V celé Evropě a na Blízkém východě 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.

Provozovatelé se tradičně spoléhali na ukazatele energetické účinnosti (PUE) a vodní účinnosti (WUE) jako na své hlavní měřítka provozní efektivity. Tyto metriky odvětví po léta dobře sloužily – jednalo se o jednoduché, intuitivní ukazatele toho, jak efektivně zařízení využívá energii a vodu.

Dnešní výpočetní zátěže umělé inteligence, pokročilé čipy a architektury s kapalinovým chlazením však mění situaci. Vzhledem k tomu, že výpočetní výkon se stává dominantním faktorem spotřeby energie, komunita datových center zpochybňuje, zda ukazatele PUE a WUE samy o sobě mohou plně reprezentovat efektivitu, udržitelnost nebo provozní výkon.

Čipy nové generace určené pro AI a akcelerované výpočty pracují s velmi odlišnými teplotními profily a výkonovými charakteristikami než tradiční procesory (CPU). Vytvářejí mnohem vyšší tepelné zatížení, jsou silně závislé na kapalinovém chlazení a poskytují výrazně odlišný výpočetní výkon v závislosti na provozní teplotě.

To pro provozovatele představuje tři zásadní výzvy

PUE nezohledňuje výpočetní výkon
Zařízení může vykazovat vynikající hodnotu PUE, ale zároveň 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 metriky, které zohledňují užitečnou práci, a ne pouze poměr vstupní a výstupní energie.

Kolísání klimatu a chlazení zkresluje měření
Datová centra pro umělou inteligenci v teplejších klimatických podmínkách nebo v oblastech s nedostatkem vody čelí environmentálním realitám, které ze své podstaty ovlivňují jak PUE, tak WUE. Lokalita 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 – musí provozovatelé kombinovat energetické a vodní metriky s KPI zaměřenými na výpočetní výkon. Rostoucí soubor pokročilých metrik poskytuje 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 efektivitou zařízení.
• Energetická produktivita datového centra (DCeP) hodnotí , kolik „užitečné práce“ (dokončených úkolů, zpracovaných dat atd.) je vyprodukováno na každou jednotku spotřebované energie.
• Účinnost výpočetního výkonu (CPE) vyjadřuje výpočetní výkon poskytnutý 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 rozhodování v souladu s principy udržitelnosti.
• Výkon na litr (PPL) slaďuje spotřebu vody s výpočetním výkonem – což je klíčové pro regiony čelící nedostatku vody nebo přísnému regulačnímu dohledu.

Proč jsou tyto ukazatele důležité
Tyto nové ukazatele umožňují zainteresovaným stranám vyhodnotit nejen efektivitu využívání zdrojů v daném zařízení, ale také hodnotu generovanou z každého kilowattu, litru a tuny 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. Spojení 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 se přizpůsobit potřebám místní komunity, environmentálním očekáváním a prioritám v oblasti udržitelnosti. Promluvte si s jedním 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 tak splňovat požadavky umělé inteligence, vysoce náročných úloh 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

Tento článek vychází z bílé knihy, jejíž autorkou je Danielle Rossi, globální ředitelka pro chlazení kritických systémů ve společnosti Trane Technologies.
Stáhněte si celou bílou knihu.