𝗔𝗜’𝘀 𝗣𝗼𝘄𝗲𝗿 𝗪𝗮𝗹𝗹: 𝗪𝗵𝘆 𝗢𝗿𝗯𝗶𝘁𝗮𝗹 𝗖𝗼𝗺𝗽𝘂𝘁𝗲 𝗖𝗼𝘂𝗹𝗱 𝗕𝗲𝗰𝗼𝗺𝗲 𝗮 𝗗𝗮𝘁𝗮 𝗖𝗲𝗻𝘁𝗲𝗿 𝗙𝗿𝗼𝗻𝘁𝗶𝗲𝗿
AI ma problem z energią.
To nie jest problem wizerunkowy. To problem z fizyczną infrastrukturą.
Każdy model AI, generator obrazów i asystent programowania zależy od energii elektrycznej. W miarę jak AI przenika do każdego procesu biznesowego i naukowego, presja na centra danych rośnie.
Przez lata skalowanie chmury odbywało się poprzez dodawanie kolejnych serwerów i światłowodów. AI zmienia zasady gry. Gęste klastry GPU wymagają ogromnych ilości energii, intensywnego chłodzenia i dużych przyłączy do sieci. W wielu miejscach ograniczeniem nie jest już zakup procesorów GPU. Ograniczeniem jest znalezienie wystarczającej ilości energii elektrycznej, aby je zasilić.
Właśnie dlatego obliczenia orbitalne mają znaczenie.
Obecnie nie stanowią one zastępstwa dla ziemskich centrów danych. Są sygnałem, że wyścig w dziedzinie AI wykracza poza ląd i sieci energetyczne.
Skala popytu jest ogromna:
- 2024: Centra danych zużyły około 415 TWh (1,5% światowej energii elektrycznej).
- 2030: Popyt może osiągnąć 945 TWh (niemal 3% światowej energii elektrycznej).
- 2050: BloombergNEF przewiduje, że popyt osiągnie 3700 TWh (8,7% światowej energii).
Powoduje to przeciążenia lokalnych sieci. Pojedynczy duży klaster może wymagać takiej ilości energii, jak małe miasto. Gdy czysta energia nie może być dostarczana wystarczająco szybko, firmy mogą zwrócić się ku gazowi lub węglowi.
Obliczenia orbitalne oferują inną ścieżkę.
Starcloud-1 niedawno wyniesiono na orbitę wraz z procesorem GPU NVIDIA H100. Dowodzi to, że sprzęt klasy centrów danych może pracować w przestrzeni kosmicznej.
Logika obliczeń kosmicznych jest prosta:
- AI potrzebuje energii elektrycznej.
- W kosmosie dostępna jest obfita energia słoneczna.
- Na Ziemi występują przeciążenia sieci, ograniczenia gruntów i opóźnienia w uzyskiwaniu pozwoleń.
Satelita na odpowiedniej orbicie może gromadzić energię słoneczną bardziej stabilnie niż farma fotowoltaiczna na Ziemi. Kosmos oferuje światło słoneczne bez chmur, zjawisk pogodowych czy konieczności zużywania wody do chłodzenia.
Jednak kosmos nie jest prostym rozwiązaniem. W próżni nie można użyć wentylatorów do chłodzenia procesora GPU. Należy użyć radiatorów, aby odprowadzać ciepło poprzez promieniowanie podczerwone. Wyzwaniem jest również promieniowanie, opóźnienia w komunikacji oraz wysokie koszty wyniesienia na orbitę.
Pierwsze realne zastosowania prawdopodobnie obejmą:
- Przetwarzanie AI dla innych satelitów.
- Analitykę obserwacji Ziemi.
- Obciążenia naukowe.
- Wnioskowanie wsadowe (batch inference).
Celem jest przetwarzanie danych tam, gdzie powstają. Zamiast przesyłać na Ziemię ogromne surowe pliki, satelity mogą przetwarzać dane w kosmosie i przesyłać z powrotem jedynie małe, użyteczne wyniki.
Wyścig o infrastrukturę AI staje się wyścigiem o energię. Najbardziej wartościowe lokalizacje w przyszłości będą tam, gdzie energia jest najtańsza i najbardziej niezawodna.
O przyszłości AI nie zadecyduje wyłącznie rozmiar modelu. Zadecydują o niej energia, chłodzenie i łączność sieciowa.
Opcjonalna społeczność edukacyjna: https://t.me/GyaanSetuAi