يدخل إعادة تشكيل مراكز بيانات الذكاء الاصطناعي عصر قيود الطاقة: من تكديس وحدات GPU إلى سباق البنية التحتية بجهد 800V DC

إعادة تشكيل مراكز بيانات الذكاء الاصطناعي تدخل عصر قيود الطاقة: من تكديس وحدات GPU إلى سباق البنية التحتية بتيار مستمر 800V

تدخل بنية الذكاء الاصطناعي التحتية مرحلة جديدة: لم تعد عنق الزجاجة مقتصرة على إمدادات الشرائح فقط، بل أصبحت تشمل الطاقة والتبريد وقدرات التوزيع الكهربائي. ووفقًا لتقارير لوس أنجلوس تايمز حول القطاع، ومع استمرار شركات مثل Nvidia في طرح وحدات GPU وأنظمة رفوف أكثر أداءً، ترتفع كثافة القدرة في مراكز بيانات الذكاء الاصطناعي بسرعة، وأصبحت البنى التقليدية المصممة حول CPU وأعباء الأعمال العامة عاجزة عن تلبية متطلبات التدريب والاستدلال في الجيل الجديد من الذكاء الاصطناعي. كما أشارت التقارير إلى أن شركات مثل Nvidia وCoreWeave وGoogle وVertiv وGE Vernova تدفع نحو حلول مثل التبريد السائل وتبسيط إمدادات الطاقة وتوزيعها وأنظمة التيار المستمر 800V، بهدف تقليل الفاقد وتعزيز إنتاجية الحوسبة لكل وحدة مساحة.

تكمن أهمية هذا التحول ليس فقط في ظهور “غرف خوادم أكبر”، بل في أن منطق تصميم البنية التحتية لتقنية المعلومات في الشركات يُعاد كتابته: فربما يتعين على منصات السحابة المستقبلية ومراكز البيانات الخاصة وبيئات السحابة الهجينة أن تجيب أولًا عن سؤال: “كمية الكهرباء المتاحة؟ كيف سيتم تبديد الحرارة؟ وكيف يمكن الاتصال بالشبكة الكهربائية بشكل مستقر؟” ثم بعد ذلك: “كم عدد وحدات GPU التي يمكن تركيبها؟” بالنسبة إلى مديري التقنية التنفيذيين ومديري المعلومات التنفيذيين ومهندسي البنية المؤسسية، يعني هذا أن تقييم جدوى مشاريع الذكاء الاصطناعي ينتقل من كونه مسألة برمجيات ومشتريات إلى كونه مسألة تنسيق بين الطاقة والبنية التحتية.

التحليل التقني: لماذا تختلف مراكز بيانات الذكاء الاصطناعي عن مراكز البيانات التقليدية

تستضيف مراكز البيانات التقليدية بشكل أساسي تطبيقات الأعمال وقواعد البيانات والتخزين وخدمات الويب وأدوات التعاون المكتبي، وهذه الأعباء تعتمد عادة على CPU، مع كثافة قدرة يمكن التحكم بها نسبيًا داخل الرفوف. وتشير بيانات الصناعة التي نقلها التقرير إلى أن الرف القياسي للخوادم قد يحتاج فقط إلى 25 إلى 40 كيلوواط، بينما ترتفع متطلبات القدرة بسرعة في رفوف الذكاء الاصطناعي بسبب النشر الكثيف لوحدات GPU. ومع استمرار نمو حجم النماذج والتدريب المتوازي وإنتاجية الاستدلال، قفزت القدرة المطلوبة للرف الواحد من مراحل كثافة منخفضة في وقت سابق إلى مستوى مئات الكيلوواط، وقد تقترب مستقبلًا من مستوى الميجاواط.

والتحول الجوهري هنا هو أن الذكاء الاصطناعي ليس مشكلة يمكن حلها بمجرد “تشغيل عدة آلات افتراضية إضافية”. فالتدريب والاستدلال يعتمدان على تجمعات GPU شديدة التوازي، وتتطلب شبكات ذات عرض نطاق أعلى، ووصولًا أسرع إلى الذاكرة، وتزويدًا أكثر استقرارًا بالطاقة. وبعبارة أخرى، تُعد بنية الذكاء الاصطناعي نظامًا هندسيًا تُصمم فيه “القدرة الحاسوبية والشبكة والطاقة” معًا. وأي عنصر يتأخر سيقيد الأداء الإجمالي.

