AI-ධාවනය වන දත්ත මධ්යස්ථාන අපගේ ඩිජිටල් අනාගතයේ කොඳු නාරටිය වේ. ඉදිරියෙන් සිටීමට නම්, AI-සූදානම් දත්ත මධ්යස්ථාන යෙදවීම වේගවත් කිරීම ඉතා වැදගත් වන අතර, මෙම ලිපිය ඊට සම්බන්ධ අදියර තුන ගවේෂණය කරයි.
ලොව පුරා කර්මාන්ත සංවර්ධනය සඳහා AI දැන් නව මූලික ගලක් වී ඇත. සාමාන්ය කාර්යයන් ස්වයංක්රීය කිරීමේ සිට නිෂ්පාදන සහ සේවා සඳහා නව අදහස් ජනනය කිරීම දක්වා සෑම දෙයක් සඳහාම තාක්ෂණය භාවිතා වන අතර එහි බලපෑම වේගවත් වනු ඇතැයි අපේක්ෂා කෙරේ.
මැකින්සිගේ "කෘතිම බුද්ධි තත්ත්වය" වාර්තාවට අනුව, පසුගිය වසර වන විට, ලොව පුරා සංවිධානවලින් 65% ක් අවම වශයෙන් එක් ව්යාපාරික කාර්යයකට AI ඒකාබද්ධ කර තිබුණි (මෙම අගය 2023 දී 50% දක්වා ළඟා වනු ඇතැයි අපේක්ෂා කෙරේ). මේ අතර, IDC ඇස්තමේන්තු කරන්නේ මෙම වසරේ ගෝලීය දත්ත උත්පාදනය 175 ZB දක්වා ළඟා වනු ඇති බවයි, එය ප්රධාන වශයෙන් AI, යන්ත්ර ඉගෙනීම සහ තත්ය කාලීන දත්ත සැකසීම මගින් මෙහෙයවනු ලැබේ.
දත්ත මධ්යස්ථාන වෙළඳපොළේ පුපුරන සුලු වර්ධනයත් සමඟ, AI ප්රධාන වර්ධන ධාවකයක් බවට පත්වනු ඇත. ඔබේ යටිතල පහසුකම් මෙම ප්රවණතාවයට සූදානම්ද?
දත්ත මධ්යස්ථානවල AI: කඩාකප්පල්කාරී පරිවර්තනය
නවීන AI යෙදුම් නිරන්තරයෙන් පවතින දත්ත මධ්යස්ථානවල සැලසුම් සීමාවන් තල්ලු කරයි. යන්ත්ර ඉගෙනුම් ඇල්ගොරිතම මත පදනම් වූ අභ්යන්තර ව්යාපාරික වැඩ බර හැසිරවීමේ සිට පුරෝකථන ආකෘති හරහා බලශක්ති කාර්යක්ෂමතාව සහ ආරක්ෂාව වැඩි දියුණු කිරීම දක්වා, AI දත්ත මධ්යස්ථානවල බුද්ධිමත් මෙහෙයුම් හැකියාවන් නව උසකට ගෙන යයි.
මෙම පරිවර්තනයට පාදක වන්නේ GPU පොකුරු වලින් සමන්විත ඉහළ ඝනත්ව දත්ත මධ්යස්ථාන ය. මෙම පොකුරු වලට දැවැන්ත සමාන්තර වැඩ බරක් හැසිරවිය හැකි අතර, ආකෘති පුහුණුව සහ අනුමාන කිරීමේ පරිගණක බල ඉල්ලීම් සපුරාලයි.
කෙසේ වෙතත්, මෙම පරිවර්තනය සඳහා තනි, විශ්වීය ආකෘතියක් නොමැත. AI ක්රියාත්මක කිරීමේ වේගය විවිධ කලාප, ව්යවසායන් සහ පහසුකම් හරහා වෙනස් වන අතර, AI දත්ත මධ්යස්ථානවල පරිණාම මාර්ගය පිළිබඳ ගැඹුරු අවබෝධයක් ඉතා වැදගත් වේ.
AI දත්ත මධ්යස්ථාන යටිතල පහසුකම්: ගෝලීය ඉදිරිදර්ශනයක්
මෙන්න ප්රධාන සංඛ්යා කිහිපයක්:
ගෝලීය දත්ත මධ්යස්ථාන වෙළඳපල කොටසෙන් 40% කට වඩා උතුරු ඇමරිකාව සතු වන අතර ඉදිරි වසරවලදී එහි ධාරිතාව 2.5 ගුණයකින් වැඩි කිරීමට පුරෝකථනය කර ඇත.
