باختصار
اجعلوا التشغيل عند الطلب هو الإعداد الافتراضي: ينبغي أن تشغّل خطوط المعالجة ومهام التدريب الموارد حين تُستدعى وأن تحرّرها حين تنتهي. أوقفوا الدفاتر الخاملة ووحدات GPU المخصصة للتطوير تلقائيًا بعد مدة محددة، وخفّضوا بيئات غير الإنتاج إلى الصفر خارج ساعات العمل، وأبلغوا عن ساعات GPU الخاملة لكل فريق إلى جانب الكلفة حتى يصبح الهدر مرئيًا.
الخطوات
- اجعلوا خطوط المعالجة ومهام التدريب تشغّل الموارد حين تُستدعى وتحرّرها حين تنتهي.
- اضبطوا الدفاتر ووحدات GPU المخصصة للتطوير لتتوقف تلقائيًا بعد مدة من الخمول.
- خفّضوا بيئات غير الإنتاج إلى الصفر خارج ساعات العمل.
- امنحوا البيئات المؤقتة تاريخ حذف تلقائي.
- أبلغوا عن ساعات GPU الخاملة لكل فريق إلى جانب الكلفة.
وحدة GPU الخاملة تظل تسحب الكهرباء، وتظل تحجز عتادًا استهلك صنعه طاقة. فالدفاتر (notebooks) والعناقيد وبيئات الاختبار التي تُجهَّز لتجربة واحدة يسهل تركها تعمل بين التجارب، أو نسيانها.
ما الذي ينبغي أن يعمل عند الطلب؟
توصي أنماط Green Software Foundation الخاصة بأحمال الذكاء الاصطناعي والوكلاء بتشغيل البنية التحتية فقط أثناء عملها: تنفيذ بلا خوادم (serverless) أو عند الطلب لتطوير النماذج وخطوط المعالجة والوكلاء، بحيث تبدأ الموارد حين تُستدعى وتتوقف حين تنتهي.
وماذا عن التطوير والاختبار؟
تقول إرشادات Azure Well-Architected من Microsoft بضرورة «إيقاف بيئات غير الإنتاج حين لا تكون قيد الاستخدام». وعلى Kubernetes، يمكن لأداة cron scaler في KEDA أن ترفع الأحمال خلال نافذة زمنية وتخفّضها إلى الصفر خارجها. ولا تستثنوا إلا الخدمات المشتركة التي يجب أن تبقى تعمل فعلًا، ودوّنوا السبب.
ما الذي يُحدث الفرق الأكبر
- الإيقاف التلقائي للدفاتر، فهي أكثر مستخدمي GPU نسيانًا.
- الوضوح. ضعوا ساعات GPU الخاملة في التقرير نفسه مع الإنفاق؛ فالفرق تتصرف بناءً على ما تراه.
- المشاركة. يُبقي مجمّع أو طابور مشترك وحدات GPU مشغولة عادة أكثر من جهاز لكل شخص.
أخطاء شائعة
- حجز وحدات GPU كبيرة «احتياطًا» لعمل يُنفَّذ مرة في الأسبوع.
- إبقاء النماذج محمّلة في الذاكرة بشكل دائم لأداة داخلية تُستخدم بضع مرات في اليوم.
انظروا الاستضافة ومراكز البيانات و التدريب والاستدلال بكفاءة.
المصادر
- Serverless architecture for AI/ML workload processes, Green Software Foundation, Green Software Patterns (2025)
- Use on-demand execution for AI and agent workloads, Green Software Foundation, Green Software Patterns (2025)
- Reliability recommendations for sustainable workloads on Azure, Microsoft Azure Well-Architected Framework (2026)
- Cron scaler, KEDA (CNCF) (2025)
ذو صلة
كيف أشغّل مهام الذكاء الاصطناعي على السعة السحابية الفائضة؟
شغّلوا أعمال الذكاء الاصطناعي القابلة للمقاطعة على سعة spot أو preemptible: اجعلوا المهام تحفظ نقاط التحقق وتعيد المحاولة بسلاسة، وأبقوا ما لا يحتمل المقاطعة في مكان آخر.
كيف أجمّع طلبات الذكاء الاصطناعي في دفعات لتوفير الطاقة؟
كيف يرفع التجميع في دفعات استغلال المسرّعات ويخفّض الطاقة لكل إجابة: التجميع المستمر للحركة الحية، والدفعات المؤجلة في طابور للعمل غير المتصل.
كيف أقلل البصمة البيئية لتجارب الذكاء الاصطناعي على عنقود حوسبة بحثي؟
خفّضوا طاقة تجارب الذكاء الاصطناعي على الحوسبة عالية الأداء: اقرؤوا محاسبة الطاقة في Slurm، واطلبوا ما تستخدمونه فقط، وجرّبوا على نطاق صغير، واحفظوا نقاط التحقق.
استضافة الذكاء الاصطناعي الأخضر ومراكز البيانات
كيف تختارون مكان تشغيل الذكاء الاصطناعي: شدة الكربون في الشبكة، وPUE وWUE، وادعاءات الطاقة المتجددة، واستهلاك المياه، واختيار المواقع، مع أسئلة تطرحونها على المستضيفين.