كما شدد التقرير على حقيقة كثيرًا ما تُغفل: جزء كبير من الكهرباء الداخلة إلى مركز البيانات لا يُستخدم مباشرة في الحوسبة، بل يُستهلك في أنظمة التبريد ونقل الطاقة لمسافات طويلة والتحويل عبر عدة مراحل من المحولات. ومع ارتفاع كثافة القدرة، ستتفاقم هذه الخسائر أكثر. لذلك بدأ القطاع في توسيع هدف التحسين من “كفاءة الخوادم” إلى “كفاءة السلسلة الكاملة من الشبكة الكهربائية إلى الشريحة”.

تحليل الأثر على الشركات: ميزانية بنية الذكاء الاصطناعي لم تعد مجرد شراء قدرة حاسوبية

بالنسبة إلى المستخدمين من الشركات، سيؤثر هذا الاتجاه مباشرة في هيكل النفقات الرأسمالية CAPEX والنفقات التشغيلية OPEX.أولًا، ترتفع النفقات الرأسمالية وتُقدَّم زمنيًا. عادةً ما تتمحور مشاريع تقنية المعلومات التقليدية حول الخوادم والتخزين وتراخيص البرمجيات، أما مراكز بيانات الذكاء الاصطناعي فتتطلب استثمارات متزامنة في معدات توزيع الكهرباء، وأنظمة التبريد السائل، وتعديلات غرف المعدات، ومصادر الطاقة الاحتياطية، وقدرات أعلى على الاتصال بالشبكة الكهربائية. وبعبارة أخرى، قد يضطرّت الشركات قبل نشر منصة ذكاء اصطناعي إلى الاستثمار في «البنية التحتية للبنية التحتية». وهذا يرفع العتبة الأولية، ويكون ذلك أكثر وضوحًا خصوصًا لدى الشركات التي ترغب في بناء منصة استدلال ذاتي أو سحابة ذكاء اصطناعي خاصة.

ثانيًا، تمتد النفقات التشغيلية من فاتورة الكهرباء إلى إدارة الطاقة. عندما ترتفع قدرة الرفوف، تصبح أسعار الكهرباء، وأحمال الذروة، وكفاءة التبريد، واستقرار الاتصال بالشبكة الكهربائية متغيرات تكلفة طويلة الأجل. وتشير التقارير إلى أن Nvidia تتعاون مع شركات برمجيات موفرة للطاقة مثل Emerald AI، في محاولة لتجنب الضغط المفرط على الشبكة أثناء فترات ذروة الاستهلاك، ما يعني أن تشغيل البنية التحتية للذكاء الاصطناعي بات يشبه أكثر فأكثر عمل «جدولة الطاقة»، وليس مجرد تشغيل تقني لتكنولوجيا المعلومات.

ثالثًا، يخضع وتيرة النشر للكهرباء وللإجراءات التنظيمية. حتى لو كانت لدى الشركة ميزانية، فهذا لا يعني أنها ستتمكن من التوسع فورًا. فقد تؤدي سعة الشبكة الكهربائية، ومرافق التحويل، وظروف الأرض، والتنظيم المحلي، واعتراض المجتمع على استهلاك مراكز البيانات للكهرباء إلى تأخير التسليم. وبالنسبة إلى الشركات التي تعتمد على سرعة إطلاق قدرات الذكاء الاصطناعي، فهذا يعني أن «دورة شراء القدرة الحاسوبية» قد تطول مجددًا، وأن نافذة التخطيط يجب أن تبدأ في وقت أبكر.

رابعًا، يرتفع البعد المتعلق بالأمن والامتثال بالتوازي. عندما تنشر الشركات مراكز البيانات بشكل موزع بهدف الاقتراب من مصادر الطاقة أو الطاقة المتجددة، يجب إعادة تقييم حوكمة البيانات عبر المناطق، والامتثال للسحابة السيادية، واستراتيجيات النسخ الاحتياطي، وتصميم التعافي من الأعطال. لم تعد منصة الذكاء الاصطناعي مجرد تجمع للقدرة الحاسوبية، بل أصبحت نظامًا معقدًا يعبر حدود الطاقة والشبكات والتنظيم.

تحليل المنافسة السوقية: مقدمو الخدمات السحابية وسلسلة توريد البنية التحتية يعيدون ترتيب مواقعهم

هذا التحول لا يحدث داخل غرف الخوادم فقط، بل يعيد تشكيل سلسلة التوريد بأكملها.

