قفزة كثافة الطاقة بمعامل 25 التي تُغيّر كل شيء
تعمل خزانات الحوسبة عالية الأداء التقليدية بطاقة 30-40 كيلوواط. كانت مجموعات HPC المصممة جيداً قبل خمس سنوات تعمل بـ 50-80 كيلوواط للخزانة. أما بنية تحتية تدريب الذكاء الاصطناعي فتُصمَّم الآن لتقترب من 1000 كيلوواط — ميغاواط واحد — للخزانة. هذا ليس تحسيناً تدريجياً؛ إنه تغيير في فئة.
تأكد هذا التحول في مؤتمر Data Center World 2026. أفصح Varun Sakalkar من Google بوضوح: “لسنا بعد نُصمّم خزانة — نحن نُصمّم نظاماً.” وصف Ram Nagappan من Oracle Cloud Infrastructure قيد التصميم: “يجب أن تأخذ الاثنين بعين الاعتبار عند بناء مركز البيانات” — في إشارة إلى المتطلبات المتباينة لمجموعات التدريب (وحدات معالجة رسومات مترابطة بإحكام، محسّنة لزمن الاستجابة) وأنظمة الاستنتاج (التوافر الموزع، المحسّن لاستجابة المستخدم). اعترف Sean James من Nvidia بتحدي الطاقة: “توليد الطاقة خلف العداد حل انتقالي جيد — وليس الحل المفضل على المدى البعيد.”
هذه ليست ملاحظات نظرية. Oracle Project Jupiter في نيو مكسيكو ينتقل تحديداً من توربينات الغاز إلى شبكات مصغّرة تعمل بخلايا الوقود لاستيعاب أعباء الذكاء الاصطناعي عالية الكثافة. حرم Aligned Data Centers Project Caprock في تكساس حرم بطاقة 540 ميغاواط، مساحته 313 فداناً، ستة مرافق، بتأثير اقتصادي بقيمة 5 مليارات دولار، مُصمَّم حول متطلبات الطاقة في حقبة الذكاء الاصطناعي.
كيف بدت مواصفات التصميم القديمة: غرفة حاسوبية بأرضية مرفوعة مع تكييف دقيق، 30-40 كيلوواط للخزانة، فصل منتظم لممرات الحرارة والبرودة، وهدف لكفاءة استخدام الطاقة (PUE) أقل من 1.4. مواصفات التصميم الجديدة مختلفة جذرياً.
التبريد السائل: من اختياري إلى إلزامي
سبب تحول النموذج ديناميكا حرارية. ببساطة، لا يستطيع الهواء إزالة الحرارة بسرعة كافية من خزانة بطاقة ميغاواط. تبلغ السعة الحرارية النوعية لكيلوغرام واحد من الهواء نحو 1 كيلوجول/كغ·°م؛ فيما تبلغ لكيلوغرام واحد من الماء نحو 4.2 كيلوجول/كغ·°م. الماء يُزيل الحرارة بكفاءة أربعة أضعاف الهواء عند نفس معدل تدفق الكتلة. عند كثافات خزانة الميغاواط، يعجز التبريد بالهواء فيزيائياً عن إبقاء درجات حرارة تقاطع GPU ضمن المواصفات.
في مؤتمر Data Center World 2026، كان الإجماع صريحاً: التبريد السائل بات إلزامياً لأنظمة الذكاء الاصطناعي عالية الكثافة، لا اختيارياً. انتقل تركيز الصناعة من الجدال حول استخدام التبريد السائل إلى توحيد نوعه وإدارة تعايشه مع البنية التحتية الموروثة المبردة بالهواء.
التحدي العملي هو الإدارة الهجينة. معظم مراكز البيانات الفعلية ليست مرافق تدريب ذكاء اصطناعي مبنية من الصفر — بل هي مرافق قائمة تُشغّل أيضاً أعباء مؤسسية تقليدية على معدات مبردة بالهواء. إدارة تعايش مجموعات الذكاء الاصطناعي المبردة بالسائل مع الخوادم الموروثة المبردة بالهواء في المبنى ذاته يستلزم إدارة دقيقة للضغط ودوائر تبريد منفصلة وفصلاً محكماً بين ممرات الحرارة والبرودة وموزعات السائل.
