מה יקרה כש-AI יבקש יותר ממה שאנחנו מסוגלים להציע?

"אני, רובוט", כשמדברים על בינה מלאכותית, אי אפשר שלא להיזכר במותחן העתידני שמציג עולם שבו AI הוא חלק בלתי נפרד מהאנושות, לצד דילמות אתיות וחששות לעתידנו. כמעט בכל דיון על הנושא עולות שאלות כמו: עד כמה ניתן לסמוך על AI? והאם בעתיד הוא יחליף אותנו בחיי היומיום? אך בתוך כל ההתלהבות, נושא קריטי אחד כמעט ואינו מקבל התייחסות – ההתמודדות בהווה עם אתגרים תשתיתיים וסביבתיים שאין להם פתרון ברור באופק.

הבינה המלאכותית כבר אינה חזון עתידי – היא כאן, צומחת בקצב מסחרר, ואנחנו רק רוצים עוד. המרוץ ליכולות עיבוד חזקות יותר מביא לפריצות דרך וחידושים שבעבר היו בגדר מדע בדיוני. אך האם אנחנו מסוגלים להדביק את קצב הגדילה ולספק תשתית מתאימה, או שהטכנולוגיה מתפתחת מהר יותר מיכולתנו להסתגל? במאמר זה נבחן את ההתרחבות המואצת של ה-AI, את המחיר הנסתר של המהפכה, ואת השאלה הגדולה: האם יש תחנה אחרונה לרכבת הדוהרת הזו?

המרוץ ל-AI: התרחבות בלתי ניתנת לעצירה של יחידות עיבוד גרפיות (GPU)

הביקוש לבינה מלאכותית נמצא בעלייה מתמדת, ודוחף את עולם החומרה לקצה גבול היכולת. בעבר, יחידות עיבוד גרפיות (GPU) שימשו בעיקר לעיבוד גרפי במשחקי מחשב, אך כיום הן הפכו למנוע העיקרי מאחורי מערכות AI מתקדמות. בעקבות כך, חברות טכנולוגיה ענקיות משקיעות הון עתק במרוץ לייצור שבבים חזקים יותר, מהירים יותר ויעילים יותר. 

600kW, צריכת החשמל לארון בודד שהוכרז לאחרונה ע"י Nvidia ויצטרף לשוק בשנתיים הקרובות, לצורך השוואה, מדובר על שטח רצפה של מטר מרובע בהספק השווה לבניין מגורים בגובה של כ-30 קומות (150 דירות), עכשיו תכפילו זאת בעשרות ארונות. Nvidia אמנם מובילה בשוק אבל AMD משיבה מלחמה עם שבבים משלה בעוד ש-Intel ממשיכה לפתח פתרונות חישוב המיועדים לאימון מודלי AI גדולים. החוק הראשון של ג'ייקוב קובע ש "הבינה המלאכותית של היום היא הגרועה ביותר שתהיה לנו אי פעם" שכן כל דור של שבבים מביא עימו שיפורים עצומים, אך בו זמנית יוצר דרישה למודלים חכמים יותר, גדולים יותר ורעבים יותר למשאבים. המרוץ למחשוב חזק יותר רחוק מלהסתיים, והשאלה היא – האם אי פעם יהיה לנו מספיק כוח חישוב?

המחיר הנסתר של בינה מלאכותית: כשה-AI מבקש יותר ממה שיש לנו להציע

למרות ההצלחות המרשימות של בינה מלאכותית והשפעתה החיובית בתחומים רבים, יש להתייחס גם לאתגרים המשמעותיים שנלווים לפיתוחה המהיר. דרישות ההספק הגבוהות והלא צפויות שמביאות איתן מערכות AI מציבות בפני התשתיות הקיימות בעיות מורכבות:

• עומס על רשת החשמל

לפי MIT, יצירת תמונה באמצעות מודל בינה מלאכותית דורשת אנרגיה השווה לטעינה מלאה של הסמארטפון שלכם. הביקוש הגובר למתקני מחשוב, במיוחד עבור יישומי בינה מלאכותית (AI), מוביל לעלייה משמעותית בצריכת החשמל העולמית. כיום מתקני מחשב מהווים כ-2 אחוז מצריכת החשמל העולמית ולפי התחזיות, עד שנת 2035, עם קפיצה משמעותית במתקני AI, צריכת החשמל תשלש את עצמה ותשתווה לצריכת החשמל של כל הודו. בארה"ב בלבד, צריכת החשמל תשלש את עצמה עד 2028 בלבד, ותגיע לכ-12% מצריכת החשמל הלאומית, לעומת יותר מ-4% כיום. 

