انویدیا دیتاسنترهای خانگی می‌ سازد

شرکت انویدیا با همکاری SPAN قصد دارد دیتاسنترهای کوچک خانگی مبتنی بر ۱۶ پردازنده گرافیکی Blackwell و ۴ پردازنده سروری بسازد.

به‌ گزارش سرویس سخت‌افزار تک‌ناک، انویدیا در ماه آوریل همکاری خود با SPAN، شرکت فعال در حوزه راهکارهای هوشمند مدیریت و توزیع انرژی را برای ارائه XFRA آغاز کرد؛ پلتفرمی برای تولید دیتاسنترهای خانگی که با مشارکت سازندگان مطرح خانه مانند PulteGroup توسعه می‌یابد.

در زمان معرفی این همکاری، جزئیات چندانی درباره پروژه منتشر نشده بود، اما اکنون مشخص شده که برنامه انویدیا بسیار جاه‌طلبانه‌تر از یک طرح معمولی است. این شرکت قصد دارد ۱۶ پردازنده گرافیکی Blackwell و ۴ پردازنده سروری را که ارزش مجموع آنها از ۲۵۰ هزار دلار فراتر می‌رود، در یک ماژول پردازشی دیواری با ابعاد تقریبی یک کولر گازی قرار دهد و روی دیوار خارجی برخی خانه‌ها نصب کند.

بیشتر بخوانید: SSD جدید سن‌دیسک برای NAS با دوام ۱۴ پتابایتی از راه رسید

پیوستن به طرح دیتاسنترهای خانگی

برای مطالعه بیشتر: قیمت حافظه‌های سازمانی سر به فلک کشید؛ غافلگیری مراکز داده

کاربران منتخب برای پیوستن به این طرح نیازی به پرداخت هزینه اولیه نخواهند داشت. همچنین انویدیا و SPAN بخش قابل توجهی از هزینه‌های برق و اینترنت این سیستم را پوشش می‌دهند. در مقابل، مالک خانه سهمی از درآمد تولیدشده توسط این دیتاسنترهای خانگی دریافت خواهد کرد؛ هرچند میزان دقیق این سهم هنوز اعلام نشده است. در حال حاضر، این پروژه در مرحله آزمایشی قرار دارد و تنها حدود ۱۰۰ خانه در چند منطقه مشخص را شامل می‌شود. در صورت اثبات موفقیت تجاری، احتمال دارد ماژول‌های پردازشی دیواری انویدیا در تعداد بسیار بیشتری از خانه‌ها نصب شوند.

خبر پیشنهادی: تراشه جدید انویدیا؛ بلیت بازگشت به بازار چین؟

تامین توان پردازشی با روش‌های نوین

این مدل از پردازش توزیع‌شده می‌تواند در آینده به اندازه سیستم‌های خورشیدی خانگی فراگیر شود، چرا که این واحدها احتمالا در ساعات کم‌مصرف شبانه فعالیت خواهند کرد تا فشار کمتری به شبکه برق وارد شود. از سوی دیگر، امکان فعالیت در طول روز نیز وجود دارد تا انرژی مازاد تولیدشده توسط پنل‌های خورشیدی خانگی برای پردازش‌های هوش مصنوعی مورد استفاده قرار گیرد. انویدیا با پروژه دیتاسنترهای خانگی در تلاش است مرز میان خانه‌های معمولی و زیرساخت‌های دیتاسنتری را کمرنگ کند؛ رویکردی که می‌تواند شیوه تامین توان پردازشی مورد نیاز هوش مصنوعی را در آینده تغییر دهد.