يمتد تحدي الماء أيضاً بطرق غير متوقعة. يستهلك التبريد التبخيري — التقنية السائدة في مراكز البيانات الكبيرة المبردة بالهواء — كميات كبيرة من الماء لرفض الحرارة. مع ازدياد كثافة الخزانات وتوسع المرافق، يسعى المشغلون بنشاط إلى “إزالة الماء حيث يستطيعون” كما وصف المشاركون في Data Center World 2026. يستخدم التبريد السائل المباشر (مباشر للرقاقة أو بالغمر) في الواقع ماءً أقل من أنظمة التبريد التبخيري المبردة بالهواء عند مستويات الحمل المكافئة — نتيجة مضادة للحدس تدفع اعتماده.
إعلان
ما ينبغي لقادة البنية التحتية والهندسة القيام به
1. إعادة تصنيف طاقة مركز بياناتك بالميغاواط للخزانة لا بالمتر المربع
مقياس المتر المربع لطاقة مراكز البيانات قديم بالنسبة لأعباء الذكاء الاصطناعي. قبل توقيع أي عقد استضافة مشتركة أو إيجار مركز بيانات، حوّل مواصفة الطاقة إلى كيلوواط للخزانة وتحقق من أن البنية التحتية للطاقة لدى المورد وسعة دائرة التبريد والتوليد الاحتياطي تستطيع فعلياً تسليم الكيلوواطات المقيّمة بكثافة خزانتك المستهدفة. لا تفترض أن “منشأة 10 ميغاواط” تعني 10 ميغاواط مسلّمة لخزاناتك بكثافة عالية — تحقق من معمارية التوزيع.
2. تخطيط بنية تحتية التبريد السائل كمشروع رأسمالي لا كتحسين بأثر رجعي
تتطلب بنية تحتية التبريد السائل — توزيع المياه المبردة ووحدات التبريد داخل الصف وموزعات التبريد المباشر للرقاقة أو أحواض الغمر — تخطيطاً على مستوى المبنى. لا يمكن إضافتها بأثر رجعي إلى غرفة حاسوبية بأرضية مرفوعة مبردة بالهواء دون تعديلات هيكلية وأعمال ميكانيكية وكهربائية وصحية (MEP) إضافية وغالباً إعادة حساب حمل الأرضية. إذا كانت مؤسستك ستنشر مجموعات GPU تزيد عن 50 كيلوواط للخزانة في غضون 24 شهراً، ابدأ مشروع رأس المال للتبريد السائل الآن. وقت المتابعة لبنية تحتية تبريد سائل في إنشاء جديد يتراوح بين 12 و18 شهراً؛ وفي سيناريوهات التعديل بين 18 و30 شهراً.
3. فصل أعباء التدريب والاستنتاج في مرحلة التصميم
أوضح Oracle وGoogle وNvidia الجميع المبدأ ذاته في مؤتمر Data Center World 2026: مجموعات تدريب الذكاء الاصطناعي وأنظمة الاستنتاج لها متطلبات بنية تحتية متباينة، وتصميم منشأة تحاول التحسين لكليهما في آنٍ واحد ينتج منشأة غير متميزة في أي منهما. تتطلب مجموعات التدريب: ربط بيني وثيق لـ GPU (نسيج InfiniBand أو NVLink) وتخزيناً فائق الاستجابة (NVMe over fabric) واستقراراً للطاقة. تتطلب أنظمة الاستنتاج: توافراً موزعاً يشبه شبكات CDN وتحسين زمن استجابة مستخدمين وتكراراً عالياً وقدرة التوسع الأفقي. هذه مبانٍ مختلفة، أو في حدها الأدنى طوابق مختلفة بدوائر طاقة وتبريد مستقلة.
الدرس الهيكلي: مراكز البيانات باتت مبانٍ تحسب
يعكس التحول نحو خزانات الميغاواط تغييراً هيكلياً أعمق: مراكز البيانات لم تعد مبانٍ سلبية تؤوي معدات الحوسبة — بل هي أنظمة متكاملة يُصمَّم فيها المبنى والحوسبة معاً. تُشير عبارة Varun Sakalkar في مؤتمر Data Center World 2026 “لسنا بعد نُصمّم خزانة — نحن نُصمّم نظاماً” إلى الاستنتاج المنطقي: المنشأة والبنية التحتية للطاقة ومعمارية التبريد وحزمة الحوسبة منتج هندسي واحد.
يوازي هذا تطور تصنيع أشباه الموصلات، حيث أصبحت غرفة الأبحاث ومعدات المصانع أنظمة مصممة معاً بشكل لا يمكن الفصل بينه قبل عقود. تسير مراكز البيانات على المسار ذاته، والوتيرة تتسارع: مشاريع مثل حرم Aligned Data Centers بطاقة 540 ميغاواط في تكساس وOracle Project Jupiter مُصمَّمة بالفعل وفق هذه الفلسفة المتكاملة.
