Kürzlich teilte Joris Poort, CEO und Gründer von Rescale, seine Erkenntnisse über die Zukunft der Computertechnik in zwei Artikeln mit, die im Weltwirtschaftsforum.

„Wie Unternehmen KI einführen können, ohne ihren CO2-Fußabdruck zu vergrößern“ und „Wie die KI-Physik das Potenzial hat, das Produktdesign zu revolutionieren“ behandelte wichtige Überlegungen für Technologie- und Unternehmensleiter bei der Auseinandersetzung mit diesen dringenden Problemen.

Die Artikel waren Teil von Poorts Teilnahme als offizieller Agenda-Mitwirkender beim „Summer Davos“, dem WEF 14. Jahrestreffen der neuen Champions in Tianjin, China.

Mehr als 1,500 globale Führungskräfte und Innovatoren aus Wirtschaft, Wissenschaft, Politik und internationalen Organisationen diskutierten über den anhaltenden Wandel der Weltwirtschaft. Das Thema des New Champions-Treffens lautete „Unternehmertum: Die treibende Kraft der Weltwirtschaft“.

Einen neuen Weg zur Nachhaltigkeit in der Computertechnik finden

In seinem Artikel „Wie Unternehmen KI einführen können, ohne ihren CO2-Fußabdruck zu vergrößern“ Poort erörtert, wie die enorme Rolle der Computertechnik als Motor für Innovation und Handel mit einem ebenso bedeutenden und wachsenden CO2-Fußabdruck einhergeht.

Das Uptime Institute berichtet beispielsweise, dass Der Stromverbrauch von Servern ist seit 266 um 2017 % gestiegenUnd Rechenzentren machen derzeit 3 % des weltweiten Stromverbrauchs aus, bis 4 werden es voraussichtlich 2030 % sein.

Die explosionsartige Verbreitung künstlicher Intelligenz (KI) in allen Branchen wird den Bedarf an Rechenleistung und Energie nur noch weiter beschleunigen.

Wie können wir von den Verheißungen der KI-Revolution profitieren, ohne gleichzeitig den CO2-Fußabdruck der Computertechnik zu vergrößern?

Um dieser Herausforderung zu begegnen, beschreibt Poort fünf Schritte, die Unternehmen und Regierungen unternehmen können, um nachhaltige Computerpraktiken zu entwickeln. Dazu gehören:

• Verbessern Sie die Auslastung durch Cloud Computing
• Entwickeln Sie domänenspezifische Architekturen
• Aktivieren der Workload-Portabilität
• Automatisieren Sie die Leistungsoptimierung
• Nutzen Sie nachhaltige Energiequellen

Poort betonte, dass jeder Schritt das Thema nachhaltiges Computing auf eine andere Weise angeht. Zusammengenommen können sie jedoch zu einer signifikanten und notwendigen Verbesserung der aktuellen Praktiken führen.

Am wichtigsten ist jedoch, dass Unternehmen heute durch eine rasch wachsende Palette cloudbasierter HPC-Dienste (High Performance Computing) viel mehr Flexibilität bei der Art der Hardware-Infrastruktur haben, die sie zur Verbesserung der Energieeffizienz ihrer F&E-Computervorgänge nutzen können.

Mit Cloud-basierten Diensten von Unternehmen wie AWS, Microsoft Azure, und Cumolocitykönnen F&E-Teams auf die neuesten und effizientesten Supercomputing-Cluster zugreifen, um ihre datenintensiven digitalen Engineering-Simulationen und andere große Rechenlasten auszuführen.

Und die Zahl spezialisierter Chips ist explosionsartig gestiegen. Neue Chips wie GPUs (Graphical Process Units) und TPUs (Tensor Processing Units) versprechen erhebliche Nachhaltigkeitsgewinne und können zehnmal effizienter arbeiten als herkömmliche Chips wie CPUs (Central Processing Units).

Diese Welt leistungsstarker, hocheffizienter Hardwarearchitekturen in der Cloud steht im krassen Gegensatz zu den traditionellen Einschränkungen lokaler Rechenzentren, die in der Regel jahrelang dieselbe Hardware nutzen müssen, um die Investitionskosten für den Aufbau von Supercomputing-Systemen zu amortisieren. Unternehmen müssen dann mit älteren und weniger effizienten HPC-Architekturen arbeiten.

Die Verlagerung von Workloads in die Cloud kann jedoch eine komplexe Aufgabe sein. Es erfordert Zeit, Geld und Fachwissen, um sicherzustellen, dass sie ordnungsgemäß durchgeführt wird. Selbst mit Cloud-Diensten ist es sehr schwierig, Anwendungen von einer Cloud-Infrastruktur in eine andere zu portieren. Dies behindert die Einführung optimaler Architekturen für umweltfreundlicheres Computing.

