Umjetna inteligencija mijenja i način na koji se grade računalni sustavi. AI tvornica nije samo podatkovni centar pun grafičkih procesora, već infrastruktura koja kontinuirano proizvodi trenirane modele, AI usluge, predviđanja i automatizirane odluke
Prema dr. Thomasu Zachariji, višem potpredsjedniku AMD-a za strateška tehnološka partnerstva i javne politike, takvi sustavi zbog svoje veličine, potrošnje energije i gospodarske važnosti sve više postaju strateška infrastruktura, usporediva s velikim energetskim i industrijskim postrojenjima.
Za razliku od tradicionalnog superračunalnog centra, koji je prvenstveno usmjeren na znanstvene simulacije i druge definirane računalne zadatke, AI tvornica organizirana je oko kontinuiranog treniranja, prilagodbe i izvođenja AI modela. Granica između ta dva koncepta nije stroga, budući da koriste velik dio iste tehnologije, ali se razlikuju prema dominantnoj namjeni i organizaciji.
Od čipa do cijelog sustava
Suvremena AI infrastruktura zahtijeva puno više od snažnih akceleratora. Procesori, memorija, mreža, napajanje, hlađenje i softver moraju raditi kao cjelina. AMD svoju strategiju temelji na kombinaciji EPYC procesora, Instinct akceleratora, Pensando mrežnih rješenja i ROCm softverskog okruženja. Takav pristup vidljiv je i u platformi Helios, koja je projektirana na razini cijelog poslužiteljskog ormara. U takvom sustavu rack postaje svojevrsna proizvodna jedinica. Tekućinsko hlađenje mora odvoditi toplinu velikog broja akceleratora, dok mrežna infrastruktura mora omogućiti brz prijenos podataka između čvorova. Zbog toga se konkurentnost AI infrastrukture sve manje mjeri samo performansama jednog čipa, a sve više učinkovitošću cijelog sustava.
Energija postaje jedno od glavnih ograničenja
Rast AI infrastrukture izravno je povezan s dostupnošću električne energije. Lokacija budućih AI tvornica zato će ovisiti ne samo o dostupnosti zemljišta i mrežne infrastrukture, već i o kapacitetu elektroenergetske mreže, cijeni energije i regulatornim uvjetima. Poseban problem predstavlja prijenos podataka. Kako modeli postaju veći, memorijska propusnost i povezivanje između procesora i akceleratora mogu postati jednako važni kao njihova računalna snaga. AMD navodi da je u odnosu na sustave iz 2020. povećao energetsku učinkovitost računalnog čvora za treniranje AI modela i HPC za 38 puta. Kompanija istodobno cilja na dvadeseterostruko povećanje učinkovitosti na razini poslužiteljskog ormara do 2030. godine. Toplina proizvedena radom takvih sustava može se pritom iskoristiti i za grijanje objekata. Primjeri iz europskih superračunalnih centara pokazuju da AI infrastruktura u budućnosti može postati dio šire energetske infrastrukture gradova.
Europa traži vlastiti put
Europska unija planira razvoj AI gigatvornica kako bi povećala vlastite računalne kapacitete i smanjila ovisnost o velikim američkim i kineskim platformama. No, prema Zachariji, sama veličina infrastrukture neće biti dovoljna. AI tvornice trebale bi biti dostupne industriji, startupovima, sveučilištima i javnim istraživačkim institucijama. Otvorena i interoperabilna infrastruktura mogla bi pritom smanjiti ovisnost o jednom dobavljaču. Poseban potencijal Europe vidi se u primjeni AI-ja u proizvodnji, robotici, vozilima, energetici i kritičnoj infrastrukturi. Riječ je o području koje se sve češće opisuje kao fizička umjetna inteligencija, gdje se AI koristi za kontrolu kvalitete, predviđanje kvarova, automatizaciju i donošenje odluka u stvarnom vremenu.
AI tvornica tako postaje puno više od velikog računala. Ona je trajna digitalna proizvodna infrastruktura koja podatke pretvara u modele, a modele u konkretne usluge i industrijske rezultate.
