الذكاء الاصطناعي

إنفيديا DSX تحل أزمة الطاقة في مصانع الذكاء الاصطناعي

تواجه البنية التحتية للذكاء الاصطناعي تحدياً حقيقياً يتمثل في نقص الطاقة، حيث تعمل منصة إنفيديا DSX على توحيد إدارة الشبكة الكهربائية والمصانع الرقمية.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 22 أكتوبر 2026 · آخر تحديث: 22 أكتوبر 2026 · 4 دقائق قراءة

إنفيديا DSX تحل أزمة الطاقة في مصانع الذكاء الاصطناعي — الصورة: NVIDIA Blog

الخلاصة

تتجاوز قيمة المعدات المتراكمة في قطاع الطاقة 300 مليار دولار، مع انتظار أكثر من 200 غيغاواط من المشاريع في طوابير الربط الأمريكي.
تتيح تقنية DSX Sim للمهندسين محاكاة الشبكة الكهربائية والمصنع معاً قبل بدء الأعمال الإنشائية، مما يقلل المخاطر والتأخيرات.
تحوّل ميزة DSX Flex مصانع الذكاء الاصطناعي من أحمال ثابتة إلى أصول مرنة تدعم استقرار الشبكة الكهربائية.
تسهم التكاملات مع شركات مثل GE Vernova وSchneider Electric في تحسين كفاءة الطاقة وتقليل استهلاك الواط لكل وحدة معالجة.

أزمة الطاقة كعائق رئيسي أمام التوسع

تواجه الشركات حول العالم تحدياً غير مسبوق في بناء بنية تحتية قادرة على استيعاب النمو الهائل في تطبيقات الذكاء الاصطناعي. لم تعد العوائق التقنية أو الحوسبة هي المشكلة الأساسية، بل أصبحت الطاقة هي الاختناق الأكبر في سلسلة التوريد. تشير البيانات إلى أن هناك أكثر من 300 مليار دولار من المعدات الكهربائية في حالة تأخير، بينما تنتظر مشاريع تزيد قدرتها عن 200 غيغاواط في طوابير الربط بشبكات الكهرباء في الولايات المتحدة. هذا الوضع يخلق مخاطر مالية وتشغيلية كبيرة، حيث قد تتوقف المشاريع أو تتأخر لسنوات بسبب عدم توفر الطاقة الكافية، مما يستدعي حلولاً هندسية متكاملة تربط بين مصادر الطاقة ومراكز البيانات.

منصة إنفيديا DSX كنظام متكامل

لمعالجة هذه الفجوة، أطلقت شركة إنفيديا منصة DSX AI Factory Platform التي تهدف إلى تخطيط ومحاكاة وتشغيل الشبكة الكهربائية ومصنع الذكاء الاصطناعي كنظام واحد متكامل. الفكرة الجوهرية هنا هي كسر العزلة بين الأنظمة التي كانت تُصمم بشكل منفصل: الشبكة الكهربائية، المبنى، ووحدات الحوسبة. من خلال دمج هذه المكونات، تسعى المنصة إلى القضاء على التأخيرات وتقليل المخاطر وتجنب سعة الحوسبة المعطلة. توفر المنصة أدوات مثل DSX Sim التي تتيح للمهندسين التحقق من مولدات الطاقة ولوحات التوزيع وأنظمة التبريد قبل وضع حجر الأساس، مما يضمن توافق البنية التحتية مع متطلبات الذكاء الاصطناعي المتقدمة.

تحويل الأحمال الثابتة إلى أصول مرنة

من أبرز ميزات المنصة هي تقنية DSX Flex، التي تعمل على مزامنة الطلب على الطاقة في مصانع الذكاء الاصطناعي مع ظروف الشبكة الكهربائية الحالية ومصادر التوليد المحلية. بدلاً من اعتبار مراكز البيانات أحمالاً ثابتة تستهلك الطاقة بشكل غير متغير، تحول هذه التقنية المصانع إلى أصول مرنة يمكنها الاستجابة لتقلبات الشبكة. هذا النهج لا يحسن فقط من موثوقية الطاقة، بل يفتح المجال أمام استغلال سعات غير مستخدمة في الشبكة الحالية. وفقاً للتقارير، يمكن لهذا النموذج أن يحرر ما يصل إلى 100 غيغاواط من السعة في الشبكة الأمريكية، مما يعزز الاستقرار العام للكهرباء ويقلل الحاجة إلى استثمارات فورية في توليد طاقة جديد.

شراكات استراتيجية مع عمالقة الطاقة

تعتمد نجاحات منصة DSX على شراكات واسعة مع شركات الطاقة العالمية. على سبيل المثال، تدمج GE Vernova خبرتها في إدارة الطاقة من الشبكة إلى الرفوف مع أنظمة إنفيديا، مما يتيح للعملاء تحويل قيود الطاقة إلى ميزة تنافسية عبر تعظيم إنتاج الحوسبة. كما حصلت أنظمة تخزين الطاقة من Hitachi Energy على اعتماد NVIDIA DSX Ready، مما يضمن توافقها مع متطلبات التصميم المرجعي للمصانع المرنة. هذه الاعتمادات تساعد العملاء على تحديد البنية التحتية التي تلبي معايير الموثوقية والقابلية للتوسع، وتضمن أن تكون الاستثمارات في تخزين الطاقة فعالة وآمنة ضمن بيئة الذكاء الاصطناعي.

التوائم الرقمية والمحاكاة المتقدمة

تعمل شركات مثل Schneider Electric بالتعاون مع AVEVA وETAP على تطوير بنى تحتية مرجعية معتمدة معمارياً لتقنيات NVIDIA Vera Rubin. تشمل هذه الجهود إنشاء توأم رقمي لمصنع الذكاء الاصطناعي مدعوم بتقنية NVIDIA Omniverse، مما يسمح بربط عمليات المحاكاة مع بيانات التشغيل في الوقت الفعلي. هذا التكامل يتيح تحسين كفاءة الطاقة وأداء الأحمال عبر دورة حياة المركز الكامل. كما تستكشف Siemens Energy استخدام تقنيات إنفيديا لمراقبة بنية الشبكة الكهربائية وتحديد المخاطر الناشئة ومنع الانقطاعات غير المخططة، مما يعزز المرونة العامة للنظام الكهربائي.

تحسين الكفاءة وتقليل استهلاك الطاقة

تركز الحلول المقدمة على تعظيم العائد من كل واط مستهلك. من خلال أدوات مثل DSX MaxLPS وDSX Exchange، يتم تحسين توزيع الطاقة وتبريد الأنظمة بشكل ديناميكي. شركة Phaidra، على سبيل المثال، دمجت هذه الأدوات في وكلاءها المتعلمين ذاتياً، مما أدى إلى تحسين تخصيص التبريد والطاقة، وتحقيق زيادة تقارب 10% في سعة الحوسبة ضمن نفس الحد الأقصى للطاقة. هذا النوع من التحسينات الدقيقة يترجم مباشرة إلى تقليل التكاليف التشغيلية وتحسين الاستدامة البيئية، وهو أمر حاسم في ظل الضغوط المتزايدة على استهلاك الطاقة في قطاع التقنية.