AI ਦੀ ਪਾਵਰ ਵਾਲ: ਕਿਉਂ ਓਰਬਿਟਲ ਕੰਪਿਊਟ ਡਾਟਾ ਸੈਂਟਰ ਦੀ ਇੱਕ ਨਵੀਂ ਸਰਹੱਦ ਬਣ ਸਕਦਾ ਹੈ
AI ਕੋਲ ਬਿਜਲੀ ਦੀ ਇੱਕ ਸਮੱਸਿਆ ਹੈ।
ਇਹ ਬ੍ਰਾਂਡਿੰਗ ਦੀ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ। ਇਹ ਭੌਤਿਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ (physical infrastructure) ਦੀ ਸਮੱਸਿਆ ਹੈ।
ਹਰ AI ਮਾਡਲ, ਇਮੇਜ ਜਨਰੇਟਰ ਅਤੇ ਕੋਡਿੰਗ ਸਹਾਇਕ ਬਿਜਲੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ AI ਹਰ ਵਪਾਰਕ ਅਤੇ ਵਿਗਿਆਨਕ ਕਾਰਜ ਪ੍ਰਣਾਲੀ (workflow) ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਰਿਹਾ ਹੈ, ਡਾਟਾ ਸੈਂਟਰਾਂ 'ਤੇ ਦਬਾਅ ਵਧ ਰਿਹਾ ਹੈ।
ਸਾਲਾਂ ਤੋਂ, ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਵਧੇਰੇ ਸਰਵਰ ਅਤੇ ਫਾਈਬਰ ਜੋੜ ਕੇ ਵਧਦੀ ਰਹੀ ਹੈ। AI ਨਿਯਮਾਂ ਨੂੰ ਬਦਲ ਰਿਹਾ ਹੈ। ਹਾਈ-ਡੈਂਸਿਟੀ GPU ਕਲੱਸਟਰਾਂ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਬਿਜਲੀ, ਭਾਰੀ ਕੂਲਿੰਗ ਅਤੇ ਵੱਡੇ ਗਰਿੱਡ ਕਨੈਕਸ਼ਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਕਈ ਥਾਵਾਂ 'ਤੇ, ਸੀਮਾ ਹੁਣ GPU ਖਰੀਦਣਾ ਨਹੀਂ ਰਹੀ। ਸੀਮਾ ਉਹਨਾਂ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਬਿਜਲੀ ਲੱਭਣਾ ਹੈ।
ਇਸੇ ਕਰਕੇ ਓਰਬਿਟਲ ਕੰਪਿਊਟ (orbital compute) ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਇਹ ਅੱਜ ਧਰਤੀ 'ਤੇ ਅਧਾਰਤ ਡਾਟਾ ਸੈਂਟਰਾਂ ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਸੰਕੇਤ ਹੈ ਕਿ AI ਦੀ ਦੌੜ ਜ਼ਮੀਨ ਅਤੇ ਪਾਵਰ ਗਰਿੱਡਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਰਹੀ ਹੈ।
ਮੰਗ ਦਾ ਪੈਮਾਨਾ ਬਹੁਤ ਵੱਡਾ ਹੈ:
- 2024: ਡਾਟਾ ਸੈਂਟਰਾਂ ਨੇ ਲਗਭਗ 415 TWh (ਗਲੋਬਲ ਬਿਜਲੀ ਦਾ 1.5%) ਦੀ ਵਰਤੋਂ ਕੀਤੀ।
- 2030: ਮੰਗ 945 TWh (ਗਲੋਬਲ ਬਿਜਲੀ ਦਾ ਲਗਭਗ 3%) ਤੱਕ ਪਹੁੰਚ ਸਕਦੀ ਹੈ।
- 2050: BloombergNEF ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਮੰਗ 3,700 TWh (ਗਲੋਬਲ ਪਾਵਰ ਦਾ 8.7%) ਤੱਕ ਪਹੁੰਚ ਜਾਵੇਗੀ।
ਇਹ ਸਥਾਨਕ ਗਰਿੱਡ 'ਤੇ ਦਬਾਅ ਪਾਉਂਦਾ ਹੈ। ਇੱਕ ਸਿੰਗਲ ਵੱਡਾ ਕਲੱਸਟਰ ਇੱਕ ਛੋਟੇ ਸ਼ਹਿਰ ਵਾਂਗ ਬਿਜਲੀ ਦੀ ਮੰਗ ਕਰ ਸਕਦਾ ਹੈ। ਜਦੋਂ ਸਾਫ਼ ਊਰਜਾ (clean energy) ਤੇਜ਼ੀ ਨਾਲ ਉਪਲਬਧ ਨਹੀਂ ਹੁੰਦੀ, ਤਾਂ ਕੰਪਨੀਆਂ ਗੈਸ ਜਾਂ ਕੋਲੇ ਵੱਲ ਮੁੜ ਸਕਦੀਆਂ ਹਨ।
ਓਰਬਿਟਲ ਕੰਪਿਊਟ ਇੱਕ ਵੱਖਰਾ ਰਸਤਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ।
