به گزارش فولادنامه؛ تحول دیجیتال در صنایعی مانند فولاد که هم مقیاس تولید در آن بزرگ است، هم فرایندها پیچیده‌اند و هم رقابت‌پذیری به‌شدت به بهره‌وری، کیفیت، مصرف انرژی و سرعت تصمیم‌گیری وابسته است، فناوری‌های نوین به‌ویژه هوش مصنوعی می‌توانند به یک مزیت تعیین‌کننده تبدیل شوند. آنچه در سخنان حسین افشین اهمیت ویژه داشت تشریح الزامات فنی و اقتصادی ایجاد این زیرساخت بود. به گفته او، اگر قرار باشد یک مرکز داده خدمات ابری مؤثر و مقرون به صرفه باشد، باید حداقل به ۱۰۰ پتافلاپس توان پردازشی برسد و ایجاد چنین ظرفیتی به حدود ۱۰۰ میلیون دلار سرمایه‌گذاری نیاز دارد. این عدد یعنی در زمینه هوش مصنوعی برای صنایع بزرگ، با یک تصمیم بزرگ سرمایه‌ای روبه‌رو هستیم.
برای صنعت فولاد، این مسئله از آن جهت اهمیت بیشتری دارد که این صنعت ذاتاً داده‌محور است. از استخراج و تأمین مواد اولیه تا فرایندهای احیا، ذوب، ریخته‌گری، نورد، کنترل کیفیت، تعمیرات، نگهداشت، لجستیک، فروش و حتی مدیریت مصرف انرژی، در همه بخش‌ها حجم قابل‌توجهی از داده تولید می‌شود. اگر این داده‌ها به‌صورت یکپارچه جمع‌آوری، پاک‌سازی و تحلیل شوند، می‌توانند به کاهش توقفات، پیش‌بینی خرابی تجهیزات، بهینه‌سازی مصرف انرژی، ارتقای کیفیت محصول و افزایش بهره‌وری منجر شوند. بنابراین، هوش مصنوعی در فولاد ابزاری عملیاتی برای بهبود عملکرد و حفظ رقابت‌پذیری است.
مرکز داده اختصاصی؛ کنترل بیشتر، هزینه سنگین‌تر
پرسش اصلی اینجاست که چنین ظرفیتی باید چگونه ایجاد شود؟ یک گزینه، ساخت مرکز داده اختصاصی توسط هر شرکت بزرگ فولادی است. در نگاه اول، این مدل می‌تواند مزایایی مانند کنترل کامل بر داده‌ها، امکان طراحی متناسب با نیازهای اختصاصی شرکت و استقلال بیشتر در توسعه پروژه‌های هوش مصنوعی داشته باشد. برای بنگاه‌هایی که حجم عملیات، گستره زنجیره ارزش و نیاز پردازشی آن‌ها بسیار بالاست، چنین مدلی ممکن است از منظر راهبردی جذاب هم به نظر برسد؛ اما در کنار این مزایا، هزینه‌های سنگینی نیز وجود دارد. سرمایه‌گذاری اولیه برای تأمین سخت‌افزار فقط بخشی از ماجراست؛ هزینه خنک‌سازی، تأمین برق پایدار، امنیت فیزیکی و سایبری، نگهداشت، ارتقای مستمر تجهیزات، جذب نیروی انسانی متخصص و استهلاک سریع فناوری نیز باید لحاظ شود. در نتیجه، ساخت مرکز داده اختصاصی برای هر بنگاه، تصمیمی است که فقط در صورت وجود تقاضای پردازشی پایدار، مقیاس بسیار بزرگ عملیات و افق روشن بهره‌برداری می‌تواند توجیه‌پذیر باشد.
پراکندگی تجهیزات، معادل زیرساخت نیست
نکته دیگری که افشین بر آن تأکید کرد اهمیت تجمیع زیرساخت و پرهیز از پراکندگی منابع بود. او توضیح داد که راه‌اندازی یک سرور مجهز به 8 GPU به‌تنهایی کفایت نمی‌کند و برای استفاده مؤثر از آن، چند سرور CPU نیز باید در کنار آن قرار گیرد. همچنین اگر چند مرکز پردازشی به هم متصل شوند، فاصله میان آن‌ها نباید بیش از ۱۰۰ کیلومتر باشد. این موضوع برای شرکت‌های فولادی اهمیت زیادی دارد؛ زیرا بسیاری از آن‌ها چندین سایت تولیدی، معدنی یا پشتیبانی در نقاط مختلف کشور دارند. اگر هر بخش به‌صورت مستقل اقدام به خرید محدود تجهیزات کند، ممکن است در ظاهر منابعی برای پردازش فراهم شود، اما در عمل زیرساختی یکپارچه، مقیاس‌پذیر و اقتصادی شکل نمی‌گیرد. تفاوت معناداری میان داشتن «تجهیز» و «زیرساخت» وجود دارد و همین نکته می‌تواند در موفقیت یا شکست پروژه‌های هوشمندسازی تعیین‌کننده باشد.
