مراكز البيانات — كيف تعمل ولماذا تتوسع

باختصار

• يجمع مركز البيانات معدات تقنية المعلومات مع الطاقة والتبريد والاتصال والأمن والتشغيل.
• قدرة المكوّن والخادم وحامل الخوادم والمنشأة مقاييس مختلفة.
• قد تكون حاملات خوادم الذكاء الاصطناعي كثيفة جداً دون أن تمثّل المنشأة النموذجية.
• تعتمد القدرة على طبقات صناعية عدة؛ وقد ينتقل الاختناق بينها.

النظام

يجمع مركز البيانات معدات تقنية المعلومات والبنية التحتية اللازمة لإبقائها مزوَّدة بالطاقة ومتصلة ومبرَّدة ومتاحة. تشمل طبقة تقنية المعلومات الخوادم والمسرّعات والذاكرة والتخزين والشبكات. وتضيف المنشأة التحويل الكهربائي وUPS والتوزيع والاحتياط والتبريد والأمن المادي والمبنى. [1] [2]

السحابة ليست تطبيقاً مكافئاً للذكاء الاصطناعي أو الفيديو أو قواعد البيانات. إنها نموذج تسليم وتشغيل تتشارك فيه أعباء عمل حوسبية مختلفة البنية التحتية. [3]

الأنواع والمقاييس

قد تكون المنشآت مؤسسية أو colocation أو hyperscale أو edge أو متخصصة. تعتمد هذه الفئات على السؤال قيد التحليل ولا تشكّل بالضرورة مجموعات متنافية. [2]

وينبغي أيضاً الفصل بين:

• قدرة المكوّن؛
• قدرة الخادم؛
• قدرة حامل الخوادم؛
• القدرة الإجمالية للمنشأة؛
• الاستهلاك عبر الزمن؛
• العمل الحوسبي المنجَز.

لا يقيس TDP استهلاك الخادم أو الموقع. يصف PUE العلاقة بين الطاقة الإجمالية للمنشأة وطاقة تقنية المعلومات ضمن حدود معرَّفة؛ ولا يقيس كفاءة البرمجيات ولا قيمة عبء العمل الحوسبي ولا الأثر البيئي الكامل. [1] [4]

بنى الذكاء الاصطناعي

تغيّر الأنظمة ذات الكثافة العالية من المسرّعات حامل الخوادم. يدمج تكوين NVL72 صواني الحوسبة ومبدّلات NVLink والتغذية والتبريد السائل، بقدرة تقارب 120 kW في وثائق NVIDIA. إنه تكوين محدد. [5]

في استطلاع Uptime 2025، قال 82% من 709 مشغّلين إن أعلى كثافة مركَّبة في منشآتهم بقيت دون 30 kW. يقيس الاستطلاع أعلى كثافة لكل منشأة مستجيبة، لا توزيع جميع حاملات الخوادم. لذلك ينتمي منتج الكثافة العالية وحامل الخوادم النموذجي إلى عالمين مختلفين. [6]

المعايير والكفاءة

يقيس MLPerf Inference الأداء في نماذج وسيناريوهات محدَّدة. عند تقديم قدرة، تُقاس قدرة التيار المتردد AC للنظام أثناء التنفيذ. وتتطلب المقارنات توافق النموذج والدقة والسيناريو والبرمجيات والتكوين. [7] [8]

لا ينبغي تحويل نتيجة معيار مباشرة إلى استهلاك سنوي أو استخدام متوسط أو طاقة مركز البيانات كاملاً. [7] [8]

سلسلة الاعتماديات

تعتمد القدرة على تسلسل قد يشمل المسابك والتغليف المتقدم وHBM ورقائق الشبكة والبصريات والخوادم وحاملات الخوادم والتبريد والمعدات الكهربائية والبناء والإدخال في الخدمة. تُظهر التقارير المؤسسية اعتماديات وعرضاً محدوداً في بعض المراحل، لكنها لا توفّر متوسطاً عالمياً قابلاً للمقارنة لمهل التسليم. [9] [10] [11]

قد ينتقل الاختناق عندما تتوسع طبقة أسرع من أخرى.

ما لا يزال غير مقيس

لا يوجد مصدر عام رصين لتقسيم القدرة عالمياً بين الذكاء الاصطناعي والفيديو وقواعد البيانات وخدمات الويب والتحليلات وHPC والتخزين وأعباء العمل الأخرى. يعامل المصدر المرجعي هذا الغياب بوصفه عدم يقين، لا إذناً لتقريب الحصص عبر مؤشرات بديلة.

كما لا يوجد قياس عالمي قابل للمقارنة لـ:

• استخدام الخوادم والمسرّعات؛
• القدرة في idle؛
• توزيع الكثافة حسب حامل الخوادم؛
• مهل التسليم حسب الطبقة؛
• القدرة المركَّبة مقابل القابلة للاستخدام.

لن تُعرض مؤشرات التبنّي البديلة بوصفها حصة مادية أو طاقية.

المراجع

1. U.S. EPA ENERGY STAR — Data center rating FAQ and PUE definition. U.S. EPA. تاريخ الاطلاع: 24 يوليو 2026.
2. LBNL — 2024 United States Data Center Energy Usage Report. Lawrence Berkeley National Laboratory. تاريخ الاطلاع: 24 يوليو 2026.
3. NIST — The Definition of Cloud Computing (SP 800-145). NIST. تاريخ الاطلاع: 24 يوليو 2026.
4. NVIDIA — H100 Tensor Core GPU specifications. NVIDIA. تاريخ الاطلاع: 22 يوليو 2026.
5. NVIDIA — DGX GB Rack Scale Systems Hardware Guide. NVIDIA. تاريخ الاطلاع: 24 يوليو 2026.
6. Uptime Institute — 2025 Global Data Center Survey. Uptime Institute. تاريخ الاطلاع: 24 يوليو 2026.
7. MLCommons — MLPerf Inference benchmark documentation. MLCommons. تاريخ الاطلاع: 24 يوليو 2026.
8. MLCommons — MLPerf Inference power measurement methodology. MLCommons. تاريخ الاطلاع: 24 يوليو 2026.
9. NVIDIA — FY2026 Form 10-K. NVIDIA / SEC. تاريخ الاطلاع: 24 يوليو 2026.
10. AMD — FY2025 Form 10-K. AMD / SEC. تاريخ الاطلاع: 24 يوليو 2026.
11. Arista Networks — FY2025 Form 10-K. Arista / SEC. تاريخ الاطلاع: 24 يوليو 2026.