Globalne wydatki na infrastrukturę brzegową wzrosną z 261 mld do 380 mld dol. do 2028 roku, napędzane rosnącym zapotrzebowaniem na energooszczędne przetwarzanie danych – wynika z danych IDC. Jednym z kluczowych kierunków rozwoju stają się neuromorficzne układy obliczeniowe, które przenoszą mechanizmy AI bliżej źródeł danych, zmieniając sposób działania systemów w robotyce, medycynie i cyberbezpieczeństwie.
Neuromorficzne chipy to nowa generacja układów scalonych, których architektura bazuje na strukturze i mechanizmach działania ludzkiego mózgu. Wykorzystują one impulsowe sieci neuronowe (Spiking Neural Networks, SNN), które aktywują się tylko w przypadku zaistnienia istotnego sygnału wejściowego – podobnie jak biologiczne neurony. W przeciwieństwie do tradycyjnych procesorów, które korzystają z oddzielnej pamięci, chipy neuromorficzne łączą pamięć i moduł obliczeniowy w jednym miejscu, dzięki czemu przetwarzają dane szybciej i zużywają mniej energii.
Rynek tej technologii dynamicznie rośnie – z 1,73 mld dol. w 2024 roku do prognozowanych 8,86 mld dol. w roku 2034, przy średnim CAGR na poziomie 17,7%, wynika z danych Precedence Reasearch. Nad chipami tego rodzaju pracują m.in. takie firmy jak: Intel (Loihi i Loihi 2), IBM (TrueNorth) czy BrainChip (Akida).
Neuromorficzne układy nie zastąpią tradycyjnych CPU czy GPU w każdym zadaniu. Są one wyspecjalizowanymi akceleratorami, które już dziś znajdują zastosowanie w urządzeniach medycznych, robotyce i systemach autonomicznych. Umożliwiają przetwarzanie danych sensorycznych bezpośrednio na urządzeniu, bez konieczności przesyłania ich do chmury. To otwiera drogę do bardziej autonomicznych i energooszczędnych rozwiązań, działających w sposób ciągły nawet w środowiskach o ograniczonym dostępie do sieci.
„Zdolność przetwarzania różnych sygnałów w ułamku sekundy sprawia, że maszyny stają się nie tylko szybsze, ale też zdolne do lepszej adaptacji – potrafią reagować na dynamiczne warunki otoczenia. Rozwiązania te mogą znaleźć zastosowanie również w inteligentnym monitoringu, transporcie czy analizie danych środowiskowych, gdzie liczy się nie tylko szybkość reagowania, ale również zdolność do poradzenia sobie w nieprzewidywalnych sytuacjach” – mówi Krzysztof Krawczyk, Senior Technical Sales – Strategic Account Engineer | IT Systems w firmie Vertiv.
Rosnące wymagania dla infrastruktury
Rozwój neuromorficznych systemów wymaga nowego podejścia do projektowania infrastruktury obliczeniowej. Mowa o całym zapleczu technicznym, które umożliwi pracę AI poza centrami danych: od lokalnych serwerowni i urządzeń brzegowych po systemy zasilania, chłodzenia i transmisji danych. Oznacza to, że infrastruktura musi radzić sobie z impulsowym, nieregularnym obciążeniem, które może w jednej chwili wzrosnąć, a następnie niemal zniknąć.
W takich warunkach kluczowe znaczenie zyskują systemy zasilania i chłodzenia zdolne do dynamicznej adaptacji. Muszą one umieć reagować na nagłe zmiany zapotrzebowania energetycznego bez jego przewymiarowania, które zwiększyłoby koszty i straty energii. Równie ważne jest zastosowanie łączy o bardzo niskich opóźnieniach.
„Potrzebna jest specjalnie zaprojektowana infrastruktura, która może być skalowana wraz z rosnącym zapotrzebowaniem, dostosowana do zmieniających się obciążeń i działać w środowiskach o ograniczonej przestrzeni lub mocy. Dla przykładu, bezpośrednie chłodzenie procesorów cieczą pozwala skuteczniej radzić sobie z nagłymi wzrostami temperatury niż chłodzenie powietrzem. Podobnie systemy zasilania muszą reagować błyskawicznie na gwałtowne wahania napięcia, nie wymagając przy tym nadmiernej rozbudowy infrastruktury, co zwiększyłoby zarówno koszty, jak i zapotrzebowanie na miejsce” – wskazuje Krzysztof Krawczyk.
Eksperci wskazują więc, że neuromorficzne systemy mogą stać się jednym z kluczowych filarów rozwoju AI, ale ich skalowanie będzie możliwe tylko przy równoległej modernizacji infrastruktury brzegowej – bardziej elastycznej, lokalnej i zoptymalizowanej energetycznie.
