«گرافن جی‌پی‌یو» نصف کردن مصرف برق را ممکن می‌سازد
شرکت اسکلتون تکنولوژیز به تازگی از سیستم پیشرفته «گرافن جی‌پی‌یو» رونمایی کرده است؛ این سیستم نوآورانه به منظور حل یکی از چالش‌های بزرگ در مسیر توسعه هوش مصنوعی، یعنی ناکارآمدی مصرف انرژی و محدودیت‌های زیرساخت برق در مراکز داده طراحی شده است.
، این شرکت (Skeleton Technologies) اعلام کرده است که با استفاده از ماده خاص گرافن منحنی اسکلتون، توانسته مصرف انرژی مراکز داده هوش مصنوعی را تا ۴۵ درصد کاهش دهد و در عین حال نیاز به اتصالات برقی را به میزان ۴۴ درصد پایین آورد، در حالی که قدرت پردازش پردازنده‌های گرافیکی (GPU) را ۴۰ درصد افزایش می‌دهد.
این فناوری با کم کردن تقریبا نیمی از مصرف انرژی و تقاضای حداکثری، نه تنها هزینه‌های اشتغال اولیه را کاهش می‌دهد، بلکه به طرز قابل توجهی هزینه‌های عملیاتی مراکز داده هوش مصنوعی را نیز کاهش می‌دهد. شرکت اسکلتون اعلام کرده است که سیستم «گرافن جی‌پی‌یو» (GrapheneGPU) در آزمایش‌های معتبر و تحت بدترین پروفایل‌های مصرف انرژی که توسط بزرگ‌ترین سازمان‌های فعال در عرصه ابر داده (hyperscalers) تعیین شده‌اند، موفق به کسب تأییدیه شده است. ارسال محموله‌های اولیه از کارخانه این شرکت در آلمان از ژوئن ۲۰۲۵ آغاز و همچنین برنامه توسعه تولید در ایالات متحده نیز برای سه‌ماهه اول سال ۲۰۲۶ پیش‌بینی شده تا به تقاضای جهانی رو به رشد پاسخ دهد.
هم‌اکنون مراکز داده هوش مصنوعی تا دو برابر بیشتر از میزان واقعی نیاز خود انرژی مصرف می‌کنند؛ این ناکارآمدی ناشی از ظرفیت محدود شبکه برق و مشکلات زیرساختی، به همراه قطع‌های مکرر برق، باعث افزایش چشمگیری در مصرف انرژی شده است. آژانس بین‌المللی انرژی پیش‌بینی کرده که تا سال ۲۰۳۰، میزان مصرف برق مراکز داده هوش مصنوعی در سطح جهانی به ۹۴۵ تراوات‌ساعت خواهد رسید که سهم آمریکا حدود ۲۴۰ تراوات‌ساعت و اروپا بیش از ۱۵۰ تراوات‌ساعت خواهد بود. این روند موجب می‌شود که مراکز داده هوش مصنوعی به یکی از عوامل اصلی افزایش تقاضای برق در این مناطق تبدیل شوند. اتلاف انرژی و محدودیت‌های توان تأمین برق به زودی به بزرگ‌ترین موانع توسعه هوش مصنوعی و مراکز داده آن در سطح جهانی تبدیل خواهد شد.
یکی از دلایل کلیدی این مشکلات، نوسانات شدید در مصرف انرژی پردازنده‌های گرافیکی است که در عرض چند ثانیه می‌تواند بین صفر تا صد درصد تغییر کند؛ به عبارت دیگر، در زمان‌هایی که بار پردازشی بالا است، تقاضای انرژی به اوج خود می‌رسد و در دوره‌های استراحت به طرز چشمگیری کاهش می‌یابد. برای مدیریت این نوسانات و جلوگیری از ناپایداری شبکه یا خسارت به تجهیزات، بسیاری از مراکز داده در زمان‌های کم‌کاری از بارهای مصنوعی (dummy loads) استفاده می‌کنند تا مصرف برق را ثابت نگه دارند. در حالی که این روش در حفظ ثبات تأثیرگذار است، اما همچنین موجب اتلاف انرژی قابل توجهی تا ۴۵ درصد می‌شود که به صورت گرما از بین می‌رود و هیچ نوع سود محاسباتی ندارد.
سیستم «گرافن جی‌پی‌یو» با ذخیره انرژی در زمان‌های کم‌کاری و آزادسازی آن در زمان‌های اوج مصرف، نوسانات برق پردازنده‌های گرافیکی را یکنواخت می‌کند. این قابلیت، استفاده از بارهای مصنوعی را غیرضروری کرده و در نتیجه، مصرف انرژی برای خنک‌سازی را کاهش داده و عملکرد GPU را به طرز چشمگیری افزایش می‌دهد.
با توجه به اینکه تقاضای انرژی و محاسبات هوش مصنوعی هر سال دو برابر می‌شود، مراکز داده با چالش‌های جدی مواجه هستند. «گرافن جی‌پی‌یو» تا ۴۰ درصد محاسبات بیشتری را با همان مقدار انرژی ارائه می‌دهد و در عین حال هزینه‌های سرمایه‌ای و عملیاتی را با کم کردن نیاز به ارتقاء شبکه، اتلاف انرژی و مصرف خنک‌کننده به حداقل می‌رساند. تاوی مادیبرک (Taavi Madiberk)، مدیرعامل اسکلتون تکنولوژیز اظهار داشت: این فناوری که بر اساس گرافن منحنی ثبت شده ما بنا شده، تحول چشمگیری در شیوه مقیاس‌پذیری زیرساخت‌های هوش مصنوعی به شیوه‌ای پایدار و اقتصادی به شمار می‌آید.
«گرافن جی‌پی‌یو» که ترکیبی از ابرخازن‌های کنترل‌کننده پیک مصرف انرژی و نرم‌افزار هوش مصنوعی برای مدیریت بارهای ناگهانی GPU است، به‌طور کامل با زیرساخت‌های فعلی سازگاری دارد و به تسریع توسعه هوش مصنوعی پایدار کمک می‌کند، بدون اینکه به تولید برق اضافی یا ارتقاء پر هزینه شبکه برق نیاز باشد. این فناوری در شرایط واقعی بارگذاری GPU تأیید شده و برای اجرایی شدن فوری در مراکز داده آماده است.
به نقل از ستاد نانو، با کاهش اتلاف انرژی و فشار گرمایی، «گرافن جی‌پی‌یو» به مراکز داده این امکان را می‌دهد که بدون افت عملکرد، به اهداف زیست‌محیطی خود نیز دست یابند و استاندارد جدیدی در زمینه زیرساخت‌های هوش مصنوعی کارآمد و مقاوم در برابر تغییرات اقلیمی ایجاد نمایند.