הגידול בצריכת האנרגיה מביא עמו גם עיכובים רגולטוריים. מדינות שונות מקשיחות את הכללים להקמת חוות שרתים בשל חשש לעומס על רשתות החשמל. באירלנד, למשל, הוטלו מגבלות על הקמת חוות שרתים באזור דבלין עד 2028, לאחר שהן הגיעו לצריכה של יותר מ-20% מהחשמל הלאומי. בבריטניה, עיכובים בחיבור לרשת החשמל מעכבים את תוכניות Microsoft, כשאין הבטחה לחיבורים לפני 2035. בארה"ב, מדינות כמו טקסס שוקלות לחייב מתקנים גדולים לשלב את הגנרטורים המיועדים לגיבוי בתוכניות להפחתת צריכה בעת עומס על הרשת.

• איכות החשמל

מעבר לאתגר עומס היתר על רשתות החשמל, מתקני AI משפיעים באופן ישיר על איכות החשמל והפרעות שנוצרות מחייבות פתרון מיידי על מנת להבטיח פיתוח בטוח ויציב. תהליכי אימון של AI פועלים בסנכרון של כל יחידות ה-GPU הזמינות למשימה, אך במקום צריכת חשמל יציבה, הם מתאפיינים בפרופיל עומס מחזורי ובלתי צפוי – קפיצות חדות של כ-50% במרווחים של כ-2 שניות ובמקרים קיצוניים אף מספר פעמים בשנייה. 

התנהגות זו יוצרת עומס דינמי על רשת החשמל, גורמת לתנודות מתח (Voltage Fluctuations) ומובילה להיווצרות הרמוניות שמשפיעות על כל הצרכנים בסביבה. אם המונח "הרמוניות" מזכיר לכם שילוב צלילים מדויק, במציאות החשמלית מדובר דווקא ברעש צורם – כמו רמקול המנסה לנגן בעוצמה שהוא לא יכול לשאת. הן האויב השקט של כל מכשיר אלקטרוני בביתכם. מהמחשב והטלוויזיה שעלולים להתחמם ואף להישרף במקרים קיצוניים, ועד למנועים במקרר או במכונת הכביסה שעלולים לפעול בצורה לא סדירה ולסבול מבלאי מואץ. על פי נתוני בלומברג, 75% מהפרעות החשמל הללו נרשמו בטווח של 30-40 קילומטרים ממתקני AI פעילים.

• קירור

ההשפעה הישירה של העומס הגובר במתקני מחשוב היא פליטת חום אדירה. בהקשר להכרזה של Nvidia ,כיצד ניתן לקרר ארון בעומס של 600kW? טיפול בארון בודד אולי נשמע כמו משימה קלה אך פינוי חום של ריכוז עשרות ארונות בגודל הזה מהווה אתגר הנדסי משמעותי. הקירור דורש תכנון מוקפד ותחזוקה מדויקת של מערכות מתקדמות שכן התשתיות הנדרשות אינן פשוטות.  

• פליטות גזי חממה

אתגר מרכזי נוסף הוא פליטת גזי חממה, על פי דו"ח שלMIT , הכשרת מודל יחיד של בינה מלאכותית כמו GPT-3 עשויה להפיק פליטות גזי חממה שמקבילות להשפעה של 5 רכבים ממנועי בנזין לכל אורך חייהם. משמעות הדבר היא שהפיתוח המהיר של AI מציב איום על מאמצי המאבק בשינוי האקלים.

בהתחשב באתגרים הללו נשאלת השאלה האם אנחנו מסוגלים להדביק את הקצב ולספק את התשובות והפתרונות בזמן?

