人工智能與採礦數據中心融合

近幾個月來，人工智能 (AI) 的工作量已經從理論基準變成了對全球基礎設施的實時經濟壓力。

從每小時處理數百萬次查詢的語言模型到需要大量 GPU 集群進行推理的擴散模型，電網和計算資源的壓力正在加速增大。

令人驚訝的是，最適合吸收這種負載的基礎設施並不位於矽谷或超大規模服務器群–而是在採礦數據中心。

加密貨幣挖礦中心建立在高密度、高功耗計算的前提上–針對效率、正常運行時間和熱控制進行了優化。

這些與現代人工智能所需的基礎相同。

但有一個關鍵的區別–雖然採礦過程相對具有突發性，並且可以中斷而不會造成業務損失，但人工智能工作負載是持續的、精確驅動的和對延遲敏感的。

這種對比呈現出機會.

通過升級冷卻系統–特別是通過浸沒和基於液體的技術–和優化配電基礎設施、採礦數據中心可以成為混合環境。

他們可以在能源成本較低時運行加密挖掘，並在 GPU 需求激增時切換到 AI 推理工作。

新興的編排平台與特定於 AI 的調度工具相結合，允許任務之間動態切換。

這些工具已證明可將作業完成時間提高 27% 至 33%，並將減少排隊延誤。

經濟層面同樣引人注目–如果人工智能需求通過推理市場貨幣化，那麼挖礦業務可能會發現租用計算能力比挖掘某些資產更有利可圖。

一些採礦中心已經實驗 和 基於FPGA設置，具有抗 ASIC 特性，並且本身適用於人工智能訓練.

這為全面互操作打開了大門–同一基礎設施同時處理 PoW 區塊和變壓器模型，取決於市場情況。

儘管美國在人工智能投資方面處於領先地位，但它面臨著迫在眉睫的基礎設施壁壘。 弗吉尼亞州，數據中心消耗超過25%該州的電力。

在聖克拉拉，50個數據中心現在消耗了全市 60% 的電力，迫使矽谷力量急劇地擴張其傳輸系統–提高工業和居民用戶的費率。

很多的 研究表明全球電力需求到 2030 年可能會增加兩倍以上，主要是由於人工智能.

如果這些預測成立，美國不僅需要額外的電力，還需要更智能的負載平衡策略 –傳統的超大規模 AI 設施受嚴格的正常運行時間 SLA 約束，不太適合。

為了滿足這一不斷增長的需求，美國必須迅速實現能源來源多元化。

擴大可再生能源–包括公用事業規模的太陽能、風能和水力發電–將發揮關鍵作用。

然而，這些能源本質上是間歇性的，會造成電網波動。 而這正是挖礦數據中心提供驚人穩定性優勢的地方。

它們採用需求靈活的架構設計，可以根據電網負荷暫停或限制運行，在可再生能源發電高峰期吸收多餘的發電量，並在低產量期間縮減規模。

在德克薩斯州，這種靈活性已經促成了採礦業務和電網運營商之間的合作負荷削減協議，使得這些設施在下一代電力管理中具有極高的價值。

替代戰略也正在湧現。 電力從加拿大進口尤其是通過 HVDC（高壓直流）線路接入水力發電，積極探索.

在國內方面，SMR（小型模塊化反應堆）代表著一條有希望的道路。

SMR 由多家公司開發，並已獲得美國監管機構的批准，可提供安全、分散的核電–非常適合搭配與區域人工智能中心和計算密集型設施.

比特幣採礦業是這一趨勢的先行者。 然而，真正的故事不僅僅關乎採礦業–而是關於接下來會發生什麼。

採礦基礎設施正在為人工智能的大規模計算鋪平道路。

這些設施是試驗場–培訓當地人才、完善運營流程並探索監管途徑。

通過適度的硬件升級和改善的連接性，許多采礦中心可以轉向支持人工智能工作負載，為全球模型推理提供低延遲、經濟高效的主幹。

我們需要重新構建人工智能時代的數據中心基礎設施。

未來可能不再是默認的超大規模，而是模塊化、靈活和地理分佈的，由懂得如何管理熱負荷、優化每瓦成本和實時轉變運營模式的混合中心主導。

Batyr 是尤米納斯是一家全週期挖礦基礎設施提供商。 他在數據中心開發、加密貨幣挖礦和人工智能技術方面擁有深厚的背景。

特色圖片：Shutterstock/iurii/Vladimir Sazonov