فيما يتعلق بمقدمي الخدمات السحابية، فإن محور المنافسة ينتقل من «التغطية الإقليمية» إلى «إتاحة الطاقة». كانت AWS وAzure وGoogle Cloud تتنافس سابقًا على عدد المناطق العالمية، وجودة الشبكة، ومنظومة الخدمات، لكن في عصر الذكاء الاصطناعي، من يتمكن أسرع من الحصول على طاقة مستقرة، ونشر رفوف عالية الكثافة، وتوفير التبريد السائل وعناقيد GPU، هو الأرجح أن يستحوذ على أعباء عمل الذكاء الاصطناعي عالية القيمة. وبالنسبة إلى عملاء الشركات، ستتغير أيضًا معايير اختيار المنصة السحابية: فلا يكفي النظر إلى السعر والوظائف، بل يجب أيضًا النظر إلى «ما إذا كانت هناك سعة ذكاء اصطناعي كافية»، و«ما إذا كانت تدعم النشر عالي الكثافة»، و«ما إذا كانت قادرة على ضمان نضج البنية التحتية للطاقة والتبريد».علاقة التعاون بين مورّدي الشرائح والخوادم أصبحت أيضًا أكثر تماسكًا. تشير التقارير إلى أن Nvidia تدفع نحو مستويات أعلى من التكامل في الشرائح وأنظمة الرفوف، وتختبر تصاميم أجهزة تُبسّط مسارات تزويد الطاقة. وهذا يعني أن شركات الشرائح لم تعد تكتفي ببيع بطاقات التسريع، بل أصبحت تسهم في تحديد معايير بنية مراكز البيانات. وبالنسبة إلى Dell وHPE وSupermicro وغيرهم من شركات الخوادم ومُدمجي الأنظمة، فذلك يمثل فرصة وضغطًا في آن واحد: فإذا أصبحت خزائن الذكاء الاصطناعي أكثر توحيدًا ونمطية في المستقبل، فإن من يستطيع أولًا تقديم حل متكامل حول منظومة جديدة للطاقة والتبريد سيكون الأقدر على احتلال بوابة الدخول إلى المشاريع.

ترتفع أيضًا أهمية شركات الكهرباء ومعدات الطاقة. تقليديًا، كانت البنية التحتية لمراكز البيانات تعتمد على “الطبقة الخفية” المكوّنة من أنظمة UPS والتوزيع الكهربائي والتبريد ومعدات التحويل. ومع استكشاف حلول مثل التيار المستمر 800V، والمحولات الصلبة، وتقليل حلقات التحويل، يصبح دور مزودي البنية التحتية مثل GE Vernova وVertiv أكثر حيوية. وبالنسبة إلى مشغلي مراكز البيانات، فالأمر لا يتعلق بمجرد شراء معدات، بل باختيار المسار المعماري للعشر سنوات المقبلة.

مراقبة اتجاهات الصناعة: تشكّل مراكز بيانات أصلية للذكاء الاصطناعي

على المدى الطويل، قد تقود هذه الموجة من التغييرات إلى أربعة اتجاهات.

1. ستستبدل السحابة الأصلية للذكاء الاصطناعي فكرة “السحابة العامة مع طبقة ذكاء اصطناعي فوقها”. في الماضي، كانت منصات السحابة تضيف وحدات GPU فوق بنية الخوادم القائمة؛ أما سحابة الذكاء الاصطناعي المستقبلية فقد تُصمَّم ابتداءً من الطاقة والتبريد والشبكات وتوزيع الرفوف. وستصبح أعباء عمل الذكاء الاصطناعي نقطة الانطلاق المعمارية، لا ميزة إضافية.

2. سيتحوّل التبريد السائل من خيار اختياري إلى إعداد رئيسي. مع استمرار ارتفاع كثافة قدرة وحدات GPU، ستتراجع الفائدة الهامشية للتبريد الهوائي. فالتبريد السائل ليس مجرد أداة لتوفير الطاقة، بل شرط أساسي لاستمرار تشغيل الحوسبة عالية الكثافة. وبالنسبة إلى الشركات، يجب أن تدمج تصاميم غرف الخوادم واختيار المعدات التبريد السائل ضمن التخطيط القياسي.

3. سيصبح التيار المستمر وتقليل مستويات التحويل اتجاهًا مهمًا. تشير التقارير إلى أن التحويلات المتعددة من الشبكة الكهربائية إلى الشريحة تسبب خسائر في الطاقة، ولذلك تستكشف الصناعة مسارات طاقة أقل خطوات وحلول التيار المستمر 800V. وإذا نضجت هذه الحلول، فقد تتحسن كفاءة الطاقة، واستغلال المساحة، وقدرة مراكز البيانات المستقبلية على دمج الطاقة المتجددة.

