Hyperscale computing to sposób projektowania i zarządzania infrastrukturą informatyczną, która może obsługiwać ogromną skalę obliczeń, danych i użytkowników oraz dynamicznie zwiększać lub zmniejszać dostępne zasoby w zależności od zapotrzebowania.
W praktyce hyperscale computing opiera się na bardzo dużych centrach danych, w których znajdują się tysiące lub nawet setki tysięcy serwerów połączonych w rozbudowane klastry.
Najważniejszą cechą hyperscale nie jest jednak sama liczba serwerów. Chodzi przede wszystkim o możliwość sprawnego skalowania infrastruktury przy zachowaniu automatyzacji, wysokiej dostępności i efektywności kosztowej.
Jak działa hyperscale computing?
Tradycyjna infrastruktura często jest rozbudowywana poprzez zwiększanie mocy pojedynczych serwerów. Jest to tzw. skalowanie pionowe (scale-up).
Hyperscale computing wykorzystuje przede wszystkim skalowanie poziome (scale-out). Zamiast budować jeden niezwykle wydajny serwer, można dodawać kolejne standardowe serwery do klastra.
Schemat można uprościć:
więcej użytkowników → większe zapotrzebowanie → więcej serwerów → większa moc obliczeniowa
Jeżeli zapotrzebowanie spada, część infrastruktury może zostać wyłączona lub przeznaczona do innych zadań.
Takie podejście pozwala budować infrastrukturę, która może rosnąć wraz z biznesem.
Hyperscale a cloud computing
Hyperscale computing jest ściśle związany z cloud computingiem, ponieważ ogromne platformy chmurowe potrzebują infrastruktury zdolnej obsługiwać miliony klientów i bardzo różnorodne obciążenia.
Dostawca chmury może posiadać centra danych rozmieszczone w wielu regionach świata. Wspólna infrastruktura jest następnie wykorzystywana do obsługi usług dla przedsiębiorstw, aplikacji internetowych, baz danych czy systemów sztucznej inteligencji.
Użytkownik nie musi wiedzieć, gdzie fizycznie znajduje się konkretny serwer. Korzysta z zasobów udostępnianych przez całą infrastrukturę.
Hyperscaler – kto to jest?
Określenie hyperscaler odnosi się do firmy, która posiada lub zarządza infrastrukturą obliczeniową działającą na bardzo dużą skalę.
Do najbardziej znanych hyperscalerów należą między innymi:
- Amazon,
- Microsoft,
- Google,
- Oracle,
- Alibaba.
Firmy te inwestują ogromne kwoty w centra danych, serwery, sieci, pamięć masową oraz infrastrukturę energetyczną.
Ich skala pozwala świadczyć usługi chmurowe dla ogromnej liczby klientów jednocześnie.
Hyperscale computing a centra danych
Podstawą infrastruktury hyperscale są centra danych (data centers).
Nie chodzi jednak o pojedynczy budynek z serwerami. Duże środowiska hyperscale mogą składać się z wielu centrów danych, często rozmieszczonych w różnych regionach geograficznych.
Takie rozproszenie pozwala między innymi:
- zwiększać dostępność usług,
- zmniejszać opóźnienia,
- obsługiwać klientów z różnych części świata,
- zapewniać redundancję,
- zwiększać odporność na awarie.
Wymaga to jednak ogromnych inwestycji w energię, chłodzenie, sieci telekomunikacyjne i infrastrukturę fizyczną.
Hyperscale computing a sztuczna inteligencja
Rozwój sztucznej inteligencji (AI) znacząco zwiększył znaczenie hyperscale computing.
Trenowanie dużych modeli AI wymaga ogromnej mocy obliczeniowej. Zamiast pojedynczych procesorów wykorzystuje się często tysiące lub dziesiątki tysięcy układów GPU połączonych w duże klastry.
Hyperscale infrastruktura umożliwia dostarczanie takiej mocy obliczeniowej na dużą skalę.
Ma to znaczenie zarówno podczas trenowania modeli, jak i ich późniejszego uruchamiania, czyli inferencji.
Hyperscale computing a GPU
W tradycyjnych centrach danych dominującą rolę odgrywały procesory CPU. W przypadku obciążeń związanych ze sztuczną inteligencją coraz większe znaczenie mają GPU oraz wyspecjalizowane akceleratory.
Duże klastry AI mogą zawierać tysiące wydajnych GPU połączonych bardzo szybkimi sieciami.
Oznacza to, że rozwój hyperscale computing zwiększa zapotrzebowanie nie tylko na same układy obliczeniowe, ale również na:
- pamięć HBM,
- serwery,
- przełączniki sieciowe,
- światłowody,
- systemy chłodzenia,
- energię elektryczną,
- transformatory,
- infrastrukturę centrów danych.
Dlatego boom na AI wpływa na znacznie większą część łańcucha dostaw niż tylko producentów GPU.
Hyperscale computing a energia
Jednym z największych wyzwań hyperscale computing jest zapotrzebowanie na energię.