Um dieses Problem zu lösen, benötigen Unternehmen laut Poort neue Möglichkeiten, um die zum Einrichten eines HPC-Cloud-Dienstes erforderlichen Schritte zu automatisieren und gleichzeitig Anwendungen über eine Vielzahl von Multi-Cloud-Architekturen hinweg zu orchestrieren.

Die Möglichkeit, problemlos zwischen verschiedenen Cloud-basierten Infrastrukturen zu wechseln, ist nicht hilfreich, wenn Unternehmen nicht wissen, welche Infrastrukturen für bestimmte Anwendungen (und sogar bestimmte Arten von Rechenlasten) die richtigen sind.

Dieser Prozess, die optimale Hardware für eine Anwendung zu finden, erfordert aufgrund der zunehmenden Geschwindigkeit der Chip-Innovation einen hohen Automatisierungsgrad. Die Dinge ändern sich einfach zu schnell, als dass Unternehmen ständig neue Hardware testen, vergleichen und dann einführen könnten.

Und wenn man hier Fehler macht, kann das erhebliche Auswirkungen auf den Energieverbrauch haben. Poort schreibt, dass wir durch Automatisierung den Zugang zur Cloud für mehr Unternehmen verbessern und die Gesamtauslastung weltweit steigern können.

Das Versprechen der KI für eine neue Ära der Innovation

In seinem Artikel „Wie KI-Physik das Potenzial hat, das Produktdesign zu revolutionieren“ Poort weist auf die enorme Chance hin, die künstliche Intelligenz (KI) bietet, um die digitale Technik und Produktentwicklung zu verändern und erheblich zu beschleunigen.

Während Werkzeuge mögen ChatGPT Obwohl KI mittlerweile zum Mainstream gehört und viel Aufmerksamkeit und Debatten erregt, wurde viel weniger über das enorme Potenzial der KI geschrieben, eine neue Ära digitaler technischer Innovationen einzuläuten.

Ingenieurwissenschaften und wissenschaftliches Rechnen bilden heute die Grundlage für Innovationen. Diese Methoden erfordern oft enorme Rechenleistung von Supercomputing-Clustern (auch bekannt als High Performance Computing oder HPC), um detaillierte Simulationsmodelle auszuführen, die die reale Welt nachbilden.

Branchenübergreifend nutzen Forschungs- und Entwicklungsteams (F&E) digitale Simulationen, um die physische Welt zu erforschen. Die Anwendungsfälle reichen von der Erfindung lebensrettender Medikamente und der Verbesserung des Flugzeugdesigns bis hin zur Pionierarbeit im Bereich nachhaltiger Energie und der Entwicklung selbstfahrender Fahrzeuge.

Poort schreibt, dass KI das Potenzial bietet, Ingenieurwesen und wissenschaftliches Rechnen auf Hochtouren bringen und die Art und Weise verändern, wie Organisationen Innovationen hervorbringen.

Die heute im Ingenieurwesen und in der wissenschaftlichen Informatik eingesetzten Computersimulationen profitieren zunehmend von der KI (und werden in manchen Fällen sogar durch KI ersetzt), was die Kosten drastisch senkt und Ingenieuren hilft, schneller die besten Antworten zu finden.

Das Ausführen von Simulationen kann teuer sein, was oft Supercomputer erfordert, um riesige Datensätze zu verarbeiten und hochkomplexe Berechnungen durchzuführen. Aber wenn man ein Machine-Learning-Modell (ML) für die physikalische Funktionsweise erstellen kann, Sie müssen nicht jedes Mal Simulationen durchführen da Ihr ML-Inferenzmodell die Antwort aus den Daten extrapolieren kann.

Organisationen, die sich darin spezialisieren, gut gestaltete KI-Physikmodelle wird einen soliden WettbewerbsvorteilSie werden die Entwicklung von Ingenieurs- und Wissenschaftsforschung beschleunigen und gleichzeitig innovative neue Produkte entwickeln, deren Rechenleistung mit herkömmlichen Ansätzen unerschwinglich wäre.

Trotz der Verheißungen der KI müssen Unternehmen aller Branchen Entwicklungs- und Forschungskapazitäten aufbauen. Best Practices um sicherzustellen, dass sie diesen Übergang sicher bewältigen, um den Nutzen für die Gesellschaft ohne unnötige Risiken zu maximieren.

Am wichtigsten sei, schreibt Poort, dass KI nur so gut sei wie die Informationen, mit denen sie trainiert wird. Unternehmen müssten Wege finden, KI-Tools mit umfangreichen, hochwertigen Daten zu versorgen, um sie auf die richtige Weise intelligent zu machen.