NVIDIA توضح العوامل الثلاثة الرئيسية لربحية مراكز بيانات الذكاء الاصطناعي

كشفت NVIDIA مؤخراً عن كيفية تعظيم العوائد المالية من البنية التحتية الضخمة للذكاء الاصطناعي، والتي تُعرف بمصانع الذكاء الاصطناعي. تعتمد هذه الاستراتيجية على ثلاثة ركائز: حجم الإيرادات الممكنة، وطول العمر الافتراضي للأجهزة، وتنوع الطلب على مهام العمل.

تعد الإنتاجية المحرك الأساسي للأرباح. ومن خلال تحسين أجهزة مثل NVIDIA Vera Rubin NVL72، يرفع المشغلون عدد الرموز المنتجة لكل ميجاوات من الطاقة. وتؤدي هذه الكفاءة إلى خفض تكلفة مليون رمز بشكل كبير مقارنة بالأنظمة القديمة.

تعمل المتانة على خفض التكاليف بمرور الوقت. فقد مددت العديد من المؤسسات عمر أجهزتها إلى ما بعد التقديرات الأولية البالغة خمس سنوات. على سبيل المثال، لا تزال وحدات معالجة الرسومات NVIDIA A100 التي تم نشرها في عام 2020 تخدم العملاء تجارياً حتى اليوم، مما يثبت احتفاظها بقيمة اقتصادية كبيرة.

تضمن المرونة (القابلية للاستبدال) عدم تقادم المنشأة عند تغير مهام العمل. ولأن أنظمة NVIDIA ومنصة برمجيات CUDA تتعامل مع أحمال عمل متنوعة—بدءاً من المحاكاة العلمية وطوي البروتينات وصولاً إلى الذكاء الاصطناعي التوليدي—فإنها تظل مستغلة بغض النظر عن اتجاهات السوق.

تساهم هذه التعددية في بقاء معدلات الاستخدام مرتفعة. تستخدم شركات مثل Lilly نفس البنية التحتية لاكتشاف الأدوية وبرمجيات الدردشة الداخلية، بينما تعالج Pinterest نماذج لغوية بصرية إلى جانب مهام أخرى. هل يحل نموذج التوافق الواسع هذا تحدي تقادم الأجهزة؟

لا توفر المادة المصدر بيانات أداء لكل جيل من الأجهزة، ولا تتناول تكاليف الكهرباء المحددة المرتبطة بالمناطق الجغرافية المختلفة. يركز التقرير على المبادئ الاقتصادية العامة لإدارة مراكز البيانات بدلاً من التقارير المالية المحددة لعملاء معينين.