Революція в галузі ШІ: проблеми та рекомендації щодо проєктування дата-центрів
Експерти Schneider Electric розробили низку рекомендацій щодо проєктування, оптимізації інфраструктури дата-центрів, а також зменшення впливу на навколишнє середовище
Штучний інтелект став трансформаційною силою, яка змінила спосіб обробки, аналізу та використання даних. За прогнозами експертів, до 2027 року ринок штучного інтелекту досягне $ 407 млрд. Ця технологія продовжує робити революцію в багатьох галузях, з очікуваним щорічним темпом зростання на 37,3% між 2023 і 2030 роками.
Ринок штучного інтелекту має потенціал для ще більшого зростання завдяки буму генеративного штучного інтелекту. 97% власників бізнесу вважають, що ChatGPT принесе користь їхнім організаціям завдяки оптимізації комунікацій, створенню копії веб-сайту або перекладу інформації. Але сплеск впровадження потребуватиме більших інвестицій та інфраструктури для рішень на основі ШІ. Отже, як ми можемо задовольнити вимоги нового світу, що базується на штучному інтелекті?
Центри обробки даних, без яких сучасний світ не уявляє свого існування, активно використовують технологію штучного інтелекту. Україна не стоїть осторонь цієї тенденції, але через значні навантаження і постійні перебої в роботі енергосистеми використання ШІ, який потребує більше електроенергії, може бути критичним для ЦОДів на нашій території.
Експерти Schneider Electric розробили низку рекомендацій щодо проєктування, оптимізації інфраструктури дата-центрів, а також зменшення впливу на навколишнє середовище.
Центри обробки даних служать критичною інфраструктурою, що підтримує екосистему штучного інтелекту. Попри те, що ШІ потребує великої кількості енергії, аналітика даних на основі штучного інтелекту може допомогти наблизити ЦОД-и до чистого нуля та відіграти позитивну роль у вирішенні проблеми сталого розвитку. Дослідимо чотири ключові атрибути штучного інтелекту та тенденції, які лежать в основі проблем фізичної інфраструктури центрів обробки даних: живлення, монтажні шафи, системи охолодження та керування програмним забезпеченням.
Способи оптимізації роботи енергоємних додатків ШІ
Системи електропостачання та охолодження, монтажні шафи та фізична інфраструктура є основою функціонування центру обробки даних. Зберігання та обробка даних для машинного навчання (ML) і великих мовних моделей (LLMs) постійно збільшують споживання енергії. Наприклад, за підрахунками дослідників, створення GPT-3 спожило 1287 мегават-годин електроенергії та викинуло 552 тонни CO2, що еквівалентно 123 автомобілям, які працюють на бензині протягом року. Більше того, центри обробки даних використовують монтажні шафи високої щільності, які можуть вмістити більшу кількість серверів у меншому просторі, що ще більше підвищує вимоги до електроенергії.
Отже, як задовольнити підвищені потреби штучного інтелекту в потужностях, мінімізуючи його вплив на планету? Центри обробки даних постійно розвиваються, щоб відповідати зростаючим вимогам кластерів ШІ до потужності. Згідно з думкою Schneider Electric, вдосконалення систем розподілу електроенергії та енергоефективності в дата-центрах допомагає мінімізувати втрати та гарантує, що електроенергія доставляється до серверів найефективнішим способом.
При розробці і управлінні центрами обробки даних оператори повинні зосередитися на енергоефективному апаратному та програмному забезпеченні, одночасно диверсифікуючи джерела живлення. Це допоможе забезпечити потужну енергію, необхідну ШІ для ефективної роботи.
Такі додатки, як розширені блоки розподілу живлення (PDU), інтелектуальне управління та високоефективні системи живлення, а також відновлювані джерела енергії дозволяють центрам обробки даних зменшувати як витрати на енергію, так і викиди вуглецю. Однак надзвичайна щільність живлення в монтажних шафах навчальних серверів зі штучним інтелектом може створювати додаткові проблеми. Так, крім енергоспоживання, система охолодження також може створювати проблеми для операторів.
Перехід від повітряного до рідинного охолодження є обов’язковим для підвищення стійкості
Сьогодні стабільна і стійка робота центру обробки даних залежить від ефективного охолодження. Вимоги штучного інтелекту до дата-центрів даних означають, що для живлення серверів високої щільності потрібні нові методології охолодження як для оптимальної продуктивності, так і для мінімізації часу простою.
Незважаючи на те, що повітряне охолодження є звичним явищем у галузі та буде існувати протягом багатьох років, воно є менш ефективним для установок з високою щільністю. Саме тому, з точки зору Schneider Electric, перехід до рідинного охолодження – оптимальне рішення для ефективної роботи з кластерами ШІ.
Так, наприклад, рідинне охолодження Direct-to-Chip, де охолоджуюча рідина циркулює через сервери для поглинання та розсіювання тепла, швидко набирає популярності як більш ефективний засіб для обробки концентрованого тепла, що виділяється кластерами ШІ.
У порівнянні з повітряним, рідинне охолодження забезпечує багато переваг для центрів обробки даних: підвищення енергоефективності, покращення використання електроенергії та зменшення споживання води. Від надійності та продуктивності процесора, економії місця за рахунок більшої щільності монтажних щаф до більшої теплової інерції з водою в трубопроводах.
Використання технології на свою користь
Ще один спосіб, як покращити відповідність вимогам штучного інтелекту, запропонований Schneider Electric, – використовувати цю технологію на свою користь. Центри обробки даних можуть отримати вигоду від використання автоматизації на основі штучного інтелекту, аналітики даних і машинного навчання, щоб знайти можливості для підвищення ефективності та декарбонізації.
Ефективніше використовуючи аналіз даних, ми можемо стимулювати нові, більш стійкі моделі поведінки. Цей процес забезпечується фізичною інфраструктурою та програмними засобами, які підтримують проєктування та роботу центру обробки даних, включаючи DCIM, EPMS, BMS та цифрові двійники. Ці додатки зменшують ризик несподіваної поведінки складних електричних мереж і забезпечують цифрову копію центру обробки даних для визначення обмежених ресурсів живлення та охолодження для інформованого рішення про планування.
Наприклад, Equinix підвищила енергоефективність свого центру обробки даних на 9% за допомогою охолодження на основі штучного інтелекту, що дозволило компанії зменшити споживання енергії системами охолодження, регулюючи їх більш ефективно та підвищуючи ефективність системи.
Досягнення більшої обчислювальної потужності в межах тієї самої фізичної площі
Очевидно, що додатки штучного інтелекту підвищують енергоспоживання в центрах обробки даних у той час, коли їм потрібно стати більш стійкими. Тим не менш, штучний інтелект також надає інтелектуальні можливості для проєктування та експлуатації центрів обробки даних у розумніший та енергоефективніший спосіб, і якщо його правильно розгорнути, згідно з Schneider Electric, він може допомогти досягти нульових викидів.
Поєднуючи ключові атрибути фізичної інфраструктури центру обробки даних із підвищенням ефективності штучного інтелекту, власники, оператори та кінцеві користувачі можуть ефективніше керувати потребами в електроенергії високощільних кластерів штучного інтелекту, зберігаючи при цьому ефективність, надійність і стійкість.
