آبان
اخبار
انویدیا DSX POD را معرفی کرد: دیتاسنتر هوش مصنوعی ۱۴ روزه در کانتینر
انویدیا در رویداد GTC برلین ماژول DSX POD را معرفی کرد؛ کانتینری آماده با هفت رک Vera Rubin NVL72 که به ادعای این شرکت زمان راه‌اندازی دیتاسنتر هوش مصنوعی را از حدود شش ماه به ۱۴ روز می‌رساند.
لیست مطالب
۱. DSX POD دقیقاً چیست؟
ماژول DSX POD یک طراحی مرجع ماژولار برای دیتاسنترهای مبتنی بر پردازنده‌های Vera Rubin است و بخشی از پلتفرم DSX AI Factory انویدیا محسوب می‌شود. به زبان ساده، به‌جای اینکه سالن، قفسه، کابل و لوله را ماه‌ها در محل نصب کنید، یک کانتینر کاملاً مونتاژشده و تست‌شده تحویل می‌گیرید و آن را به برق، خنک‌سازی و شبکه سایت وصل می‌کنید.
طبق گزارش‌ها، هر ماژول از هفت رک Vera Rubin NVL72 تشکیل شده و شبکه، کابل‌کشی و سیستم خنک‌کننده از پیش در آن نصب شده است. ایان باک، معاون انویدیا در حوزه محاسبات ابرمقیاس و HPC، آن را یک کانتینر «کاملاً مونتاژشده، کاملاً تست‌شده، از پیش لوله‌کشی‌شده و از پیش اعتبارسنجی‌شده» توصیف کرده است.
این رویکرد شباهت زیادی به ساخت صنعتی دارد؛ همان‌طور که خانه‌های پیش‌ساخته در کارخانه تولید و در محل سوار می‌شوند، بخش بزرگی از کار پیچیده‌ی دیتاسنتر هم به کارخانه منتقل می‌شود. اگر با مفهوم شرکت‌های بزرگ هوش مصنوعی و نیازهای محاسباتی آن‌ها آشنا باشید، می‌دانید که زیرساخت یکی از بزرگ‌ترین گلوگاه‌های این صنعت است.
۲. از شش ماه به ۱۴ روز؛ ادعای اصلی انویدیا
مهم‌ترین عدد خبر زمان است. انویدیا می‌گوید استقرار در یک سایت آماده را از حدود شش ماه به حداقل ۱۴ روز کاهش می‌دهد. نکته‌ی کلیدی عبارت «سایت آماده» است: یعنی زمین، برق و زیرساخت پایه باید از قبل مهیا باشد و ۱۴ روز فقط زمان نصب و راه‌اندازی خود ماژول است، نه ساخت یک دیتاسنتر از صفر.
این ادعا برای سازمان‌هایی جذاب است که می‌خواهند صدها مگاوات ظرفیت محاسباتی هوش مصنوعی را بدون پروژه‌ی ساخت سنتی و طولانی وارد مدار کنند. در دنیایی که تقاضا برای ظرفیت پردازشی از عرضه جلو زده، هر ماه تأخیر می‌تواند معادل از دست رفتن بازار باشد.
چرا زمان این‌قدر مهم است؟
شرکت‌هایی که مدل‌های بزرگ آموزش می‌دهند یا سرویس‌های هوش مصنوعی ارائه می‌کنند، به ظرفیت پردازشی وابسته‌اند. اگر ساخت دیتاسنتر شش ماه طول بکشد، برنامه‌ی عرضه‌ی محصول عقب می‌افتد. ماژول آماده این تأخیر را کوتاه می‌کند و ریسک پروژه را هم کاهش می‌دهد، چون تجهیزات پیش از ارسال در کارخانه آزمایش شده‌اند.
۳. شریک‌ها و زمان عرضه
انویدیا برای این طرح با ۱۷ شریک کار می‌کند. نام‌هایی که در گزارش‌ها آمده شامل Anduril، Armada، Bull، Crusoe، DayOne، Dell Technologies، Delta، Eaton، Foxconn، Gigabyte، HPE، Lenovo، Pegatron، Quanta Cloud Technology، Schneider Electric، Vertiv و Wistron است. ترکیب این فهرست نشان می‌دهد طرح فقط درباره‌ی تراشه نیست؛ سازندگان سرور، تأمین‌کنندگان برق و خنک‌سازی و شرکت‌های دیتاسنتری همگی درگیرند.