Starcloud-1 ਨੂੰ ਹਾਲ ਹੀ ਵਿੱਚ ਇੱਕ NVIDIA H100 GPU ਦੇ ਨਾਲ ਓਰਬਿਟ ਵਿੱਚ ਲਾਂਚ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਸਾਬਤ ਕਰਦਾ ਹੈ ਕਿ ਡਾਟਾ-ਸੈਂਟਰ-ਕਲਾਸ ਹਾਰਡਵੇਅਰ ਪੁਲਾੜ ਵਿੱਚ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ।
ਸਪੇਸ ਕੰਪਿਊਟ (space compute) ਦਾ ਤਰਕ ਸਰਲ ਹੈ:
- AI ਨੂੰ ਬਿਜਲੀ ਦੀ ਲੋੜ ਹੈ।
- ਪੁਲਾੜ ਵਿੱਚ ਭਰਪੂਰ ਸੋਲਰ ਊਰਜਾ ਹੈ।
- ਧਰਤੀ 'ਤੇ ਗਰਿੱਡ ਦੀ ਭੀੜ, ਜ਼ਮੀਨ ਦੀਆਂ ਸੀਮਾਵਾਂ ਅਤੇ ਪਰਮਿਟ ਲੈਣ ਵਿੱਚ ਦੇਰੀ ਹੁੰਦੀ ਹੈ।
ਸਹੀ ਓਰਬਿਟ ਵਿੱਚ ਇੱਕ ਸੈਟੇਲਾਈਟ ਧਰਤੀ 'ਤੇ ਸੋਲਰ ਫਾਰਮ ਨਾਲੋਂ ਵਧੇਰੇ ਨਿਰੰਤਰਤਾ ਨਾਲ ਸੋਲਰ ਊਰਜਾ ਇਕੱਠੀ ਕਰ ਸਕਦਾ ਹੈ। ਪੁਲਾੜ ਬਿਨਾਂ ਬੱਦਲਾਂ, ਮੌਸਮ ਜਾਂ ਕੂਲਿੰਗ ਲਈ ਪਾਣੀ ਦੀ ਵਰਤੋਂ ਦੇ ਸੂਰਜ ਦੀ ਰੌਸ਼ਨੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
ਹਾਲਾਂਕਿ, ਪੁਲਾੜ ਕੋਈ ਆਸਾਨ ਹੱਲ ਨਹੀਂ ਹੈ। ਤੁਸੀਂ ਵੈਕਿਊਮ (vacuum) ਵਿੱਚ GPU ਨੂੰ ਠੰਡਾ ਕਰਨ ਲਈ ਪੱਖਿਆਂ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਤੁਹਾਨੂੰ ਇਨਫਰਾਰੈੱਡ ਊਰਜਾ ਰਾਹੀਂ ਗਰਮੀ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਰੇਡੀਏਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਪਵੇਗੀ। ਤੁਹਾਨੂੰ ਰੇਡੀਏਸ਼ਨ, ਸੰਚਾਰ ਵਿੱਚ ਦੇਰੀ ਅਤੇ ਲਾਂਚ ਦੀ ਉੱਚ ਲਾਗਤ ਵਰਗੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਵੀ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।
ਪਹਿਲੇ ਅਸਲ ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ (use cases) ਸ਼ਾਇਦ ਇਹ ਹੋਣਗੇ:
- ਹੋਰ ਸੈਟੇਲਾਈਟਾਂ ਲਈ AI ਪ੍ਰੋਸੈਸਿੰਗ।
- ਧਰਤੀ ਦੇ ਨਿਰੀਖਣ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ (Earth observation analytics)।
- ਵਿਗਿਆਨਕ ਵਰਕਲੋਡ।
- ਬੈਚ ਇਨਫਰੈਂਸ (Batch inference)।
ਟੀਚਾ ਡਾਟਾ ਨੂੰ ਉੱਥੇ ਹੀ ਪ੍ਰੋਸੈਸ ਕਰਨਾ ਹੈ ਜਿੱਥੇ ਇਹ ਪੈਦਾ ਹੁੰਦਾ ਹੈ। ਧਰਤੀ 'ਤੇ ਵੱਡੀਆਂ ਰੂ ਡੇਟਾ ਫਾਈਲਾਂ (raw files) ਭੇਜਣ ਦੀ ਬਜਾਏ, ਸੈਟੇਲਾਈਟ ਪੁਲਾੜ ਵਿੱਚ ਡਾਟਾ ਪ੍ਰੋਸੈਸ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਸਿਰਫ਼ ਛੋਟੇ, ਉਪਯੋਗੀ ਨਤੀਜੇ ਵਾਪਸ ਭੇਜ ਸਕਦੇ ਹਨ।
AI ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਦੌੜ ਹੁਣ ਊਰਜਾ ਦੀ ਦੌੜ ਬਣਦੀ ਜਾ ਰਹੀ ਹੈ। ਭਵਿੱਖ ਵਿੱਚ ਸਭ ਤੋਂ ਕੀਮਤੀ ਸਥਾਨ ਉਹੀ ਹੋਣਗੇ ਜਿੱਥੇ ਬਿਜਲੀ ਸਭ ਤੋਂ ਸਸਤੀ ਅਤੇ ਸਭ ਤੋਂ ਭਰੋਸੇਮੰਦ ਹੋਵੇਗੀ।
AI ਦਾ ਭਵਿੱਖ ਸਿਰਫ਼ ਮਾਡਲ ਦੇ ਆਕਾਰ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕੀਤਾ ਜਾਵੇਗਾ। ਇਸ ਦਾ ਫੈਸਲਾ ਬਿਜਲੀ, ਕੂਲਿੰਗ ਅਤੇ ਨੈੱਟਵਰਕਿੰਗ ਦੁਆਰਾ ਕੀਤਾ ਜਾਵੇਗਾ।
ਵਿਕਲਪਿਕ ਸਿੱਖਣ ਕਮਿਊਨਿਟੀ: https://t.me/GyaanSetuAi