בא לשכונה בחור חדש: הפתרונות והחידושים יוצאי הדופן

האתגרים הללו הציתו גל של חדשנות, הן בהתמודדות עם בעיות תשתית החשמל והן בהפחתת ההשפעה הסביבתית. אחת הדרכים המרכזיות להתמודדות עם צמד האתגרים הללו היא שילוב מקורות אנרגיה מתחדשת, בראשם כורים גרעיניים מודולריים קטנים (SMR). נכון להיום, טכנולוגיית ה-SMR עדיין יקרה ומורכבת ליישום, אך היא צפויה להשתלב בתעשייה החל משנת 2030. במקביל, השימוש באנרגיות מתחדשות קונבנציונליות תופס תאוצה, כאשר חברות ענק כמו Microsoft, Google ו-Amazon חתמו על חוזים בשווי מיליארדי דולרים לרכישת תשתיות אנרגיה ירוקה – זאת כחלק מהצהרתן למעבר למתקני AI ירוקים (מתקנים המופעלים באופן מלא באמצעות אנרגיה מתחדשת).

גם בתחום איכות החשמל, הטיפול בדרישות האנרגטיות המשתנות של עומסי AI הוא קריטי לשמירה על אמינות ויעילות חוות שרתים. ברמת רשת החשמל אנו רואים שילוב של רכיבים כמו מפצי סנכרון סטטי (STATCOM) המשמשים לשיפור איכות המתח ולייצוב תנודות פתאומיות בעומסים. נוסף לכך, נמצאים בפיתוח פתרונות טכנולוגיים לשילוב AI עצמו שעתידים לסייע בניהול רשת החשמל, באמצעות חיזוי ביקושים ואיזון עומסים – מה שעשוי להוביל לחלוקת אנרגיה חכמה ויעילה יותר בעתיד. חדשנות נוספת בתחום היא מערכות אל-פסק (UPS – Uninterruptible Power Supply) היברידיות המשלבות סופר-קבלים, המתאימות למצבים בהם נדרשות טעינות ופריקות מהירות בתדירות גבוהה לטיפול בתנודות המהירות בעומס שרכיבי ה-GPU מייצרים, בשילוב מצברים להתמודדות עם נפילות חשמל ארוכות יותר על מנת לספק ביצועים משופרים.

אם נהיה לכם קצת חם, אז גם הקירור הוא אתגר לא פשוט, ישנן מספר טכנולוגיות שמתמודדות עם אתגר זה ובראשם קירור ישיר, קירור באמצעות נוזלים שעוברים בצינורות שממוקמים ישירות על רכיבי ה-GPU. חברת ZutaCore הישראלית בשילוב עם SoftBank נמצאת בין המובילים בתחום לספק פתרונות לאתגר עצום זה.

סיכום

ההתפתחות המואצת של הבינה המלאכותית מביאה עמה מהפכה טכנולוגית חסרת תקדים, ואיתה שורת אתגרים מהותיים בתחום האנרגיה והתשתיות. חברות הטכנולוגיה משקיעות משאבים אדירים בפיתוח פתרונות עיבוד עוצמתיים, בעוד שמתקני AI כיום צורכים הספק הדומה לזה של עיר קטנה. דרישות האנרגיה הגבוהות כבר היום משפיעות על הסביבה ועל התשתיות הקיימות שמתקשות להדביק את הקצב.

פתרונות מתקדמים מתחילים לצוץ – החל משימוש נרחב במקורות אנרגיה מתחדשים ושילוב טכנולוגיות חדשניות כמו SMR (כורים גרעיניים מדולרים קטנים), דרך פיתוח מערכות ניהול עומסים חכמות ועד מערכות אל-פסק מתקדמות שמספקות אמינות ויציבות.

עם כל ההבטחות והפוטנציאל, עולה השאלה – האם נצליח להדביק את קצב ההתפתחות המהיר של הבינה המלאכותית ולספק לה את התשתית הנדרשת, או שהמרוץ אחר כוח חישוב אינסופי יוביל אותנו למשבר אנרגיה חמור?

נ.ב. בינה מלאכותית אולי יוצרת אתגרים, אבל לפחות עוזרת לכתוב עליהם.