Centrum danych wyposażone w tysiące serwerów zużywa ogromne ilości energii elektrycznej. W przypadku centrów danych przeznaczonych do obsługi AI zapotrzebowanie może być jeszcze większe ze względu na wysoką moc pobieraną przez GPU i pozostałą infrastrukturę.
W rezultacie dostęp do taniej i stabilnej energii staje się jednym z kluczowych czynników przy wyborze lokalizacji nowych centrów danych.
Dla inwestorów oznacza to, że rozwój AI może zwiększać zapotrzebowanie nie tylko na serwery, ale również na energetykę, sieci przesyłowe i infrastrukturę chłodzenia.
Zalety hyperscale computing
Najważniejsze zalety tego modelu to:
- możliwość obsługi ogromnej liczby użytkowników,
- bardzo duża skalowalność,
- automatyzacja zarządzania infrastrukturą,
- możliwość szybkiego zwiększania mocy obliczeniowej,
- wysoka dostępność usług,
- efektywniejsze wykorzystanie infrastruktury,
- możliwość obsługi bardzo dużych zbiorów danych.
Hyperscale pozwala dostawcy budować infrastrukturę z myślą o ogromnej skali, zamiast projektować ją wyłącznie pod aktualne zapotrzebowanie.
Wady i wyzwania hyperscale computing
Tak ogromna infrastruktura wiąże się również z wysokimi kosztami i problemami technicznymi.
Najważniejsze wyzwania to:
- ogromne zużycie energii,
- koszty budowy centrów danych,
- potrzeba wydajnego chłodzenia,
- skomplikowana infrastruktura sieciowa,
- dostępność odpowiednich układów GPU i innych komponentów,
- bezpieczeństwo,
- niezawodność,
- rosnące wymagania dotyczące ochrony środowiska.
W przypadku infrastruktury AI dodatkowym problemem może być dostępność wystarczającej mocy przyłączeniowej.
Hyperscale computing a tradycyjne centrum danych
Nie każde duże centrum danych jest automatycznie infrastrukturą hyperscale.
Tradycyjne centrum danych może być zaprojektowane dla konkretnej firmy lub określonego zestawu aplikacji. Hyperscale jest natomiast projektowane przede wszystkim z myślą o bardzo dużej skali i możliwości ciągłego rozbudowywania infrastruktury.
Kluczowa jest więc nie tylko wielkość, ale także sposób projektowania, automatyzacji i zarządzania całym środowiskiem.
Hyperscale computing z punktu widzenia inwestora
Hyperscale computing jest szczególnie interesujące dla inwestorów ze względu na rosnące zapotrzebowanie na infrastrukturę cyfrową.
Rozwój chmury, AI, streamingu, e-commerce i usług internetowych zwiększa ilość danych oraz moc obliczeniową potrzebną do ich obsługi.
Inwestor analizujący ten trend powinien patrzeć nie tylko na dostawców chmury. Beneficjentami rozwoju hyperscale mogą być również przedsiębiorstwa dostarczające:
- procesory i GPU,
- pamięci,
- serwery,
- urządzenia sieciowe,
- systemy chłodzenia,
- infrastrukturę energetyczną,
- centra danych,
- transformatory i urządzenia elektryczne.
Jednocześnie ogromne nakłady inwestycyjne (CapEx) hyperscalerów mogą być obciążeniem dla ich przepływów pieniężnych. Dlatego przy analizie tych firm warto obserwować relację między wydatkami inwestycyjnymi, wzrostem przychodów i Free Cash Flow.
Hyperscale computing a CapEx
Budowa infrastruktury hyperscale wymaga ogromnych nakładów inwestycyjnych.
Firma może wydawać miliardy na:
- nowe centra danych,
- serwery,
- GPU,
- sieci,
- systemy chłodzenia,
- infrastrukturę energetyczną.
Wzrost CapEx największych firm technologicznych jest więc jednym z mierników pokazujących, jak intensywnie inwestują one w rozwój infrastruktury.
Dla inwestora ważne jest jednak pytanie, czy ponoszone nakłady przełożą się w przyszłości na odpowiedni wzrost przychodów i przepływów pieniężnych.
Podsumowanie
Hyperscale computing to podejście do budowy infrastruktury IT umożliwiające obsługę ogromnych ilości danych, użytkowników i obciążeń obliczeniowych poprzez skalowanie infrastruktury do bardzo dużych rozmiarów.
Jego podstawą jest przede wszystkim skalowanie poziome, automatyzacja, wirtualizacja i rozbudowane centra danych.
Hyperscale ma kluczowe znaczenie dla chmury obliczeniowej i rozwoju sztucznej inteligencji. Jednocześnie wymaga ogromnych nakładów inwestycyjnych i zużywa duże ilości energii.
Z perspektywy inwestora jest to nie tylko temat dotyczący firm technologicznych. Rozwój hyperscale computing zwiększa zapotrzebowanie na GPU, serwery, pamięci, sieci, centra danych, energię i systemy chłodzenia, tworząc cały ekosystem firm korzystających na rosnącym zapotrzebowaniu na moc obliczeniową.
