בשדות חקלאיים נרחבים ובפארקים תעשייתיים מתפשטים מבנים ענקיים עמוסי מדפי מחשבים, שנבנים כדי להאיץ את מירוץ הבינה המלאכותית. מדובר בתשתית חדשה מסוגה: מחשבים-על המיועדים לאמן ולהפעיל מודלי שפה גדולים בקנה מידה עצום, כולל שבבים מיוחדים, מערכות קירור ואפילו מקורות אנרגיה ייעודיים. חברות טכנולוגיה משקיעות מאות מיליארדי דולרים בבניית מרכזי נתונים היפר-סקייל ל-AI אלה, והממשלות מצטרפות להשקעה.
מרכזי הנתונים ההיפר-סקייליים ל-AI משלבים מאות אלפי שבבי עיבוד גרפי (GPUs) כמו H100 של Nvidia, בקבוצות מסונכרנות הפועלות כמחשב-על אחד גדול. השבבים מצטיינים בעיבוד נתונים עצומים במקביליות. אלפי קילומטרים של כבלי סיבים אופטיים מחברים ביניהם כמו מערכת עצבים, ומאפשרים תקשורת במהירות בזק. מערכות אחסון ענקיות מזינות נתונים באופן רציף לשבבים, בעוד המתקנים פועלים מסביב לשעון.
הכוח החישובי המרשים מגיע במחיר כבד. השבבים הצפופים מתחממים כל כך, שאוויר ממודר לא מספיק לקירורם. במקום זאת, הם מותקנים על לוחות מים קרים או שקועים באמבטיות נוזל קירור. ייתכן שבעתיד ישתמשו אף במי ים. מרכזי הנתונים הגדולים ביותר צורכים יותר מגיגה-וואט חשמל – מספיק להפעלת ערים שלמות. יותר ממחצית החשמל מגיע מדלקים מאובנים, בעוד מקורות מתחדשים מספקים רבע בלבד. ענקיות AI פונות לכוח גרעיני, וגוגל חולמת על מרכזי נתונים סולאריים בחלל.
הבנייה המטורפת נובעת מחוקי ההגדלה של AI ומביקוש מתפוצץ, כשהטכנולוגיה משולבת בכל דבר מאפליקציות כושר ועד חברות וירטואליות. אך הציבור עלול לשלם את המחיר: קהילות סמוכות מתמודדות עם חשבונות חשמל מופקעים, מחסור במים, רעש מתמשך וזיהום אוויר. מרכזי נתונים היפר-סקייל ל-AI משנים את הנוף, אך דורשים איזון בין חדשנות להשפעות מקומיות.
בעלי עסקים ישראלים צריכים לשים לב: התשתית הזו מאפשרת התקדמות AI מהירה, אך מעלה את עלויות האנרגיה הגלובליות. כדאי לבחון פתרונות יעילים כמו שבבים ישראליים או שותפויות מקומיות. מה תכנון האסטרטגיה שלכם להשתמש ב-AI בעידן הזה?