زمان عرضه هم مشخص شده است: شرکای انویدیا از اوایل ۲۰۲۷ تحویل تأسیسات DSX POD را در سراسر جهان آغاز می‌کنند. بنابراین این خبر فعلاً یک «معرفی و نقشه‌ی راه» است، نه محصولی که امروز بتوان خرید.
۴. مصرف برق و آب؛ ادعاهایی که باید راستی‌آزمایی شوند
انویدیا چند ادعای مهم درباره‌ی بهره‌وری مطرح کرده است. بر اساس این ادعاها، پلتفرم DSX از خنک‌سازی مایع حلقه‌بسته به‌همراه خنک‌کننده‌های خشک بیرونی استفاده می‌کند که گرما را بدون تبخیر آب دفع می‌کنند. انویدیا می‌گوید این روش می‌تواند مصرف آب خنک‌سازی را تا ۱۰۰ درصد کاهش دهد و در مقیاس دو گیگاوات، روزانه ۵۴ میلیون لیتر آب نسبت به سیستم‌های برج خنک‌کننده صرفه‌جویی کند.
در بخش انرژی هم شرکت می‌گوید با همان خروجی توکن، تا ۳۰ درصد برق کمتری مصرف می‌شود. دو قابلیت دیگر هم معرفی شده‌اند: DSX MaxLPS که توان را در بودجه‌ی برق تأسیسات به‌صورت پویا توزیع می‌کند، و DSX Flex که دیتاسنتر را به یک «دارایی انعطاف‌پذیر برای شبکه‌ی برق» تبدیل می‌کند تا بار کاری را بر اساس نیاز شبکه و قیمت انرژی تنظیم کند.
باید توجه کرد که همه‌ی این اعداد از سوی خود انویدیا اعلام شده و هنوز مستقل تأیید نشده‌اند. خود شرکت هم اشاره کرده که در اقلیم‌های بسیار گرم ممکن است خنک‌سازی مکانیکی اضافه لازم شود.
۵. چه کسانی از DSX POD استفاده می‌کنند؟
به نظر تحلیلگر IDC، آشیش نادکارنی، این ماژول‌ها برای سه سناریو مناسب‌اند: استقرارهای «هوش مصنوعی حاکمیتی» که به جداسازی فیزیکی نیاز دارند، استقرارهای کوچک‌تر و پردازش لبه. او این طرح را راهی برای دسترسی به ظرفیت شتاب‌یافته «به‌صورت تحویل کلید در دست، در هر جا که تقاضا وجود دارد» توصیف کرده است.
مفهوم هوش مصنوعی حاکمیتی یعنی کشورها و سازمان‌ها بخواهند داده و پردازش را در مرز یا زیرساخت خودشان نگه دارند. یک ماژول آماده که در همان کشور نصب شود، برای چنین نیازی ایده‌آل است. برای درک بهتر کاربردهای واقعی فناوری، مقاله‌ی پتانسیل و محدودیت‌های هوش مصنوعی در دنیای واقعی را هم بخوانید.
۶. افزایش ظرفیت تولید؛ گلوگاه واقعی کجاست؟
همراه با DSX POD، انویدیا برنامه‌ی گسترش تولید را هم اعلام کرد. بر اساس این برنامه، ظرفیت زیرلایه (substrate) طی سه سال ۲٫۵ برابر می‌شود، ظرفیت بسته‌بندی پیشرفته تا سال ۲۰۲۸ بیش از ۳۰۰ درصد رشد می‌کند، و ظرفیت موتورهای نوری هم‌بسته (co-packaged optics) تا میانه‌ی ۲۰۲۷ پانزده برابر می‌شود و هدف آن است که تا پایان ۲۰۲۸ دوباره دو برابر شود.
این اعداد نشان می‌دهد که حتی با وجود ماژول آماده، مسئله‌ی اصلی صنعت هنوز ظرفیت ساخت قطعات است. بسته‌بندی پیشرفته و زیرلایه از همان بخش‌هایی هستند که در سال‌های اخیر تولید تراشه‌های هوش مصنوعی را محدود کرده‌اند.
۷. OpenShell؛ معماری مهار ایجنت‌های هوش مصنوعی
بخش جالب دیگر خبر، معماری مرجع OpenShell است؛ چارچوبی برای حاکمیت بر ایجنت‌های هوش مصنوعی که تعیین می‌کند ایجنت به چه چیزی دسترسی دارد، چه کاری می‌تواند انجام دهد، رفتارش چطور پایش می‌شود و در صورت فعالیت ناامن چه سیاستی اجرا شود.
