تتمثل التحديات التي تواجه شبكات الطاقة العالمية في القدرة على تلبية الطلب المتزايد على طاقة الذكاء الاصطناعي (AI). ومع تزايد الاعتماد على نماذج اللغات الضخمة (Large Language Models) في مجالات متعددة، بات من الضروري إيجاد حلول مبتكرة تضمن التوازن بين موارد الطاقة المتجددة واحتياجات الذكاء الاصطناعي. هنا يأتي دور نموذج "AI Greenferencing" الجديد الذي يدفع بالذكاء الاصطناعي ليصبح أكثر استدامة، من خلال تركيز الجهود على مصادر الطاقة المستدامة مثل طاقة الرياح.

تقنية XWind تمثل الحل الذي يسعى إلى استغلال هذه الطاقة الوفيرة بكفاءة، حيث عرضت الدراسة بعض النتائج المدهشة. فقد أظهر تحليل الجدوى أن أكثر من 890 غيغاوات من طاقة الرياح تتواجد ضمن زمن استجابة شبكة يبلغ 50 مللي ثانية من مراكز بيانات Azure. حيث توضح النتائج أن التوزيع الجغرافي لطاقة الرياح يمكن أن يدعم استخدام البنية التحتية للذكاء الاصطناعي بشكل يكاد يتطابق مع النماذج التقليدية.

لضمان خدمة الطلبات بشكل فعال تحت ظروف طاقة الرياح المتغيرة، تم تطوير جهاز توجيه الوصول XWind، والذي يعد خفيف الوزن ومُعتمد على الإشارات في الوقت الحقيقي مثل زمن الاستجابة واستخدام الذاكرة. أظهرت التجارب على منصة تجريبية مكونة من 64 وحدة معالجة رسومية (GPU) من نوع A100 فاعلية هذا النظام، حيث تمكن من تقليل زمن الاستجابة بنسبة تصل إلى 52% مقارنةً بأقوى المنافسين، وتحقيق مكاسب ملحوظة عبر جميع أنواع الأحمال.

إنَّ هذه التطورات تمثل خطوة كبيرة نحو تحسين استدامة الطاقة وتوفير الطاقة اللازمة لعمليات الذكاء الاصطناعي، مما يفتح الباب أمام مزيد من الابتكارات في هذا المجال.