הבינה המלאכותית מביאה איתה פריון וחדשנות אבל גם בוחנת את גבולות התשתית. בעידן שבו אלגוריתמים רצים מהר יותר מהחשמל שמזין אותם, יעילות אנרגטית כבר אינה ערך סביבתי נחמד, אלא תנאי בסיסי ליכולת של ארגון לגדול, לפעול ולשמור על יתרון תחרותי. השאלה כיום היא כבר איננה למי האלגוריתם החכם ביותר, אלא מי יודע להפעיל אותו בלי לשרוף את התשתית. אז מה הסיכויים שמהפכת ה-AI תגמר בעלתה?
העולם נמצא בעיצומו של מרוץ חימוש טכנולוגי. ארגונים בישראל ובעולם ממהרים לאמץ פתרונות בינה מלאכותית כדי להישאר רלוונטיים, לשפר קבלת החלטות, לקצר זמני תגובה ולהפיק ערך מנתונים בקנה מידה חסר תקדים. מי שלא משלב AI בתהליכי העבודה, בקבלת החלטות ובמיצוי נתונים פשוט נשאר מאחור. מה שפעם נחשב לחדשנות ניסיונית הפך תוך זמן קצר לסטנדרט תחרותי, כזה שמגדיר מי מוביל שוק ומי מגיב אליו.
אלא שמתחת ל"מכסה המנוע" של המהפכה הזו מסתתר אתגר עמוק בהרבה מהשאלה איזה מודל לבחור או איזה אלגוריתם להטמיע. הבינה המלאכותית רעבה, רעבה מאוד לאנרגיה. היא צורכת חשמל, מייצרת חום, ודורשת תשתיות פיזיות שלא נבנו לעולם שבו עומסי מחשוב הם צפופים, רציפים ואינטנסיביים כל כך.
עד כמה? על פי נתוני סוכנות האנרגיה הבינלאומית (IEA), הביקוש העולמי לחשמל במרכזי נתונים צפוי להכפיל את עצמו ולהגיע ליותר מ-1,000 טרה ואט לשעה עד סוף שנת 2026. מדובר ברמת צריכה המשתווה לזו של מדינה תעשייתית גדולה כמו גרמניה למשל. הזינוק הדרמטי הזה אינו מקרי. הוא נובע בעיקר מהמעבר לעומסי עבודה מבוססי AI הדורשים כוח מחשוב צפוף, רציף ואינטנסיבי הרבה יותר מזה שהכרנו בעולמות המחשוב המסורתיים.
עבור המנמ"ר (CIO), מנהל התשתיות או מקבל ההחלטות הארגוני, המשמעות ברורה: המודלים הישנים של הקמת והפעלת דאטה סנטרים פשוט לא יחזיקו מעמד. תשתיות שתוכננו לעידן של וירטואליזציה ויישומים ארגוניים סטנדרטיים מתקשות להתמודד עם עומסי GPU, עם צריכת חשמל נקודתית גבוהה ועם מגבלות פיזיות של שטח, חיבור לרשת החשמל וקירור.
כשהביצועים פוגשים את הוואט
בעבר, התפיסה הרווחת בעולם ה- IT גרסה כי קיים טרייד אוף בלתי נמנע בין ביצועים ליעילות: אם רצית יותר כוח מחשוב – שילמת ביותר חשמל. בעידן ה-AI הנחת היסוד הזו כבר אינה תקפה. החדשנות הטכנולוגית של השנים האחרונות מוכיחה כי ביצועים ויעילות אינם קצוות מנוגדים, אלא משתנים תלויים זה בזה. למעשה, ללא יעילות אנרגטית, לא ניתן עוד להשיג ביצועים בקנה מידה משמעותי.
יעילות אנרגטית היא כבר לא רק שורה בדוח ה- ESG או מחווה סביבתית נחמדה. היא הפכה לגורם מפתח בהצלחה עסקית, כזה שמשפיע ישירות על יכולת הצמיחה של הארגון. ארגון שלא יבצע
אופטימיזציה חכמה של צריכת החשמל שלו ימצא את עצמו מוגבל ביכולת להרחיב את פעילות ה -AI לא בגלל מחסור ברעיונות או באלגוריתמים, אלא משום שהתשתית הפיזית שלו פשוט תגיע לקצה גבול היכולת.
