Po celém světě se zavádění umělé inteligence zrychluje nebývalým tempem. Hyperscalerové, provozovatelé kolokačních služeb, podniková datová centra a nově vznikající „továrny na umělou inteligenci“ rychle rozšiřují svou IT infrastrukturu, aby zvládly stále složitější modely a obrovské datové sady. Tento prudký nárůst vede ke zvýšené spotřebě energie a posouvá požadavky na chlazení do nových extrémů.

Odvětví datových center tradičně používá jako primární měřítka efektivity využívání zdrojů ukazatele PUE (Power Usage Effectiveness) a WUE (Water Usage Effectiveness). Tyto metriky odvětví po léta dobře sloužily – jedná se o jednoduché a intuitivní ukazatele toho, jak efektivně dané zařízení využívá energii a vodu.

Dnešní výpočetní zátěže umělé inteligence, pokročilé čipy a architektury s kapalinovým chlazením však mění situaci. Čipy nové generace určené pro umělou inteligenci a akcelerované výpočty pracují s velmi odlišnými teplotními profily a výkonovými charakteristikami než tradiční procesory (CPU). Vytvářejí mnohem vyšší tepelné zátěže, jsou více závislé na kapalinovém chlazení a poskytují dramaticky odlišný výpočetní výkon v závislosti na provozní teplotě.

Vzhledem k tomu, že výpočetní výkon se stává dominantním faktorem spotřeby energie v datových centrech, začaly se objevovat další metriky účinnosti, jejichž cílem je komplexně zachytit účinnost, udržitelnost a provozní výkon.

Proč PUE nestačí k měření účinnosti datových center pro AI
PUE nezohledňuje výpočetní výkon
Zařízení může vykazovat vynikající hodnotu PUE, ale přesto poskytovat relativně nízký výpočetní výkon. Vzhledem k tomu, že se podle společnosti McKinsey & Company očekává ztrojnásobení globální poptávky po výpočetním výkonu – z 82 GW v roce 2025 na více než 220 GW do roku 2030 – potřebují organizace ukazatele, které zohledňují užitečnou práci, a ne pouze poměr vstupní a výstupní energie.

Kolísání klimatu a chlazení zkresluje měření
Datová centra pro AI v teplejších klimatických podmínkách nebo v oblastech s nedostatkem vody čelí environmentálním podmínkám, které ze své podstaty ovlivňují jak PUE, tak WUE. Provozovna s vysoce optimalizovaným chlazením může i přesto vypadat jako „neefektivní“ spíše kvůli geografickým podmínkám než kvůli technickému řešení.

Úlohy umělé inteligence mění vztah mezi chlazením, teplotou a výkonem
Čip může při vyšších teplotách fungovat „dostatečně“ – čímž se zlepší ukazatel PUE díky snížení mechanického chlazení –, ale při nižších teplotách poskytuje vyšší výpočetní výkon. V tomto případě se ukazatel PUE zhorší, výpočetní výkon se zvýší a celková produktivita systému stoupne. Tento rozpor zdůrazňuje, proč dnešní metriky nestačí pro prostředí založená na AI.

Pro hodnocení účinnosti v moderních zařízeních – zejména těch, která podporují aplikace AI, hyperscale a kolokační aplikace s vysokou hustotou – se zvažují alternativní metriky, které kombinují energetické a vodní ukazatele s KPI zaměřenými na výpočetní výkon.

Níže je uveden příklad některých pokročilých metrik, jejichž cílem je poskytnout ucelenější a škálovatelnější pohled na výkon:

- Výkon na watt (PPW) měří výpočetní výkon na jednotku energie. Jedná se o komplexní způsob, jak sladit výkon IT s účinností zařízení.
- Energetická produktivita datového centra ( DCeP) hodnotí, kolik „užitečné práce“ (dokončené úkoly, zpracovaná data atd.) je vyprodukováno na každou jednotku spotřebované energie.
- Účinnost výpočetního výkonu ( CPE) vyjadřuje výpočetní výkon dodaný na jednotku energie. Ideální pro operace s intenzivním využitím umělé inteligence.
- Výpočetní výkon úměrný spotřebě energie ( EPC) hodnotí, jak efektivně systém přizpůsobuje spotřebu energie v závislosti na pracovní zátěži. Čím více se spotřeba energie přibližuje výpočetní poptávce, tím lépe.
- Ekologická účinnost ( GE) propojuje výpočetní výkon s uhlíkovou stopou, což umožňuje přijímat rozhodnutí v souladu s principy udržitelnosti.
- Výkon na litr ( PPL) porovnává spotřebu vody s výpočetním výkonem – což je klíčové pro regiony čelící nedostatku vody nebo přísnému regulačnímu dohledu.

Proč budou tyto metriky důležité
Tyto alternativní ukazatele by mohly zainteresovaným stranám umožnit vyhodnotit nejen efektivitu využívání zdrojů daného zařízení, ale také hodnotu generovanou z každého kilowattu, litru a kilowattu chladicího výkonu. Mění způsob, jakým provozovatelé posuzují konstrukční rozhodnutí, architekturu chlazení, teploty čipů a strategie udržitelnosti.

Tento rozšířený soubor nástrojů však s sebou přináší i větší složitost. Propojení chlazení s vysokou hustotou, elektrifikace, strategie využívání vody, pokročilých řídicích systémů, modelování a regionálních rozdílů v regulaci vyžaduje integrovanější přístup.

Komplexní partner pro budoucnost řízenou umělou inteligencí
Aby byly organizace úspěšné, potřebují partnera v oblasti inženýrství a řízení tepla, který má bohaté zkušenosti s návrhem na systémové úrovni, snižováním uhlíkové stopy, optimalizací výkonu a škálovatelnými řešeními . Klíčová je včasná spolupráce – od koncepce a návrhu až po integraci a průběžný provoz.

Společnost Trane přináší bezkonkurenční odborné znalosti v oblasti porozumění celému ekosystému datových center od střechy až po čip. Náš poradenský přístup zahrnuje modelování, testování, inteligentní řízení, rekuperaci energie, akumulaci tepla, analýzu v reálném čase a prediktivní údržbu. Pomáháme provozovatelům maximalizovat výpočetní potenciál a zároveň zohlednit potřeby místní komunity, environmentální očekávání a priority v oblasti udržitelnosti. Obraťte se na jednoho z našich odborníků na datová centra!

Váš důvěryhodný inovátor v oblasti chlazení datových center a řízení teploty v kritických prostředích
Ve společnosti Trane umožňujeme datovým centrům nové generace fungovat efektivněji, udržitelněji a inteligentněji – a splňovat tak požadavky umělé inteligence, vysokohustotních pracovních zátěží a globálního růstu. Prostřednictvím integrovaného vybavení, návrhu systémů, analytiky a průběžných služeb v oblasti výkonu pomáháme zajistit, aby vaše zařízení poskytovalo maximální výpočetní výkon s minimálním dopadem na životní prostředí.

Zjistěte, jak může společnost Trane podpořit vaši komplexní strategii řízení teploty: https://trane.eu/data-center.html