در این معماری، سامانه‌های Vera Rubin NVL72 برای آموزش و استنتاج به کار می‌روند و سامانه‌های Vera مهار ایجنت را اجرا می‌کنند. کارت‌های BlueField DPU هم نقش یک ناظر امنیتی ایزوله را میان این دو بخش دارند. بر اساس گزارش‌ها، شرکت‌های Anthropic، AWS، Google Cloud، Meta، Microsoft، OpenAI و Perplexity در میان کاربران یا همراهان این معماری نام برده شده‌اند.
این موضوع با روند امروز بازار هماهنگ است: ایجنت‌های هوش مصنوعی روزبه‌روز مستقل‌تر می‌شوند و نیاز به کنترل در سطح زیرساخت بیشتر. اگر تازه با دنیای ایجنت‌ها آشنا شده‌اید، آموزش‌های ChatGPT در سایت شروع خوبی است.
۸. این خبر برای کاربران و کسب‌وکارها چه معنایی دارد؟
برای کاربر عادی، اثر مستقیم و فوری وجود ندارد؛ اما در بلندمدت، هرچه ظرفیت محاسباتی سریع‌تر و ارزان‌تر در دسترس قرار بگیرد، مدل‌ها و سرویس‌های هوش مصنوعی هم سریع‌تر و ارزان‌تر می‌شوند. برای شرکت‌ها، به‌ویژه در حوزه‌ی هوش مصنوعی حاکمیتی، این ماژول‌ها می‌توانند آستانه‌ی ورود را پایین بیاورند. در همین زمینه، مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار دید خوبی می‌دهد.
از سوی دیگر باید محتاط بود. ماژول تا ۲۰۲۷ عرضه نمی‌شود، قیمتی اعلام نشده و بسیاری از اعداد بهره‌وری هنوز از سوی شخص ثالث تأیید نشده‌اند. تجربه نشان داده فاصله‌ی «معرفی روی صحنه» تا «تحویل در مقیاس» معمولاً بیشتر از چیزی است که در اسلایدها دیده می‌شود. آخرین اخبار این حوزه را در بخش اخبار هوش مصنوعی دنبال کنید.
نکته‌هایی که باید زیر نظر گرفت
سه موضوع را در ماه‌های آینده دنبال کنید: نخست قیمت و مدل فروش ماژول‌ها، دوم نتایج مستقل آزمایش مصرف برق و آب، و سوم اینکه شرکای صنعتی مانند Dell، HPE و Schneider Electric چه زمانی نخستین نمونه‌های تحویل‌شده را نشان می‌دهند. تا آن زمان، DSX POD بیشتر یک جهت‌گیری استراتژیک است: انویدیا می‌خواهد فقط تراشه نفروشد و کل «کارخانه‌ی هوش مصنوعی» را به‌صورت بسته‌ی آماده عرضه کند.
برای کسانی که در ایران یا هر بازار دیگری مسیر هوش مصنوعی را دنبال می‌کنند، پیام روشن است: رقابت آینده فقط بر سر مدل‌ها نیست، بلکه بر سر توان تأمین برق، خنک‌سازی و ظرفیت پردازشی هم هست. آشنایی با اصول پرامپت‌نویسی کمک می‌کند از همین زیرساخت‌ها بهترین خروجی را بگیرید.
۹. پرسش‌های متداول
DSX POD چیست؟
یک ماژول کانتینری و از پیش مونتاژشده‌ی انویدیا برای دیتاسنتر هوش مصنوعی که شامل هفت رک Vera Rubin NVL72 با شبکه، کابل‌کشی و خنک‌سازی نصب‌شده است.
راه‌اندازی واقعاً ۱۴ روز طول می‌کشد؟
انویدیا می‌گوید در یک سایت آماده، زمان استقرار از حدود شش ماه به ۱۴ روز می‌رسد. این عدد به آماده بودن برق، خنک‌سازی و زیرساخت سایت بستگی دارد و هنوز در عمل آزمایش نشده است.
DSX POD کی عرضه می‌شود؟
بر اساس اعلام انویدیا و شرکا، تحویل جهانی از اوایل ۲۰۲۷ آغاز می‌شود.
قیمت DSX POD چقدر است؟
تا زمان انتشار این مقاله، قیمتی اعلام نشده است.
آیا ادعای ۳۰ درصد صرفه‌جویی برق تأیید شده است؟
خیر. این عدد ادعای خود انویدیا است و هنوز منبع مستقلی آن را تأیید نکرده است.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
