मेटा ने घोषणा की है कि वह अपने एआई प्रयासों को आगे बढ़ाने के लिए टेक्सास में एक नया गीगावाट आकार का डेटा सेंटर बना रहा है। नया डेटा सेंटर, जो 1GW तक बढ़ सकता है, एल पासो, टेक्सास में स्थित होगा, और कंपनी के लिए इस तरह की 29वीं सुविधा होगी।
इंस्टाग्राम और फेसबुक जैसी सोशल मीडिया दिग्गजों के पीछे की कंपनी का कहना है कि उसने एल पासो डेटा सेंटर को ऐसे सिस्टम के लिए डिज़ाइन किया है जो आज के पारंपरिक सर्वर और एआई-सक्षम हार्डवेयर की भविष्य की पीढ़ियों दोनों का समर्थन कर सकता है।
मेटा का कहना है कि वह नए डेटा सेंटर के निर्माण के लिए $1.5 बिलियन से अधिक खर्च करेगा, जिसके 2028 तक पूरा होने की उम्मीद है। यह सुविधा लगभग 100 परिचालन नौकरियों का समर्थन करेगी और अपने चरम पर साइट पर 1,800 से अधिक निर्माण श्रमिकों को रोजगार देने की उम्मीद है।
कंपनी का कहना है कि उसने टेक्सास के तीन डेटा केंद्रों में 10 बिलियन डॉलर से अधिक का निवेश किया है और इसके डेटा केंद्रों, कार्यालयों और अनुसंधान प्रयोगशालाओं में 2,500 से अधिक पूर्णकालिक कर्मचारी हैं।
एल पासो डेटा सेंटर 100% नवीकरणीय ऊर्जा का उपयोग करेगा, और मेटा ने डेटा सेंटर द्वारा खपत किए गए 200% पानी को स्थानीय जलक्षेत्रों में बहाल करने के लिए भी प्रतिबद्ध किया है।
मेटा का कहना है कि एल पासो के मजबूत बुनियादी ढांचे और कुशल कार्यबल ने इसे डेटा सेंटर के लिए चुनने में भूमिका निभाई।
मेटा का AI खर्च:
मेटा पिछले कुछ वर्षों में एआई पर आक्रामक रूप से ध्यान केंद्रित कर रहा है, जहां यह अपने एआई मॉडल के माध्यम से सुपरइंटेलिजेंस की दौड़ में ओपनएआई, गूगल और एंथ्रोपिक जैसी कंपनियों के खिलाफ प्रतिस्पर्धा कर रहा है। इस साल की शुरुआत में, मेटा ने एक सुपरइंटेलिजेंस लैब्स की स्थापना की और अन्य कंपनियों से कई शीर्ष प्रतिभाओं को आकर्षित करते हुए पूर्व स्केल एआई सीईओ एलेक्जेंडर वांग को इसका सीईओ नियुक्त किया।
टेक दिग्गज ने इस साल पूंजीगत व्यय में $72 बिलियन खर्च करने की भी प्रतिबद्धता जताई है। सीईओ मार्क जुकरबर्ग ने पहले कहा है कि एआई पर कम खर्च करने की तुलना में अधिक खर्च करना बेहतर है, यह देखते हुए कि सुपरइंटेलिजेंस के उभरने से चूकने का जोखिम वित्तीय बर्बादी के जोखिम से अधिक है।
सुपरइंटेलिजेंस या एजीआई एक काल्पनिक स्थिति है जहां एआई सिस्टम को समान दक्षता स्तर पर अधिकांश कार्य करने में सक्षम माना जाता है, यदि बेहतर नहीं है। हालाँकि इस चरण के लिए कोई अच्छी तरह से परिभाषित परिभाषा नहीं है, अधिकांश एआई प्रयोगशालाएँ इस ओर लक्ष्य कर रही हैं और अपने एआई बुनियादी ढांचे के निर्माण पर भारी खर्च कर रही हैं।
