𝗔𝗜’𝘀 𝗣𝗼𝘄𝗲𝗿 𝗪𝗮𝗹𝗹: 𝗪𝗵𝘆 𝗢𝗿𝗯𝗶𝘁𝗮𝗹 𝗖𝗼𝗺𝗽𝘂𝘁𝗲 𝗖𝗼𝘂𝗹𝗱 𝗕𝗲𝗰𝗼𝗺𝗲 𝗮 𝗗𝗮𝘁𝗮 𝗖𝗲𝗻𝘁𝗲𝗿 𝗙𝗿𝗼𝗻𝘁𝗶𝗲𝗿
AI પાસે પાવરની સમસ્યા છે.
આ બ્રાન્ડિંગની સમસ્યા નથી. આ ભૌતિક ઈન્ફ્રાસ્ટ્રક્ચરની સમસ્યા છે.
દરેક AI મોડેલ, ઈમેજ જનરેટર અને કોડિંગ આસિસ્ટન્ટ વીજળી પર આધારિત છે. જેમ જેમ AI દરેક વ્યવસાય અને વૈજ્ઞાનિક કાર્યપ્રણાલીમાં પ્રવેશ કરી રહ્યું છે, તેમ તેમ ડેટા સેન્ટર્સ પર દબાણ વધી રહ્યું છે.
વર્ષો સુધી, ક્લાઉડ કમ્પ્યુટિંગ વધુ સર્વર્સ અને ફાઈબર ઉમેરીને વિસ્તર્યું હતું. AI નિયમો બદલી રહ્યું છે. હાઈ-ડેન્સિટી GPU ક્લસ્ટર્સને વિશાળ માત્રામાં પાવર, ભારે કૂલિંગ અને મોટા ગ્રીડ કનેક્શનની જરૂર હોય છે. ઘણા સ્થળોએ, મર્યાદા હવે GPU ખરીદવાની નથી. મર્યાદા તેમને ચલાવવા માટે પૂરતી વીજળી શોધવાની છે.
આથી જ ઓર્બિટલ કમ્પ્યુટ મહત્વનું છે.
તે આજે પૃથ્વી પરના ડેટા સેન્ટર્સનો વિકલ્પ નથી. તે એક સંકેત છે કે AI ની રેસ જમીન અને પાવર ગ્રીડથી આગળ વધી રહી છે.
માંગનું પ્રમાણ વિશાળ છે:
- 2024: ડેટા સેન્ટર્સ દ્વારા આશરે 415 TWh (વૈશ્વિક વીજળીનો 1.5%) વપરાશ થયો.
- 2030: માંગ 945 TWh (વૈશ્વિક વીજળીના લગભગ 3%) સુધી પહોંચી શકે છે.
- 2050: BloombergNEF અપેક્ષા રાખે છે કે માંગ 3,700 TWh (વૈશ્વિક પાવરના 8.7%) સુધી પહોંચશે.
આ સ્થાનિક ગ્રીડ પર દબાણ ઊભું કરે છે. એક સિંગલ મોટું ક્લસ્ટર નાના શહેર જેટલી વીજળીની માંગ કરી શકે છે. જ્યારે સ્વચ્છ ઊર્જા પૂરતી ઝડપથી પહોંચી શકતી નથી, ત્યારે કંપનીઓ ગેસ અથવા કોલસા તરફ વળી શકે છે.
ઓર્બિટલ કમ્પ્યુટ એક અલગ માર્ગ પ્રદાન કરે છે.
Starcloud-1 તાજેતરમાં NVIDIA H100 GPU સાથે અવકાશમાં લોન્ચ કરવામાં આવ્યું હતું. આ સાબિત કરે છે કે ડેટા-સેન્ટર-ક્લાસ હાર્ડવેર અવકાશમાં કાર્ય કરી શકે છે.
સ્પેસ કમ્પ્યુટ માટેનું તર્ક સરળ છે:
- AI ને વીજળીની જરૂર છે.
- અવકાશમાં પુષ્કળ સૌર ઊર્જા છે.
- પૃથ્વી પર ગ્રીડ પર દબાણ, જમીનની મર્યાદાઓ અને પરવાનગીમાં વિલંબ છે.
યોગ્ય કક્ષામાં રહેલો સેટેલાઇટ પૃથ્વી પરના સોલર ફાર્મ કરતા વધુ સતત સૌર ઊર્જા એકત્રિત કરી શકે છે. અવકાશ વાદળો, હવામાન અથવા કૂલિંગ માટે પાણીના વપરાશ વિના સૂર્યપ્રકાશ પ્રદાન કરે છે.
જોકે, અવકાશ એ કોઈ સરળ ઉકેલ નથી. તમે શૂન્યાવકાશમાં GPU ને ઠંડુ કરવા માટે પંખાનો ઉપયોગ કરી શકતા નથી. તમારે ઇન્ફ્રારેડ ઊર્જા દ્વારા ગરમીને દૂર કરવા માટે રેડિયેટર્સનો ઉપયોગ કરવો પડશે. તમારે રેડિયેશન, સંચારમાં વિલંબ અને ઊંચા લોન્ચિંગ ખર્ચ જેવી પડકારોનો પણ સામનો કરવો પડશે.
પ્રથમ વાસ્તવિક ઉપયોગના કિસ્સાઓ (use cases) સંભવિત રીતે આ હશે:
- અન્ય સેટેલાઇટ્સ માટે AI પ્રોસેસિંગ.
- Earth observation analytics.
- વૈજ્ઞાનિક વર્કલોડ્સ.
- Batch inference.
ધ્યેય ડેટા જ્યાં ઉત્પન્ન થાય છે ત્યાં જ તેને પ્રોસેસ કરવાનો છે. પૃથ્વી પર વિશાળ કાચી ફાઇલો મોકલવાને બદલે, સેટેલાઇટ્સ અવકાશમાં ડેટા પ્રોસેસ કરી શકે છે અને માત્ર નાના, ઉપયોગી પરિણામો જ પાછા મોકલી શકે છે.
AI ઇન્ફ્રાસ્ટ્રક્ચરની સ્પર્ધા હવે ઊર્જાની સ્પર્ધા બની રહી છે. ભવિષ્યમાં સૌથી મૂલ્યવાન સ્થળો એવા હશે જ્યાં પાવર સૌથી સસ્તો અને સૌથી વધુ વિશ્વસનીય હશે.
AI નું ભવિષ્ય માત્ર મોડેલના કદ દ્વારા નક્કી કરવામાં આવશે નહીં. તે પાવર, કૂલિંગ અને નેટવર્કિંગ દ્વારા નક્કી થશે.
વૈકલ્પિક લર્નિંગ કમ્યુનિટી: https://t.me/GyaanSetuAi