Της Νατάσας Φραγκούλη
Η επένδυση στις υποδομές τεχνητής νοημοσύνης (AI) συνεχίζει την ανοδική της πορεία, παρά τις αυξανόμενες ανησυχίες για τη βιωσιμότητα των data centers. Σύμφωνα με την τελευταία έκθεση της Dell’Oro Group, οι συνολικές κεφαλαιουχικές δαπάνες (capex) για data centers σε παγκόσμιο επίπεδο αναμένεται να ξεπεράσουν το 1 τρισ. δολ. έως το 2029.
Η ανάπτυξη αυτή καθοδηγείται αφενός από το γεγονός ότι οι μεγάλοι πάροχοι cloud (hyperscalers) λειτουργούν σε πολυετείς κύκλους επενδύσεων, διασφαλίζοντας τη συνεχή αύξηση των δαπανών. Παράλληλα, πρωτοβουλίες όπως το Stargate Project, με προϋπολογισμό 500 δισ. δολ., διευρύνουν τις κρατικές επενδύσεις στις τεχνολογικές υποδομές, επιταχύνοντας περαιτέρω την ανάπτυξη της αγοράς.
Παρά το γεγονός ότι οι επενδύσεις σε υποδομές AI δεν έχουν ακόμη δώσει τα αναμενόμενα αποτελέσματα σε επίπεδο απόδοσης και αποδοτικότητας, η ανοδική πορεία είναι δεδομένη. Όπως αναφέρει η Dell’Oro Group, οι πολυετείς κύκλοι επενδύσεων των hyperscalers, σε συνδυασμό με την τεχνολογική εξέλιξη, διασφαλίζουν τη συνέχιση της τάσης.
Η έκθεση της Dell’Oro Group προβλέπει ότι το AI-driven computing θα συνεχίσει να αποτελεί βασικό παράγοντα των επενδύσεων στα data centers, με τις ακόλουθες τάσεις να κυριαρχούν τα επόμενα χρόνια. Έτσι, οι επιταχυνόμενοι servers για AI training και εξειδικευμένες εργασίες θα αντιπροσωπεύουν σχεδόν το 50% των συνολικών υποδομών data centers, ενώ οι κορυφαίοι cloud providers (Amazon, Google, Meta, Microsoft) θα εξακολουθήσουν να κυριαρχούν, κατέχοντας σχεδόν το 50% των συνολικών δαπανών το 2025. Τέλος, οι πάροχοι Tier 2 cloud αναμένεται να αυξήσουν σημαντικά τις επενδύσεις τους, ανταγωνιζόμενοι πιο δυναμικά τις μεγάλες εταιρείες.
Τι ωθεί την αγορά σε άνοδο
Αναλυτικά, τεχνολογική πρόοδος επικεντρώνεται σε τρεις βασικούς τομείς:
- Επιτάχυνση των υπολογισμών μέσω GPU και Custom Accelerators: Οι σύγχρονες AI εφαρμογές βασίζονται όλο και περισσότερο σε εξειδικευμένο hardware, όπως οι επιταχυντές AI (GPUs και custom accelerators), που βελτιώνουν την απόδοση και μειώνουν την κατανάλωση ενέργειας. Η έρευνα και ανάπτυξη σε αυτούς τους τομείς στοχεύει στη δημιουργία πιο αποδοτικών λύσεων, καθιστώντας τη μαζική εκπαίδευση και λειτουργία μεγάλων γλωσσικών μοντέλων (LLMs) πιο βιώσιμη.
- Βελτιστοποίηση των Μεγάλων Γλωσσικών Μοντέλων (LLM Optimizations): Οι πρόσφατες καινοτομίες στην εκπαίδευση μοντέλων AI, όπως αυτές που παρουσίασε η DeepSeek, προσφέρουν σημαντικές βελτιώσεις στην απόδοση, μειώνοντας το κόστος και την κατανάλωση πόρων. Αυτές οι βελτιώσεις βρίσκονται στο επίκεντρο της επόμενης γενιάς data centers, καθώς επιτρέπουν υψηλότερη αποδοτικότητα χωρίς εκθετική αύξηση των ενεργειακών απαιτήσεων.
- Ανάπτυξη Νέας Rack-Scale και Δικτυακής Υποδομής: Οι καινοτομίες στις rack-scale αρχιτεκτονικές και τα δικτυακά συστήματα των data centers είναι απαραίτητες για τη βελτίωση της συνδεσιμότητας και της συνολικής απόδοσης. Η επόμενη γενιά των data centers θα εξαρτάται από αποδοτικότερα δίκτυα, τα οποία μειώνουν τις καθυστερήσεις και αυξάνουν τη συνολική ταχύτητα επεξεργασίας δεδομένων.
