Saját fejlesztésű szerverek és hardverek
A nagy tech cégek többsége nem vásárol készre gyártott szervereket a piacon, hanem saját igényeikhez szabott rendszereket fejleszt. A Google például már a 2000-es évek elején felismerte, hogy az általános célú szerverek nem képesek hatékonyan kiszolgálni a gyorsan növekvő keresési és adatfeldolgozási igényeket. Ennek hatására létrehozták saját hardvertervező részlegeiket, és ma már nemcsak szervereket, hanem saját processzorokat (pl. TPU – Tensor Processing Unit) is terveznek, amelyek kifejezetten a mesterséges intelligencia feladatokra optimalizáltak.
Hasonló a helyzet a Metánál (korábban Facebook), amely az Open Compute Project révén nyílt forráskódúvá tette saját adatközponti szerver- és hardvertervezési megoldásait. Ez azt jelenti, hogy más vállalatok is hozzáférhetnek azokhoz a tervekhez, amelyek alapján a Meta energiahatékony, moduláris és könnyen skálázható szervereket épít.
Hyperscale adatközpontok
A nagy tech cégek szerverei nem önállóan működnek, hanem hatalmas, úgynevezett hyperscale adatközpontokban kapnak helyet. Egy-egy ilyen központ akár több százezer szervert is tartalmazhat, melyek együtt dolgoznak egy gigantikus, elosztott rendszerként. Ez a megközelítés lehetővé teszi, hogy a rendszer rugalmasan bővíthető legyen, és ellenálljon a hardverhibáknak – ha egy szerver leáll, a többi azonnal átveszi a feladatait.
Az Amazon Web Services (AWS) például a világ egyik legnagyobb adatközpont-hálózatát üzemelteti. Ezekben az adatközpontokban nemcsak általános célú x86-os szerverek működnek, hanem az Amazon saját, ARM-alapú Graviton processzorai is, amelyek nagyobb teljesítményt és energiahatékonyságot kínálnak a felhőszolgáltatásokhoz.
Speciális processzorok és gyorsítók
Az utóbbi években egyre nagyobb jelentőséget kaptak a speciális számítási feladatokra optimalizált hardverek. A mesterséges intelligencia, a gépi tanulás vagy a big data feldolgozás olyan teljesítményt igényel, amit a hagyományos CPU-k nem képesek biztosítani.
- Google TPU: gépi tanulási feladatokra tervezett chip.
- NVIDIA GPU-k: az AI fejlesztések alapját képezik, szinte minden nagy tech cég adatközpontjában megtalálhatók.
- Meta MTIA (Meta Training and Inference Accelerator): saját fejlesztésű AI-gyorsító.
- Amazon Inferentia és Trainium: kifejezetten AI modellek tanítására és futtatására optimalizált chipek.
Energiahatékonyság és fenntarthatóság
Mivel a világ adatforgalmának jelentős része ezen cégek szerverein halad keresztül, az energiahatékonyság kulcskérdés. A Google és a Microsoft például jelentős összegeket fektet a megújuló energiába, valamint olyan hűtési megoldásokba, mint a vízhűtés vagy akár az óceán alá telepített adatközpontok.
A nagy tech cégek szerverei tehát nem „csodamasinák”, hanem hatalmas számban, speciálisan optimalizált hardverekből épített rendszerek. Ezeket saját fejlesztések, nyílt forráskódú kezdeményezések és egyre inkább mesterséges intelligenciára optimalizált chipek jellemzik. Az infrastruktúra mögött a kulcs nem egyetlen szupergépben, hanem az elképesztő méretű és intelligensen menedzselt elosztott rendszerekben rejlik.