හිතකර බදු ප්රතිපත්ති, ශක්තිමත් සම්බන්ධතාවය සහ තිරසාරභාවය කෙරෙහි අවධානය යොමු කිරීම හේතුවෙන් අයර්ලන්තය, ඩෙන්මාර්කය සහ ජර්මනිය වැනි රටවල් දත්ත මධ්යස්ථාන මධ්යස්ථාන බවට පත්වෙමින් තිබේ.
චීනය, ජපානය, ඉන්දියාව සහ සිංගප්පූරුව ප්රමුඛව ආසියා-පැසිෆික් කලාපය ඊටත් වඩා ඉහළ වර්ධන අනුපාත (2025 සිට 2030 දක්වා 13.3% ක සංයුක්ත වාර්ෂික වර්ධන වේගයක්) අත්කර ගනු ඇතැයි අපේක්ෂා කෙරේ.
AI-ධාවනය කරන ලද දත්ත මධ්යස්ථානයක් යෙදවීමේ අදියර තුනක්
දත්ත මධ්යස්ථාන මෙහෙයුම් සඳහා AI ඒකාබද්ධ කිරීම සාමාන්යයෙන් අදියර තුනකින් සිදු වේ:
**දත්ත සකස් කිරීම:** මෙම අදියරේදී, AI විසින් දත්ත සමුදායන්, API, ලොග්, රූප, වීඩියෝ, සංවේදක සහ තත්ය කාලීන හෝ තත්ය කාලීන නොවන වෙනත් මූලාශ්ර වැනි විවිධ සම්පත් වලින් දත්ත රැස් කරයි. මෙම දත්ත පසුව ලේබල් කර/විවරණ කර ඇත; දෝෂ ඉවත් කරනු ලබන අතර, එය AI ආකෘතියට තේරුම් ගත හැකි ආකෘතියකට පරිවර්තනය කරනු ලැබේ. මෙය ආකෘති නිරවද්යතාවය සහ කාර්ය සාධනය සඳහා පදනමයි.
**පුහුණුව:** AI පද්ධතිය දත්ත සකස් කිරීමේ අදියර හරහා කාර්යයන් ඉටු කරන ආකාරය AI ආකෘතියට ඉගැන්වීමට පටන් ගනී. AI ආකෘතියේ ස්නායු ජාලය දත්ත, එහි සංයුතිය, එහි රටා සහ ඒවායේ සම්බන්ධතා ඉගෙන ගනී. මෙය ගැඹුරු ඉගෙනුම් අවධිය ලෙසද හැඳින්වේ. මෙම අදියර සඳහා අවම ප්රමාදයකින් AI වැඩ බර සැකසීමට GPU-පොහොසත්, ඉහළ ඝනත්ව දත්ත මධ්යස්ථාන පරිසරයක් අවශ්ය වේ.
**අනුමානය/ස්වයං පාලනය:** AI ආකෘතිය බාහිර පරිසර පද්ධතිය සහ නව දත්ත සමඟ බාධාවකින් තොරව ඒකාබද්ධ වීමට පටන් ගනී, අවසාන තීරණ සහ අනාවැකි ලබා දෙයි. AI යටිතල පහසුකම් සඳහා කේබල් කිරීම, තත්ය කාලීන දත්ත සංග්රහ සහ ගැඹුරු පද්ධති ඒකාබද්ධ කිරීම අවශ්ය වන්නේ මෙහිදීය.
AI-ධාවනය කරන ලද දත්ත මධ්යස්ථානයකට සහාය වීම සඳහා යටිතල පහසුකම් අභියෝග ජය ගැනීම
AI ස්වාධීනත්වය සාක්ෂාත් කර ගැනීම සඳහා, මූලික අභියෝග කිහිපයක් විසඳිය යුතුය.
වරාය ඝනත්වය සහ රාක්ක අවකාශය
AI වැඩ බර සාමාන්යයෙන් අධිවේගී, අඩු ප්රමාද සබැඳි හරහා අන්තර් සම්බන්ධිත GPU පොකුරු මත රඳා පවතී. මෙය ඉහළ වරාය ඝනත්වය, සැලකිය යුතු ලෙස වැඩි වන ඉඩ සහ සිසිලන අවශ්යතා ඇති කරයි. සාම්ප්රදායික රාක්ක සැලසුම් වලට ඉදිරියට යා නොහැක. කැපවූ යටිතල පහසුකම් නොමැතිව, AI වේගවත් කිරීමට භාවිතා කරන දෘඩාංග බාධකයක් බවට පත්විය හැකිය.