زیرساخت مشترک؛ گزینه‌ای اقتصادی‌تر برای صنایع بزرگ
در چنین شرایطی، گزینه دوم یعنی ایجاد زیرساخت مشترک یا کنسرسیومی برای صنایع بزرگ، منطقی‌تر به نظر می‌رسد. در این مدل، چند شرکت بزرگ فولادی، معدنی یا حتی دیگر صنایع انرژی‌بر می‌توانند در ایجاد یک مرکز داده مشترک مشارکت کنند و هر کدام متناسب با سهم سرمایه‌گذاری و نیاز پردازشی خود از ظرفیت آن بهره ببرند. مزیت اصلی این الگو، کاهش هزینه سرانه، استفاده از صرفه‌های ناشی از مقیاس، بهره‌گیری بهتر از ظرفیت تجهیزات و امکان جذب تیم‌های تخصصی قوی‌تر است.
افزون بر این، زیرساخت مشترک می‌تواند زمینه‌ساز استانداردسازی داده، توسعه پلتفرم‌های صنعتی مشترک و حتی شکل‌گیری بازار خدمات پردازشی برای زنجیره فولاد و معدن شود.
ابر، راه‌حل مرحله‌ای برای شروع هوشمندسازی
در کنار این دو گزینه، استفاده از خدمات ابری موجود نیز می‌تواند برای بخشی از نیازهای فعلی صنایع، به‌ویژه در مراحل آغازین، راه‌حلی عملی باشد. همه کاربردهای هوش مصنوعی نیازمند سرمایه‌گذاری سنگین در سطح یک مرکز داده بزرگ نیستند. به بیان دیگر، حرکت به سمت هوشمندسازی الزاماً نباید با یک تصمیم بزرگ و پرهزینه آغاز شود.

شرکت‌ها می‌توانند ابتدا از پروژه‌های کوچک‌تر و دارای بازگشت سریع‌تر شروع کنند، تجربه کسب کنند، تیم داخلی بسازند و سپس بر اساس نتایج، درباره توسعه زیرساخت اختصاصی یا مشارکتی تصمیم بگیرند. این رویکرد مرحله‌ای، هم ریسک سرمایه‌گذاری را کاهش می‌دهد و هم از شتاب‌زدگی در ورود به پروژه‌های سنگین جلوگیری می‌کند.
مشوق‌های مالیاتی، حلقه مکمل این تحول
معاون علمی رئیس‌جمهوری در همین نشست به سازوکارهای جدید استفاده از اعتبارهای مالیاتی برای توسعه نوآوری و فناوری نیز اشاره کرد. این موضوع برای صنایع بزرگ اهمیت زیادی دارد، زیرا می‌تواند بخشی از فشار سرمایه‌گذاری در پروژه‌های فناورانه را کاهش دهد. اگر قرار باشد شرکت‌های بزرگ به سمت ایجاد زیرساخت‌های مشترک، توسعه پلتفرم‌های داده‌محور یا اجرای پروژه‌های هوش مصنوعی در مقیاس صنعتی حرکت کنند، بهره‌گیری از مشوق‌های مالیاتی و ابزارهای نوین تأمین مالی نقشی تعیین‌کننده در این تحول خواهد داشت.
در نهایت، آنچه امروز پیش روی صنعت فولاد قرار دارد انتخاب مدل ورود به آینده‌ای است که در آن مزیت رقابتی بنگاه‌ها بیش از هر زمان دیگر به کیفیت تحلیل داده، سرعت تصمیم‌گیری و هوشمندی عملیاتی وابسته خواهد بود. از این منظر، ساخت مرکز داده اختصاصی فقط یکی از گزینه‌هاست و لزوماً برای همه شرکت‌ها بهترین انتخاب نیست. در بسیاری از موارد، زیرساخت مشترک، مدل کنسرسیومی یا حتی استفاده مرحله‌ای از ظرفیت‌های ابری می‌تواند تصمیمی کم‌ریسک‌تر، اقتصادی‌تر و سازگارتر با واقعیت‌های امروز صنعت ایران باشد.


منبع: ایراسین