بالنسبة لقادة البنية التحتية خارج مستوى المزودين العالميين — مدراء مراكز بيانات المؤسسات، ومشغلو الاستضافة المشتركة الإقليمية، ومدراء مراكز HPC الجامعية — الدرس الهيكلي هو أن المواهب والأدوات اللازمة لإدارة مراكز البيانات قد تغيرت بشكل دائم. المهندسون الكهربائيون الذين يُديرون توزيع الطاقة بالميغاواط، والمهندسون الميكانيكيون الذين يُصمّمون دوائر التبريد السائل، ومهندسو الأنظمة الذين ينسقون طوبولوجيا أعباء التدريب والاستنتاج باتوا متطلبات أساسية لا تخصصات نادرة.
الأسئلة الشائعة
ما الذي يُحرّك التحول من كثافة طاقة 40 كيلوواط إلى خزانات بطاقة ميغاواط؟
المحرك الرئيسي هو أعباء تدريب الذكاء الاصطناعي القائمة على GPU. تستهلك معجّلات الذكاء الاصطناعي الحديثة (Nvidia H100 وH200 وخلفاؤها) بين 700 و1000 واط لكل وحدة، ويتطلب تدريب الذكاء الاصطناعي مئات إلى آلاف GPU في مجموعات مترابطة بإحكام. تستهلك خزانة بـ 100 GPU تعمل بـ H100 نحو 70-100 كيلوواط؛ ومكافئ DGX SuperPOD بـ 256 GPU قد يقترب من 350-500 كيلوواط للخزانة. مع ازدياد أعداد GPU للخزانة بمعماريات الربط البيني من الجيل التالي، تقترب الكثافات من ميغاواط للخزانة — مستحيل فيزيائياً تبريده بالهواء — ومن هنا التحول الإلزامي للتبريد السائل.
ما التقنيات الرئيسية للتبريد السائل المنشورة في مراكز البيانات للذكاء الاصطناعي؟
المقاربات الثلاث الرئيسية هي: التبريد المباشر للرقاقة (لوح تبريد)، حيث يجري السائل المبرد عبر ألواح مثبّتة مباشرة على المعالجات؛ والتبريد السائل داخل الصف، حيث تلتقط مبادلات حرارية بالباب الخلفي الهواء الساخن قبل إعادة الدوران؛ والتبريد بالغمر الكامل، حيث تُغمر الخوادم في سائل عازل كهربائياً. التبريد المباشر للرقاقة هو الأكثر انتشاراً في مجموعات الذكاء الاصطناعي الإنتاجية لأنه يُحقق كفاءة عالية في نقل الحرارة مع الحفاظ على إمكانية الوصول للخوادم للصيانة.
كيف ينبغي للمؤسسات التي لا تبني مرافق بحجم المزودين العالميين التعامل مع هذه الاتجاهات؟
ينبغي للمؤسسات التي تُخطط لأي استثمار في مراكز البيانات أو تجديد عقود الاستضافة المشتركة اتخاذ ثلاث خطوات: أولاً، تحويل متطلبات الطاقة من متر مربع إلى كيلوواط للخزانة والتحقق من أن البنية التحتية للمورد تُسلّم بكثافتهم المستهدفة؛ ثانياً، تقييم ما إذا كانت أعباء GPU المخططة في السنوات الثلاث القادمة تستلزم تبريداً سائلاً والبدء في تخطيط المشروع الرأسمالي وفقاً لذلك؛ ثالثاً، فصل متطلبات بنية تحتية تدريب الذكاء الاصطناعي عن متطلبات الاستنتاج في تخطيطهم المعماري.
المصادر والقراءات الإضافية
🔗 مقالات ذات صلة
مخطط Fairwater: مصنع الذكاء الاصطناعي الموزع من Microsoft يُعيد رسم تصميم مراكز البيانات
الاختناق الخفي الذي يوقف طفرة مراكز بيانات الذكاء الاصطناعي: نقص المحولات الكهربائية ومعدات التوزيع
مراكز بيانات الذكاء الاصطناعي: البنية التحتية وراء ثورة الذكاء الاصطناعي
عجز 49 جيجاواط: كيف يحلّ مشغّلو السحابة أزمة اختناق الشبكة الكهربائية لمراكز بيانات الذكاء الاصطناعي
