Laboratorium AI Jane Street nie zaczynało od dużych zasobów. Zespół badawczy firmy handlowej kiedyś przetwarzał swoje obciążenia na sześciu serwerach Dell. Dziś ten system został zastąpiony przez centrum danych z chłodzeniem ciekłym oparte na procesorach GPU — zmiana, która pokazuje, jak daleko firma posunęła się w rozbudowie infrastruktury, aby nadążyć za rosnącymi wymaganiami obliczeniowymi.
Od sześciu serwerów do dedykowanego centrum
Początkowo laboratorium polegało na kilku standardowych maszynach Dell. Te serwery przetwarzały wczesne eksperymenty z uczeniem maszynowym, ale zespół szybko napotkał ograniczenia. W miarę wzrostu złożoności modeli i powiększania się zestawów danych stary sprzęt nie nadążał.
Zamiast po prostu dodawać więcej szaf, Jane Street przeprojektowała całe podejście. Nowe centrum danych wykorzystuje chłodzenie ciekłe, aby radzić sobie z ciepłem generowanym przez wysokowydajne procesory GPU. Chłodzenie powietrzne nie wystarczyłoby przy takiej gęstości układów scalonych umieszczonych w przestrzeni.
Dlaczego chłodzenie ciekłe jest istotne
Procesory GPU generują dużo ciepła. Gdy grupuje się je do treningu AI, temperatura gwałtownie rośnie. Standardowe wentylatory i systemy klimatyzacyjne mają trudności z utrzymaniem stabilnej pracy komponentów, szczególnie w kompaktowych układach. Przejście Jane Street na chłodzenie ciekłe pozwala laboratorium obciążać sprzęt bardziej intensywnie bez ograniczeń termicznych ani częstych awarii.
Chłodzenie ciekłe zmniejsza również zużycie energii. Usuwanie ciepła za pomocą płynu jest bardziej wydajne niż wydmuchiwanie zimnego powietrza przez pomieszczenie. Dla firmy, która uruchamia algorytmy handlowe przez całą dobę, niższe rachunki za prąd i mniejsza liczba wymian sprzętu są istotne.
Przydział zasobów jako strategiczny ruch
Ewolucja od sześciu serwerów Dell do dedykowanego centrum z chłodzeniem ciekłym nie dotyczy tylko prędkości. Chodzi o sposób, w jaki firma podejmuje decyzje dotyczące przydziału zasobów. Każdy wat i każdy metr kwadratowy są teraz wykorzystywane bardziej celowo.
Jane Street nie ujawniła kosztów nowego centrum danych ani jego dokładnej pojemności. Jednak ten krok wskazuje, że firma traktuje infrastrukturę AI jako przewagę konkurencyjną – nie tylko koszt IT. Efektywny przydział zasobów obliczeniowych, chłodzenia i przestrzeni zwalnia budżet na więcej badań i szybszą iterację.
Przejście laboratorium od kilku standardowych maszyn do nowoczesnego obiektu podkreśla rosnącą rolę infrastruktury w badaniach AI. To przypomnienie, że nawet najmądrzejsze modele nie będą działać dobrze bez odpowiedniego sprzętu na niższych poziomach.