המעבר לעידן ה- AI מחייב חשיבה מחדש על הארכיטקטורה כולה. לא עוד הוספת שרתים בצורה עיוורת, אלא תכנון מודע של צפיפות, עומסים ודינמיקה תפעולית. המפתח טמון בתוכנות ניהול תשתית מתקדמות, המשתמשות בעצמן בבינה מלאכותית כדי לנבא צריכת אנרגיה, לנתח דפוסי שימוש ולהקצות משאבים בצורה חכמה בזמן אמת. היכולת לבצע התאמות דינמיות ולהסיט עומסים היא זו שתבדיל בין ארגון שקורס תחת עלויות האנרגיה לבין כזה שממנף את ה-AI כמנוע צמיחה אמיתי.
הקרב על הטמפרטורה
אחד החסמים הגדולים ביותר בדרך להטמעת AI בקנה מידה רחב הוא חום. שרתי AI ובעיקר כאלה המריצים מעבדים גרפיים (GPUs) רבי עוצמה, מייצרים עומס תרמי גבוה משמעותית מכל מה שהכרנו בעולמות המחשוב המסורתי. ככל שהצפיפות עולה, כך גם האתגר.
כיום, מערכות הקירור מהוות בין 30% ל-40% מכלל צריכת האנרגיה של מרכז נתונים טיפוסי. במצבים של עומסי AI כבדים, קירור אוויר מסורתי הופך לא רק ללא יעיל, אלא לעיתים אף לבלתי אפשרי. הוא פשוט לא מצליח לפנות את החום בקצב הנדרש.
כאן נכנס לתמונה אחד השינויים הדרמטיים ביותר בעולם הדאטה סנטרים: המעבר לקירור נוזלי ישיר (Direct Liquid Cooling). מדובר בטכנולוגיה שמאפשרת לקרר את הרכיבים עצמם באמצעות נוזל, בצורה מדויקת ויעילה בהרבה. לא במקרה, תעשיית הקירור הנוזלי צפויה להגיע להיקף של כ-9.5 מיליארד דולר עד שנת 2030. מעבר ליתרון האנרגטי, קירור נוזלי מאריך את חיי החומרה, מאפשר צפיפות מחשוב גבוהה יותר ומפחית את התלות בשטח פיזי יקר.
כשהדאטה סנטר מתחמם, השווקים קופאים
מקרה בולט שאירע באחרונה אצל אחת מפעילות הבורסות הגדולות בעולם המחיש עד כמה התחממות יתר במרכזי נתונים אינה תרחיש תיאורטי. תקלה במערכות הקירור הובילה להשבתה זמנית של פלטפורמות מסחר קריטיות ובהן מסחר במטבעות, סחורות וניירות ערך והדגישה את התלות המוחלטת של מערכות פיננסיות גלובליות בתשתיות דאטה סנטר יציבות.
בבסיס האירוע עמדה תקלה במערכות הקירור של מפעיל מרכזי הנתונים שאירח את הפעילות, המפעיל עשרות מתקנים ברחבי העולם. צוותי הנדסה הוזעקו לטפל בבעיה ולהשיב את מערכות הקירור לפעולה, אך עצם ההשבתה המחישה כיצד כשל תרמי נקודתי עלול להפוך במהירות לאירוע עסקי רחב היקף.
מבט לעתיד: דאטה סנטר מודולרי ואחראי
השוק הישראלי, הידוע באימוץ מהיר של טכנולוגיות קצה, נמצא בנקודת הכרעה. בנייה של תשתיות עמידות לדור ה-AI אינה יכולה להישען עוד על תכנון קשיח וחד פעמי. היא מחייבת גישה מודולרית, גמישה ואחראית, כזו שמאפשרת לגדול בהדרגה, להתאים את עצמה לשינויים טכנולוגיים ולשלב חדשנות בלי לסכן את היציבות התפעולית והכלכלית.
אנחנו כבר לא מדברים על מבנים מסיביים שקשה לשנותם, אלא על ארכיטקטורה שמאפשרת הרחבה חכמה, שילוב של טכנולוגיות קירור מתקדמות, ניהול אנרגיה מבוסס נתונים ופריסה מושכלת של עומסי AI.
מהפכת ה-AI לא חייבת ולא צריכה לבוא על חשבון הקיימות או היציבות הכלכלית של הארגון. להפך. החדשנות בתחומי החומרה, הקירור וניהול החשמל מאפשרת להשיג “יותר ביצועים לכל וואט”. הארגונים שישכילו להבין זאת ולשלב בין עוצמת עיבוד לבין יעילות אנרגטית חכמה, הם אלו שיובילו את השוק בשנים הקרובות. ה-AI מתחמם. זה הזמן לוודא שהתשתיות שלכם לא נשארות מאחור. רק שלא נגמור בעלטה מוחלטת.
צור עשת, מנהל תחום Data Center ב- Dell Technologies קרדיט: אוהד רומנו
מאת: צור עשת, מנהל תחום Data Center ב- Dell Technologies