රැහැන්ගත මාධ්ය තේරීම්
තඹ සහ තන්තු අතර තේරීම තවදුරටත් තාක්ෂණික විවාදයක් නොවේ - එය උපායමාර්ගික එකකි. AI ජාල සඳහා දිගු දුරක් සඳහා ඉහළ කලාප පළලක් සහ අඩු ප්රමාදයක් අවශ්ය වේ. ඉහළ කාර්යසාධනයක් සහිත පරිසරවල තන්තු බොහෝ විට කැමති තේරීම වේ, නමුත් නිසි ලෙස සැලසුම් කර ස්ථාපනය කර ඇත්නම් පමණි. මෙහි වැරදි සංඥා දුර්වල වීමට සහ කාර්ය සාධනය නැතිවීමට හේතු විය හැක, විශේෂයෙන් ඝෝෂාකාරී, ඉහළ මැදිහත්වීම් ප්රදේශවල.
BAS/BMS සමඟ තොරතුරු තාක්ෂණ ඒකාබද්ධ කිරීම
බුද්ධිමත් AI දත්ත මධ්යස්ථාන සඳහා සමස්ත ගොඩනැගිලි පද්ධතිය පුරා බාධාවකින් තොරව, තත්ය කාලීන සහයෝගී ඒකාබද්ධතාවයක් අවශ්ය වන අතර, එමඟින් ගොඩනැගිලි ස්වයංක්රීයකරණ පද්ධති (BAS) සහ ගොඩනැගිලි කළමනාකරණ පද්ධති (BMS) සමඟ IT පද්ධති ගැඹුරු ලෙස ඒකාබද්ධ කිරීම ඉතා වැදගත් වේ.
කෙසේ වෙතත්, එවැනි පද්ධති ඒකාබද්ධ කිරීම බොහෝ විට බහු සාධක මගින් සීමා වේ: උරුම යටිතල පහසුකම්, අසමාන පාලනය සහ සන්නිවේදන ප්රොටෝකෝල සහ දිගු කලක් නොසලකා හරින ලද අළු ප්රදේශ. මෙම ප්රදේශවල UPS, සිසිලන යන්ත්ර, බල බෙදා හැරීම සහ HVAC පාලනය වැනි මූලික ආධාරක පද්ධති ඇත.
බලශක්ති පරිභෝජනය, සිසිලනය සහ ආරක්ෂාව පිළිබඳ තත්ය කාලීන බුද්ධිමත් ප්රශස්තිකරණය සඳහා AI උපයෝගී කර ගැනීම සඳහා, මෙම අළු-ප්රදේශ අවකාශයන්හි සියලුම සංරචකවල ඒකාබද්ධ සහ ස්ථාවර අන්තර් සම්බන්ධතාවය සහතික කිරීම සඳහා ප්රමිතිගත කේබල් යෝජනා ක්රමයක් අත්යවශ්ය වේ. අනෙක් අතට, ඛණ්ඩනය වූ නියාමන පද්ධති සහ දුර්වල පද්ධති අන්තර් සම්බන්ධතාවය පහසුවෙන් කාර්ය සාධනය පිරිහීමට සහ ව්යාපාර අක්රීය කාලය වැනි බරපතල අවදානම් වලට පවා හේතු විය හැක.
කෘත්රිම බුද්ධිය ව්යාපාර ආකෘති, පරිශීලක සේවා අපේක්ෂාවන් සහ ඩිජිටල් වැඩ ප්රවාහයන් තුළට අඛණ්ඩව විනිවිද යන බැවින්, දත්ත මධ්යස්ථාන නැවත නැවතත් සංවර්ධනය සමඟ වේගයෙන් ගමන් කළ යුතුය.
කර්මාන්ත පරිවර්තනයකට මුහුණ දී සිටින බැවින්, දිගුකාලීන තරඟකාරිත්වය පවත්වා ගැනීම සඳහා අභියෝගවලට කල්තියා මුහුණ දීම අත්යවශ්ය තේරීමක් බවට පත්ව ඇත. වත්මන් යටිතල පහසුකම් සැලසුම් කිරීම සහ ඉදිකිරීම් තීරණ මගින් අනාගත AI තාක්ෂණයන්හි වේගවත් පුනරාවර්තනයට සහ නම්යශීලී ව්යාප්තියට දත්ත මධ්යස්ථාන අනුවර්තනය විය හැකිද යන්න සෘජුවම තීරණය කරනු ඇත. AI යුගයේ යටිතල පහසුකම් නවීකරණය කිරීම මූලික වශයෙන් දත්ත මධ්යස්ථාන සඳහා දිගුකාලීන අනුවර්තනය වීමේ හැකියාව ගොඩනැගීම ගැන ය.
බෙල්ඩන් හර්ෂ්මන්හි සම්පූර්ණ සම්බන්ධතා විසඳුම් පරාසය, ඉල්ලුමක් ඇති AI දත්ත මධ්යස්ථාන අවස්ථා සඳහා විශේෂයෙන් නිර්මාණය කර ඇති සම්පූර්ණ නිෂ්පාදන කළඹක් පිරිනමයි.
පළ කිරීමේ කාලය: මැයි-09-2026