AI ची पॉवर वॉल: ऑर्बिटल कम्प्युट डेटा सेंटरची नवीन सीमा का ठरू शकते?
AI कडे ऊर्जेची समस्या आहे.
ही ब्रँडिंगची समस्या नाही. ही भौतिक पायाभूत सुविधांची (physical infrastructure) समस्या आहे.
प्रत्येक AI मॉडेल, इमेज जनरेटर आणि कोडिंग असिस्टंट विजेवर अवलंबून असतो. जसा AI प्रत्येक व्यवसाय आणि वैज्ञानिक कार्यप्रणालीमध्ये (workflow) प्रवेश करत आहे, तसा डेटा सेंटर्सवरील ताण वाढत आहे.
अनेक वर्षे, क्लाउड कम्प्युटिंगमध्ये अधिक सर्व्हर्स आणि फायबर जोडून विस्तार केला गेला. AI ने हे नियम बदलले आहेत. हाय-डेन्सिटी GPU क्लस्टर्सना प्रचंड प्रमाणात वीज, मोठ्या प्रमाणावर कूलिंग आणि मोठ्या ग्रिड कनेक्शनची आवश्यकता असते. अनेक ठिकाणी, आता मर्यादा केवळ GPU खरेदी करण्याची राहिलेली नाही. मर्यादा ती आहे की त्यांना चालवण्यासाठी पुरेशी वीज शोधणे.
म्हणूनच ऑर्बिटल कम्प्युट महत्त्वाचे आहे.
हे आज पृथ्वीवरील डेटा सेंटर्सचा पर्याय नाही. हे एक संकेत आहे की AI ची स्पर्धा आता जमीन आणि पॉवर ग्रिड्सच्या पलीकडे जात आहे.
मागणीचे प्रमाण प्रचंड आहे:
- २०२४: डेटा सेंटर्सनी सुमारे ४१५ TWh (जागतिक विजेचा १.५%) वापर केला.
- २०३०: मागणी ९४५ TWh (जागतिक विजेच्या जवळपास ३%) पर्यंत पोहोचू शकते.
- २०५०: BloombergNEF नुसार मागणी ३,७०० TWh (जागतिक ऊर्जेच्या ८.७%) पर्यंत पोहोचण्याची शक्यता आहे.
यामुळे स्थानिक ग्रिडवर ताण येतो. एक मोठा क्लस्टर एका लहान शहराइतकी वीज मागू शकतो. जेव्हा स्वच्छ ऊर्जा वेगाने उपलब्ध होऊ शकत नाही, तेव्हा कंपन्या गॅस किंवा कोळशाकडे वळू शकतात.
ऑर्बिटल कम्प्युट एक वेगळा मार्ग सुचवते.
Starcloud-1 ने नुकतेच NVIDIA H100 GPU सह कक्षेत प्रक्षेपण केले आहे. यावरून हे सिद्ध होते की डेटा-सेंटर-क्लास हार्डवेअर अंतराळात कार्य करू शकते.
स्पेस कम्प्युटचे तर्क साधे आहे:
- AI ला विजेची गरज असते.
- अंतराळात मुबलक सौर ऊर्जा उपलब्ध आहे.
- पृथ्वीवर ग्रिडची गर्दी, जमिनीच्या मर्यादा आणि परवानग्या मिळण्यास होणारा विलंब अशा समस्या आहेत.
योग्य कक्षेत असलेला उपग्रह पृथ्वीवरील सौर फार्मपेक्षा अधिक सातत्याने सौर ऊर्जा गोळा करू शकतो. अंतराळात ढग, हवामान किंवा कूलिंगसाठी पाण्याचा वापर न करता सूर्यप्रकाश उपलब्ध असतो.
तथापि, अंतराळ हा कोणताही सोपा उपाय नाही. तुम्ही निर्वातामध्ये (vacuum) GPU थंड करण्यासाठी पंख्यांचा वापर करू शकत नाही. उष्णता इन्फ्रारेड ऊर्जेद्वारे बाहेर टाकण्यासाठी तुम्हाला रेडिएटर्स वापरावे लागतील. तुम्हाला रेडिएशन, संवादातील विलंब आणि उच्च प्रक्षेपण खर्च यांसारख्या आव्हानांचाही सामना करावा लागतो.
पहिले वास्तविक उपयोग (use cases) बहुधा खालीलप्रमाणे असतील:
- इतर उपग्रहांसाठी AI प्रोसेसिंग.
- पृथ्वी निरीक्षण विश्लेषण (Earth observation analytics).
- वैज्ञानिक कार्यभार (Scientific workloads).
- बॅच इन्फरन्स (Batch inference).
डेटा जिथे तयार होतो तिथेच त्यावर प्रक्रिया करणे हे याचे उद्दिष्ट आहे. पृथ्वीवर मोठ्या कच्च्या फाईल्स (raw files) पाठवण्याऐवजी, उपग्रह अंतराळातच डेटावर प्रक्रिया करू शकतात आणि केवळ लहान, उपयुक्त निकाल परत पाठवू शकतात.
AI पायाभूत सुविधांची स्पर्धा आता ऊर्जेची स्पर्धा बनत चालली आहे. भविष्यात अशी ठिकाणे सर्वात मौल्यवान ठरतील जिथे वीज सर्वात स्वस्त आणि सर्वात विश्वसनीय असेल.
AI चे भविष्य केवळ मॉडेलच्या आकारमानाने ठरवले जाणार नाही. ते वीज, कूलिंग आणि नेटवर्किंगद्वारे ठरवले जाईल.
ऐच्छिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi