Pomanjkanje transformatorjev ogroža rast podatkovnih centrov za umetno inteligenco

Raziskovalci so razvili nov tip umetnega nevrona, ki posnema elektrokemične procese bioloških možganskih celic, s čimer bi lahko zmanjšali porabo energije pri umetni inteligenci. Ta inovacija, ki temelji na premikanju atomov namesto elektronov, bi lahko vodila do računalniških čipov, ki so manjši in energetsko učinkovitejši. Hkrati so ustvarili magnetne nevromorfne računalnike, ki se učijo kot človeški možgani, vendar porabijo manj energije. To bi lahko zmanjšalo ogromne energetske potrebe velikih modelov umetne inteligence, ki trenutno porabljajo elektriko v obsegu celotnih skupnosti.

Qualcomm je predstavil nove čipe za podatkovne centre, namenjene umetni inteligenci (AI200 in AI250), s čimer želi izzvati prevlado podjetij Nvidia in AMD na tem področju. Po predstavitvi so delnice Qualcomma v ponedeljek zrasle za 20 %, kar je največji skok po letu 2019. Prihod novih čipov AI200 je predviden za leto 2026, AI250 pa za leto 2027.

Globalno povpraševanje po električni energiji, ki ga poganja predvsem strmo naraščanje potreb podatkovnih centrov za umetno inteligenco, je spodbudilo prehod k malim modularnim reaktorjem (SMR). Ti reaktorji predstavljajo odgovor na omejitve obnovljivih virov energije, ki zaradi svoje občasne narave ne morejo zagotavljati neprekinjenega napajanja. Jedrska energija se v tem okviru uveljavlja kot bistven vir stabilne pasovne moči, ki deluje 24 ur na dan. Kljub velikemu zanimanju se razvoj SMR-jev spopada z realnimi ekonomskimi izzivi in ozkimi grli pri dobavi goriva. Tehnologija, ki obljublja hitrejšo in cenejšo gradnjo v primerjavi s tradicionalnimi jedrskimi elektrarnami, je trenutno v fazi intenzivnega prilagajanja tržnim razmeram. Strokovnjaki poudarjajo, da bo za uspešen prehod na tovrstno energijo ključna vzpostavitev stabilnih dobavnih verig in doseganje ekonomije obsega.