اقتصاد مراکز داده مداری هوش مصنوعی و چالشهای آن
تحلیل هزینههای نجومی ساخت مراکز داده با توان ۱ گیگاوات در مدار که تقریباً سه برابر معادل زمینی آن تخمین زده میشود و موانع فنی پیش رو.
اقتصاد مراکز داده مداری هوش مصنوعی: چالشهای عظیم
بحثی جدی در مورد استقرار مراکز داده هوش مصنوعی فضایی در حال شکلگیری است که توسط شخصیتهایی مانند ایلان ماسک پیش برده میشود. اسپیسایکس درخواستهایی برای ساخت مراکز داده خورشیدی مداری، توزیع شده در حداکثر یک میلیون ماهواره، برای انتقال ۱۰۰ گیگاوات توان محاسباتی از زمین ارائه کرده است. با این حال، زیر چالشهای فنی و اقتصادی بزرگی وجود دارد. تحلیلهای اولیه نشان میدهد که هزینههای اولیه ساخت و پرتاب ماهوارهها، یک مرکز داده مداری ۱ گیگاواتی را با ۴۲٫۴ میلیارد دلار ارزیابی میکند که تقریباً سه برابر همتای زمینی آن است.
کارشناسان معتقدند که برای رقابتی شدن این مدل تجاری، نیاز به پیشرفتهای چشمگیر در فناوریها، سرمایهگذاری هنگفت و بهبود زنجیره تأمین قطعات فضایی است. یکی از محرکهای اصلی، کاهش شدید هزینه دسترسی به مدار است. در حالی که فالکون ۹ هزینهای در حدود ۳۶۰۰ دلار بر کیلوگرم دارد، پروژههایی مانند Project Suncatcher به دنبال رسیدن به قیمتی در حدود ۲۰۰ دلار بر کیلوگرم تا دهه ۲۰۳۰ هستند، حجمی که انتظار میرود با عملیاتی شدن موشک Starship اسپیسایکس محقق شود. با این وجود، اقتصاددانان هشدار میدهند که اسپیسایکس احتمالاً قیمتهای خود را به شدت پایین نخواهد آورد تا از پتانسیل درآمدزایی خود بهره ببرد.
چالشهای فنی و لجستیکی فضا
علاوه بر هزینه پرتاب، هزینه تولید ماهوارهها نیز بسیار بالا است؛ در حال حاضر ماهوارهها حدود ۱۰۰۰ دلار بر کیلوگرم هزینه دارند. موفقیت این پروژهها تا حد زیادی به صرفهجویی در تولید انبوه و طراحی ماهوارههای پیچیدهتر با آرایههای خورشیدی بزرگ و سیستمهای مدیریت حرارتی پیشرفته وابسته است.
- هزینه انرژی در فضا بسیار بالاتر تخمین زده میشود: ۱۴,۷۰۰ دلار در هر کیلووات در سال برای انرژی تأمین شده توسط ماهوارهها، در مقایسه با ۵۷۰ تا ۳,۰۰۰ دلار در مراکز داده زمینی.
- مدیریت گرما در خلأ فضا به دلیل عدم وجود اتمسفر، نیازمند رادیاتورهای بزرگ و سنگین است.
- تابش کیهانی میتواند منجر به خرابی تراشهها (bit flip) شود که نیازمند محافظت گرانقیمت یا قطعات مقاوم در برابر رادیاسیون است.
- صفحات خورشیدی با دوام بالا گران هستند، در حالی که صفحات سیلیکونی ارزانتر عمر مفید ماهوارهها را به حدود پنج سال محدود میکنند.
مایک سافیان از Planet Labs میگوید: «شما به رادیاتورهای بسیار بزرگی متکی هستید تا بتوانید گرما را به سیاهی فضا پراکنده کنید، و این میزان سطح و جرمی است که باید مدیریت کنید.»
کاربرد مداری: استنتاج در مقابل آموزش
یک سؤال کلیدی این است که این مراکز داده در فضا چه کاری انجام خواهند داد. کارشناسان موافقند که استنتاج (Inference)، مانند پاسخ به پرسشهای کاربر یا عوامل خدمات مشتری، کاربرد ایدهآلتری برای معماری مداری دارد تا آموزش مدلهای بزرگ که نیازمند هزاران واحد GPU با همگامسازی فوقالعاده بالا هستند. در حال حاضر، ارتباطات بین ماهوارهای (حتی با لیزر) به سرعت شبکههای داخلی مراکز داده زمینی نیستند.
فیلیپ جانستون از Starcloud اظهار داشت: «آموزش کار ایدهآلی برای انجام در فضا نیست؛ من فکر میکنم تقریباً تمام بارهای کاری استنتاج در فضا انجام خواهد شد.»
