TheAIMeters Logo

Kur yra įsikūrę dirbtinio intelekto duomenų centrai?

Apžvalga, skirta plačiajai visuomenei, apie pagrindinius dirbtinio intelekto (AI) ir hiperskalės duomenų centrų regionus, žinomas dirbtinio intelekto superkompiuterių vietas bei viešus šaltinius, leidžiančius stebėti, kur statoma dirbtinio intelekto infrastruktūra.

Stylized world map showing public AI-capable data center regions
Viešai prieinamuose žemėlapiuose gali būti nurodyti regionai ir paskelbtos vietos, tačiau juose negali būti atskleista kiekviena dirbtinio intelekto darbo apkrova ar privati įranga. Šis vaizdas yra naudingas, nes pateikiamas regioniniu pagrindu ir remiantis šaltiniais, tačiau nėra išsamus.

Svarbiausia išvada

Nėra išsamaus viešai prieinamo visų AI duomenų centrų žemėlapio. Geriausias viešai prieinamas vaizdas apima debesų regionus, operatorių duomenų centrų puslapius, paskelbtus AI kompleksus ir atvirus infrastruktūros duomenų rinkinius, tuo pačiu aiškiai atskiriant patvirtintas AI vietoves nuo platesnių, AI galimybes turinčių hiperskalės regionų.

Dirbtinio intelekto duomenų centrai nėra išsidėstę atsitiktinai. Jie paprastai susitelkia šalia elektros energijos tiekimo pajėgumų, šviesolaidinių tinklų, laisvų žemės sklypų, debesų kompiuterijos regionų, aušinimo galimybių, kvalifikuotos darbo jėgos ir palankios leidimų išdavimo aplinkos, kuri gali užtikrinti didelių infrastruktūros projektų įgyvendinimą.

Kai kurios vietos viešai paskelbtos kaip AI objektai, pavyzdžiui, dideli superkompiuterių centrai ar „Stargate“ kompleksai keliose JAV valstijose. Daugelis kitų yra hipermasto debesų regionai, kuriuose galima vykdyti AI darbo krūvius, bet neatskleidžiama, kokie modeliai ar produktai veikia kiekviename pastate.

Todėl šis puslapis yra viešas, dalinis pagrindinių regionų ir pavyzdžių žemėlapis. Jame vengiama tikslaus kartografavimo gatvės lygiu ir neteigiama, kad identifikuojamas kiekvienas objektas; net dideli vieši duomenų rinkiniai gali skaičiuoti objektus neparodydami jų dydžio, AI darbo krūvio dalies ar panaudojimo.

Kaip skaityti šį žemėlapį

Toliau pateikti įrašai atrinkti iš oficialių operatorių puslapių, debesų infrastruktūros dokumentacijos, viešų pranešimų, atvirų datacenter žemėlapių išteklių ir nepriklausomų tyrimų, tokių kaip Stanford AI Index. Regionas gali būti įtrauktas, jei tai aiškus AI objektas, viešas hipermasto datacenter kompleksas, paskelbta AI infrastruktūros plėtra arba didelis debesų regionas, palaikantis AI-capable infrastruktūrą.

Sąrašas sąmoningai konservatyvus. Jį reikėtų skaityti kaip praktinį viešų signalų vadovą, o ne kaip pilną inventorių ar saugumo požiūriu jautrių objektų katalogą. Pavyzdžiui, Stanford AI Index cituoja Cloudscene duomenis, rodančius, kad Jungtinės Valstijos gerokai pirmauja pagal viešus duomenų centrų skaičius, tačiau kartu įspėja, kad tokie skaičiai neatskleidžia objektų dydžio, skaičiavimo pajėgumų ar panaudojimo.

Pagrindiniai viešųjų dirbtinio intelekto ir hiperskalės duomenų centrų regionai

Pateikti pavyzdžiai, pagrįsti viešai prieinamais šaltiniais. Kategorijos apibūdina, kodėl šis regionas yra svarbus; tai nereiškia, kad kiekvienas regione esantis objektas yra skirtas dirbtiniam intelektui.

„Hyperscale“ regionas

Northern Virginia, United States

Veikimas

Vienas iš didžiausių debesų kompiuterijos ir duomenų centrų regionų pasaulyje, viešai pristatomas per „AWS“, „Azure“ ir viešus JAV duomenų centrų žemėlapių išteklius.

AWS Global Infrastructure

Debesų kompiuterijos ir hiperskalės regionas

Oregon and Pacific Northwest, United States

Veikimas

Svarbus JAV vakarų regionas, kuriame sutelkta infrastruktūra, įskaitant viešųjų debesų regionus ir didelius kompleksus, pavyzdžiui, „Google The Dalles“ ir „Meta Prineville“.

Google Data Center Locations

AI infrastruktūros plėtra

U.S. Stargate buildout: Texas, New Mexico, Ohio, Wisconsin and Michigan

Veikia / paskelbta

Vieši OpenAI pranešimai apie „Stargate“ nurodo AI kompleksus ir objektus Teksase, Naujojoje Meksikoje, Ohajuje, Viskonsine ir Mičigane. Kai kurie veikia arba veikia iš dalies, kiti tebėra kuriami ar plečiami.

