AI與挖礦數據中心的融合 - The Daily Hodl

HodlX 客戶投稿提交您的帖子

在最近幾個月，AI (人工智能)的工作負載已經從理論基準轉變爲對全球基礎設施的實時經濟壓力。

從每小時處理數百萬查詢的語言模型到需要龐大的 GPU 集羣進行推理的擴散模型，電網和計算資源的壓力正在加劇。

令人驚訝的是，最能夠承載這一負載的基礎設施並不位於硅谷或超大規模服務器農場，而是在礦業數據中心。

從PoW (工作量證明)到生成式AI

加密貨幣礦中心的建立是基於高密度、高功耗計算的前提——優化效率、正常運行時間和熱控制。

這些是現代人工智能所需的相同基礎。

但有一個關鍵的區別——雖然挖礦過程相對突發，並且可以在不造成業務損失的情況下中斷，但人工智能工作負載是持續的、以精度爲驅動的，並且對延遲敏感。

這種對比提供了一個機會。

通過升級冷卻系統——特別是通過浸沒和液體基礎技術——並優化電力分配基礎設施，礦業數據中心可以成爲混合環境。

當能源成本低時，他們可以進行加密貨幣挖礦，而在GPU需求激增時則切換到人工智能推理工作。

新興的編排平台結合了特定於人工智能的調度工具，允許在任務之間動態切換。

這些工具在工作完成時間上表現出27%到33%的改善，並將排隊延遲減少了1.53倍。

經濟層面同樣引人注目——如果通過推理市場來貨幣化人工智能需求，礦業操作可能發現租用計算能力比挖掘某些資產更具盈利性。

一些礦業中心已經開始嘗試基於FPGA的設置，這些設置抗ASIC並且本質上適合AI訓練。

這爲全面互操作性打開了大門——在這種情況下，相同的基礎設施根據市場條件處理 PoW 塊和變換器模型。

當規模變成負擔

盡管在人工智能投資方面領先，但美國面臨着即將到來的基礎設施壁壘。在弗吉尼亞州，數據中心消耗了該州超過25%的電力。

在聖克拉拉，超過50個數據中心現在消耗了該市總電力使用量的60%，迫使硅谷電力公司大幅擴展其傳輸系統——這導致工業和居民用戶的電費漲。

衆多研究表明，到2030年，全球電力需求可能會增加到三倍以上，這主要是由於人工智能的原因。

如果這些預測成立，美國不僅需要額外的電力，還需要更智能的負載平衡策略——而傳統的超大規模人工智能設施由於與嚴格的正常運行時間服務水平協議（SLA）綁定，適應性較差。

爲了滿足這種急劇增長的需求，美國必須迅速多樣化其能源來源。

擴大可再生能源的規模——包括公用事業規模的太陽能、風能和水電——將發揮關鍵作用。

然而，這些來源本質上是間歇性的，導致電網的波動。這就是礦業數據中心提供意外穩定優勢的地方。

採用需求靈活架構設計，它們可以根據電網負荷暫停或調節操作，在可再生能源輸出高峯期吸收過剩的發電，並在低生產期間縮減產量。

在德克薩斯州，這種靈活性已經導致了礦業運營與電網運營商之間的協作負荷削減協議，使這些設施在下一代電力管理中極具價值。

替代策略也正在出現。來自加拿大的電力進口，特別是通過高壓直流(線路獲取水電，正處於積極探索之中。

在國內方面，SMRs )小型模塊化反應堆(代表了一條有前途的道路。

由多家公司開發並已獲得美國監管機構批準，小型模塊化反應堆（SMR）提供安全、去中心化的核能——非常適合與地區人工智能中心和計算密集型設施相結合。

下一個人工智能前沿

比特幣挖礦在這一趨勢中扮演了早期推動者的角色。然而，真正的故事不僅僅是關於挖礦——而是關於接下來會發生什麼。

礦業基礎設施正在爲人工智能的大規模計算鋪平道路。

這些設施是測試場所——在這裏培養當地人才，完善操作流程，探索監管路徑。

通過適度的硬件升級和改善連接性，許多礦業中心可以轉向支持人工智能工作負載，爲全球模型推理提供低延遲、成本效益高的基礎設施。

通向完全互操作性的門

需要重新構思在人工智能時代數據中心基礎設施應有的樣子。

未來可能不是依賴於超大規模數據中心，而是模塊化、靈活和地理分布的，由能夠管理熱負荷、優化每瓦特成本並實時調整運營模型的混合中心主導。

Batyr是Uminers的創始人兼首席執行官，Uminers是一家全週期礦業基礎設施提供商。他在數據中心開發、加密貨幣挖礦和人工智能驅動技術方面具有深厚的背景。