4. ستؤثر القيود الطاقية في التوزيع الجغرافي لنشر الذكاء الاصطناعي. عندما تصبح سعة الشبكة الكهربائية موردًا حاسمًا، قد لا تتركز بنية الذكاء الاصطناعي في مناطق السحابة التقليدية الكبرى، بل قد تنتقل إلى مناطق تتمتع بطاقة كهربائية أوفر، وإجراءات موافقة أسرع، وبنية طاقة أفضل. وبالنسبة إلى الشركات، سيؤثر ذلك في موضع البيانات، وبنية التعافي من الكوارث، واستراتيجية السحابة المتعددة.

مرجع لاتخاذ القرار المؤسسي: ما الذي يجب مراقبته الآن

• بالنسبة إلى الشركات التي تخطط لتوسيع قدراتها في الذكاء الاصطناعي، فإن الأهم حاليًا ليس اللهاث وراء GPU أقوى بشكل أعمى، بل بناء إطار لتقييم جدوى البنية التحتية للذكاء الاصطناعي. وينبغي أن يتضمن على الأقل الأبعاد التالية:- توقع احتياجات القدرة الحاسوبية: كم عدد وحدات GPU وكثافة الرفوف المطلوبة للتدريب والضبط الدقيق والاستدلال على التوالي؛
• تقييم سعة الطاقة: هل يمكن لغرف الخوادم الحالية ومناطق السحابة المستهدفة دعم النمو خلال الأشهر الـ12 إلى 24 القادمة؛
• مواءمة حلول التبريد: هل يلزم التبريد السائل، وما هي مدة التعديل والتكلفة؛
• اختيار نمط النشر: أيهما أنسب: السحابة العامة، أو مركز بيانات مُدار، أو سحابة خاصة، أو سحابة هجينة؛
• متطلبات الامتثال والسيادة: هل تتحرك البيانات عبر المناطق، وهل تنطبق لوائح القطاع؛
• التحكم في ذروة التكاليف: كيف نحقق التوازن بين أسعار الكهرباء والتوسعة ومعدل الاستفادة.

ومن هذا المنظور، تتحول ميزانية البنية التحتية للذكاء الاصطناعي إلى «إنفاق مقيد» في التحول الرقمي للمؤسسات، وقد تقترب أولويتها تدريجيًا من الشبكات والأمن وأنظمة ERP الأساسية.

CloudTechDaily Insight

تكمن الأهمية الأكبر لهذا التحول في الصناعة في أنه يكشف المنطق الأساسي الحقيقي للحوسبة السحابية في عصر الذكاء الاصطناعي: لم تعد المنافسة تدور فقط حول وظائف البرمجيات أو معلمات النماذج، بل أصبحت تدور حول الكهرباء والتبريد وتصميم البنية التحتية. وبالنسبة لاستراتيجية تقنية المعلومات في المؤسسات، لم تعد قدرات الذكاء الاصطناعي خدمة «تُشترى وتُستخدم مباشرة»، بل مشروعًا طويل الأمد يحتاج إلى تنسيق بين شبكة الكهرباء وغرف الخوادم ومناطق السحابة ونظام التشغيل والصيانة.

على مدى السنوات الخمس المقبلة، لن تكون المنصات السحابية وفرق تقنية المعلومات الأكثر تقدمًا بالضرورة هي تلك التي تملك أكبر عدد من وحدات GPU، بل تلك القادرة على دمج القدرة الحاسوبية والطاقة والتشغيل والصيانة في قدرة تسليم مستقرة. وبعبارة أخرى، فإن الفائزين في الموجة التالية من البنية التحتية للذكاء الاصطناعي قد لا يكونون مجرد مصنّعي الشرائح أو مزودي السحابة، بل الشركات القادرة على إعادة تصميم مراكز البيانات لتصبح منظومة بنية تحتية «تُعطي الأولوية للطاقة، أصلية للذكاء الاصطناعي، وقابلة للتشغيل المستدام». وبالنسبة إلى مسؤولي التكنولوجيا (CTO) ومسؤولي المعلومات (CIO)، ينبغي الآن إدراج الكهرباء والتبريد ضمن خارطة طريق الذكاء الاصطناعي، وإلا فقد لا تكون العقبة المستقبلية النموذج نفسه، بل رفوف الخوادم التي لا يمكن تشغيلها.