OpenAI Stargate community

„Explicit AI“ superkompiuterio svetainė

Memphis, Tennessee, United States

Veikimas

„xAI“ viešai nurodo, kad Memfis yra „Colossus“ – didelio dirbtinio intelekto superkompiuterio komplekso, naudojamo „Grok“ projektui, – buveinė.

SpaceXAI Memphis

Europos debesų ir datacenter regionai

Ireland, the Netherlands, Germany, Belgium and the United Kingdom

Veikimas

Airija, Nyderlandai, Vokietija, Belgija ir Jungtinė Karalystė nurodomos viešuose hipermasto datacenter tinkluose ir debesų regionuose, įskaitant veikiančias ir paskelbtas vietas.

Google Data Center Locations

Šalto klimato infrastruktūros regionas

Nordics: Denmark, Sweden and Finland

Veikimas

Šiaurės šalių vietovės įtraukiamos į viešųjų duomenų centrų parkus, nes vėsus klimatas, elektros energijos tiekimas ir tinklo ryšys sudaro sąlygas didelio masto infrastruktūrai.

Google Data Center Locations

Azijos ir Ramiojo vandenyno regiono debesų kompiuterijos rinka

Singapore and Southeast Asia

Veikimas

Singapūras yra viešai pripažinta duomenų centrų vieta ir intensyviai veikiantis regioninis debesų kompiuterijos centras, skirtas Azijos ir Ramiojo vandenyno regiono darbo apkrovoms.

Meta global data centers

Azijos ir Ramiojo vandenyno AI-capable infrastruktūra

Japan, Taiwan, India, Malaysia and Thailand

Veikia / paskelbta

Japonija, Taivanas, Singapūras, Indija, Malaizija ir Tailandas pateikiami viešuose debesų ir datacenter vietų puslapiuose, su veikiančių ir kuriamų objektų deriniu.

Google Data Center Locations

Kodėl visas sąrašas nėra viešai skelbiamas

Operatoriai dažnai skelbia informaciją apie debesų regionus, duomenų centrų kompleksus ar investicijas, tačiau paprastai neatskleidžia, kokios tikslios darbo apkrovos veikia kiekviename pastate. Viename objekte vienu metu gali būti aptarnaujamos paieškos, duomenų saugojimo, verslo debesų, dirbtinio intelekto išvadų darymo ir vidinės sistemos.

Kai kurios vietos nuomojamos iš kolokacijos paslaugų teikėjų, kai kurios dar statomos, o apie kai kurias skelbiama dar prieš galutinai nustatant pajėgumus, sudarant elektros energijos tiekimo sutartis ar patvirtinant leidimų išdavimo sąlygas. Viešųjų registrų duomenys taip pat gali atsilikti nuo statybos ar eksploatacijos pokyčių.

Dėl šios priežasties atsakingas AI duomenų centrų žemėlapis turėtų naudoti plačius regionus, aiškias šaltinių nuorodas ir neapibrėžtumą žyminčią kalbą. Jis neturėtų sudaryti įspūdžio, kad kiekviena matoma debesijos vieta yra išskirtinai AI objektas arba kad viešas objektų skaičius yra tas pats, kas AI skaičiavimo pajėgumas.

Papildoma literatūra ir šaltiniai

Susiję puslapiai

Susiję straipsniai

Kaip atrodo DI vartojimas

Pamatykite DI vandens naudojimą, elektros vartojimą ir anglies dioksido emisijas, paverstas realaus pasaulio atitikmenimis.

Ar dirbtinio intelekto duomenų centrai kenkia aplinkai?

Dirbtinio intelekto duomenų centrai savaime nėra žalingi aplinkai, tačiau jų poveikis priklauso nuo elektros energijos paklausos, elektros tinklo energijos šaltinių sudėties, vandens suvartojimo, aušinimo sistemos konstrukcijos, vietinių apribojimų ir skaidrumo.

Kaip veikia dirbtinio intelekto duomenų centrai

Šiuolaikinės dirbtinio intelekto sistemos remiasi didžiuliais duomenų centrais, kuriuose yra GPU, tinklo įranga, aušinimo sistemos ir didelio tankio infrastruktūra. Šie įrenginiai užtikrina dirbtinio intelekto mokymą, išvadų darymą, vaizdų generavimą ir didelės apimties kalbos modelius.

Kas yra dirbtinio intelekto duomenų centras?

Dirbtinio intelekto duomenų centras – tai fizinis objektas, skirtas vykdyti didelio masto dirbtinio intelekto užduotis, įskaitant modelių mokymą, išvadų darymą, paieškos asistentus, vaizdų generavimą ir įmonėms skirtas dirbtinio intelekto paslaugas.

Kas yra MCP AI srityje? Model Context Protocol paaiškinimas

MCP, arba Model Context Protocol, yra atviras protokolas AI programoms jungti su išoriniais įrankiais, duomenų šaltiniais ir darbo eigomis per standartinę sąsają.

Kaip DI naudojamas robotikoje?

DI robotikoje padeda mašinoms suvokti aplinką, suprasti nurodymus, planuoti veiksmus ir prisitaikyti prie realių užduočių naudojant modelius, treniruotus su duomenimis, simuliacija ir demonstracijomis.

Susiję klausimai

Dalytis šiuo puslapiu