزار مانند یک باتری مجازی عمل کرده و تقاضا را با هر میزان تولیدی که در هر لحظه در دسترس باشد، تطبیق میدهد.
هدف این سختافزار و نرمافزار، رسیدن به ظرفیت کامل تا سال ۲۰۳۰ و در عین حال دور زدن لیستهای انتظار طولانی شرکتهای خدمات عمومی است. شرکا هدف خود را راهاندازی ۱ گیگاوات تا آن سال قرار دادهاند تا با جهش پیشبینیشده در تقاضای محاسبات هوش مصنوعی مطابقت داشته باشد.
بافت گستردهتر
تحلیلگران صنعت انتظار دارند مخارج زیرساختهای ابری جهانی تا سال ۲۰۲۸، که عمدتاً ناشی از آموزش و استنتاج هوش مصنوعی است، به ۱.۲ تریلیون دلار برسد. شرکتهایی که میتوانند توان محاسباتی جدید را به سرعت آنلاین کنند، مزیت رقابتی به دست میآورند. مدل گاز-محور Crusoe میان پروژههای صرفاً تجدیدپذیر (که از مشکل عدم قطعیت در تولید رنج میبرند) و سایتهای کاملاً وابسته به شبکه (که در مراحل دریافت مجوز متوقف میشوند) قرار میگیرد.
ریسکها و نکات متقابل
استفاده از گاز طبیعی، حتی گاز حبسشده، پرسشهای زیستمحیطی ایجاد میکند. اگرچه این سوخت در غیر این صورت هدر میرفت، اما سوزاندن آن همچنان باعث انتشار CO₂ و آلایندههای مرتبط با متان میشود. منتقدان هشدار میدهند که گسترش این مدل میتواند در زمانی که بسیاری از شرکتهای فناوری متعهد به اهداف کربنخنثی هستند، وابستگی به سوختهای فسیلی را تثبیت کند. تغییرات مقرراتی که تولید برق با گاز را جریمه میکنند نیز میتواند به اقتصاد این طرح آسیب برساند.
آنچه باید زیر نظر داشت
- اجرای فاز اول: جدول زمانی عملیاتی شدن اولین پادهای ماژولار مشخص خواهد کرد که آیا ادعای سرعت آنها واقعیت دارد یا خیر.
- هزینههای سرمایهای: پس از افشا شدن، ارقام کل سرمایهگذاری نشان خواهد داد که هزینه در مقایسه با ساختوسازهای سنتی چگونه است.
- تعهدات مستأجران: اجاره دادن فضا به یک بازیگر بزرگ در حوزه هوش مصنوعی یا ابری، مدل مذکور را تأیید کرده و احتمالاً مشتریان بیشتری را جذب خواهد کرد.
اگر مجموعه Childress به هدف ۱ گیگاواتی خود طبق برنامه برسد، میتواند مسیری قابل تکرار برای ارائهدهندگان هوش مصنوعی جهت دور زدن گلوگاههای شبکه فراهم کند، بهویژه در مناطقی که ظرفیت انتقال جدید کمیاب است. این آزمایش مشخص خواهد کرد که آیا میتوان بین سرعت استقرار و استفاده از سوختهای فسیلی، در بازاری که به طور فزایندهای برای پایداری ارزش قائل است، تعادل برقرار کرد یا خیر.