Whalesbook
மின்சார பற்றாக்குறையில் இருவேறு பாதைகள்
செயற்கை நுண்ணறிவு (AI) வளர்ச்சியின் அடிப்படைத் தடையாக, இனி கணினி வேகம் மட்டும் அல்லாமல், மின்சாரத்தின் அளவும் மாறியுள்ளது. மேற்கத்திய நாடுகள் பழமையான மின் கட்டமைப்பு, அனுமதி பெறுவதில் ஏற்படும் தாமதங்கள் போன்ற பிரச்சனைகளை எதிர்கொள்ளும் போது, சீனா தனது அரசின் வழிகாட்டுதலின் பேரில், அதிக மின்சாரம் தேவைப்படும் டேட்டா சென்டர்களை, புதுப்பிக்கத்தக்க ஆற்றல் அதிகமாக கிடைக்கும் பகுதிகளுக்கு மாற்றுகிறது. இது, அமெரிக்காவின் மின்சார திட்டமிடலில் உள்ள ஸ்திரமற்ற தன்மையைத் தவிர்க்கிறது. அமெரிக்காவில், டேட்டா சென்டர் திட்டங்கள் சமூக எதிர்ப்பு மற்றும் உள்ளூர் வளப் பற்றாக்குறை காரணமாக தேக்கமடைந்துள்ளன.
மூலோபாய உள்கட்டமைப்பு ஆதாயம்
பெய்ஜிங்கின் 'கிழக்கு டேட்டா, மேற்கு கணினி' (East Data, West Computing) கொள்கை, தொழில்துறை கொள்கையில் ஒரு பெரிய முன்னேற்றமாகும். அதிக மக்கள் தொகை கொண்ட கடலோரப் பகுதிகளிலிருந்து, உள்நாட்டு மாகாணங்களுக்கு பெரிய டேட்டா தொகுப்புகளை நகர்த்துவதன் மூலம், அரசு இரண்டு விஷயங்களில் கவனம் செலுத்துகிறது: குறைந்த ரியல் எஸ்டேட் செலவுகள் மற்றும் பெரிய காற்றாலை, சூரிய ஆற்றல் மையங்களுக்கு அருகாமை. இது வெறும் புவியியல் மாற்றம் அல்ல, வட அமெரிக்க நிறுவனங்களை பாதிக்கும் மின் கட்டமைப்பு ஸ்திரமற்ற தன்மையிலிருந்து ஒரு அடிப்படை விலகலும் ஆகும். தனியாருக்குச் சொந்தமான அமெரிக்க மின்சார நிறுவனங்கள், சிக்கலான ஒழுங்குமுறை சூழல்களை எதிர்கொள்ளும் போது, சீனாவின் அரசுக்கு சொந்தமான நிறுவனங்கள் குறைந்தபட்ச தடங்கல்களுடன் செயல்படுகின்றன. இது, புதுப்பிக்கத்தக்க எரிசக்தி ஆதாரங்களை நேரடியாக அதிகத் திறன் கொண்ட கிளவுட் வசதிகளுடன் இணைக்கும் பிரத்யேக மின் கடத்தும் கோடுகளை விரைவாக நிறுவ அனுமதிக்கிறது.
குறைக்கடத்தி மாற்று வியூகம்
சர்வதேச ஏற்றுமதி கட்டுப்பாடுகளால் ஏற்பட்ட வெற்றிடத்தை, உள்நாட்டு சிலிக்கான் வழங்குநர்கள் நிரப்பி வருகின்றனர். சக்தி-திறனுள்ள கணினி தொகுப்பு மேலாண்மை மற்றும் தனிப்பயன் உள்கட்டமைப்பை நோக்கி கவனத்தை மாற்றுவதன் மூலம், சீன தொழில்நுட்ப நிறுவனங்கள் உயர்நிலை மேற்கத்திய GPU-களின் பற்றாக்குறையை ஈடுசெய்ய முயல்கின்றன. அளவு மற்றும் ஆற்றல் அடர்த்தி மூலம் போட்டித்தன்மையை பராமரிப்பதே இதன் நோக்கம். சந்தை ஆய்வாளர்கள், கணினி வன்பொருள் AI பொருளாதாரத்தின் இயந்திரமாக இருந்தால், ஆற்றல் அதன் எரிபொருள் என்று கூறுகின்றனர். பயிற்சி ஓட்டங்களுக்கான மின்சாரத்தின் விளிம்புச் செலவைக் குறைப்பதன் மூலம், உள்நாட்டு நிறுவனங்கள் உகந்ததாக இல்லாத வன்பொருள் கட்டமைப்புகளுடன் கூட, AI மாடல்களின் பொருளாதார நம்பகத்தன்மையை மேம்படுத்த முடியும்.
கட்டமைப்பு அபாயங்கள் மற்றும் செயல்பாட்டுத் தடங்கல்கள்
மையப்படுத்தப்பட்ட அணுகுமுறை இருந்தபோதிலும், முறையான பாதிப்புகள் தொடர்கின்றன. விரைவான, மேலிருந்து கீழ்நோக்கிய உள்கட்டமைப்புப் பயன்பாடு, சுமை சமநிலை மற்றும் நீண்ட கால சொத்துப் பயன்பாட்டில் உள்ள திறமையின்மைகளை மறைக்கக்கூடும். பிராந்திய மின் கட்டங்களின் துண்டாடல், ஒரு ஒருங்கிணைந்த, நாடு தழுவிய கணினி-ஆற்றல் சூழலைக் கனவு காண்பதை சிக்கலாக்கும் ஒரு பழைய பிரச்சனையாக உள்ளது. மேலும், இந்த உள்நாட்டு வசதிகள் செயல்பாட்டுக்கு வரும்போது, பரந்த தூரங்களுக்கு மின்சார பரிமாற்றத்தின் நீண்டகால நம்பகத்தன்மை, தீவிரமான காலநிலை நிலைமைகளில் நிரூபிக்கப்படாத மாறியாகவே உள்ளது. பயன்பாட்டு விகிதங்கள் குறைவாக இருந்தால், இந்த அதிக முதலீடு கொண்ட திட்டங்கள், பயன்படுத்தப்படாத சொத்துக்களாக மாறும் அபாயத்தில் உள்ளன. இறுதியில், இது மிகப்பெரிய, குறைவான திறன் கொண்ட டேட்டா சென்டர் கட்டமைப்புகளுடன் தொடர்புடைய குறிப்பிடத்தக்க வாராக்கடன்களுடன் உள்நாட்டு வங்கித் துறையைச் சுமக்க நேரிடும்.