Σε όλο τον κόσμο, η υιοθέτηση της τεχνητής νοημοσύνης επιταχύνεται με πρωτοφανή ρυθμό. Οι «hyperscalers», οι πάροχοι υπηρεσιών colocation, τα εταιρικά κέντρα δεδομένων και τα αναδυόμενα «εργοστάσια τεχνητής νοημοσύνης» επεκτείνουν ραγδαία την υποδομή πληροφορικής τους, προκειμένου να υποστηρίξουν ολοένα και πιο σύνθετα μοντέλα και τεράστια σύνολα δεδομένων. Αυτή η ραγδαία αύξηση οδηγεί σε αυξημένη ζήτηση ηλεκτρικής ενέργειας, ωθώντας τις απαιτήσεις ψύξης σε νέα άκρα.

Παραδοσιακά, ο κλάδος των κέντρων δεδομένων χρησιμοποιεί τους δείκτες Αποδοτικότητας Χρήσης Ενέργειας (PUE) και Αποδοτικότητας Χρήσης Νερού (WUE) ως βασικά κριτήρια αξιολόγησης της αποδοτικότητας των πόρων. Αυτοί οι δείκτες έχουν εξυπηρετήσει καλά τον κλάδο για χρόνια – είναι απλοί, διαισθητικοί δείκτες του πόσο αποτελεσματικά μια εγκατάσταση χρησιμοποιεί την ενέργεια και το νερό.

Ωστόσο, τα σημερινά φορτία εργασίας τεχνητής νοημοσύνης, τα προηγμένα τσιπ και οι αρχιτεκτονικές υγρής ψύξης αλλάζουν την εξίσωση. Τα τσιπ επόμενης γενιάς που έχουν σχεδιαστεί για τεχνητή νοημοσύνη και επιταχυνόμενους υπολογισμούς λειτουργούν με θερμικά προφίλ και χαρακτηριστικά απόδοσης πολύ διαφορετικά από αυτά των παραδοσιακών CPU. Παράγουν πολύ υψηλότερα θερμικά φορτία, βασίζονται σε μεγαλύτερο βαθμό στην υγρή ψύξη και παρέχουν δραματικά διαφορετική υπολογιστική απόδοση ανάλογα με τη θερμοκρασία λειτουργίας.

Καθώς η υπολογιστική ισχύς γίνεται ο κυρίαρχος παράγοντας της κατανάλωσης ενέργειας στα κέντρα δεδομένων, έχουν αρχίσει να εμφανίζονται επιπλέον δείκτες αποδοτικότητας που στοχεύουν στην ολιστική απεικόνιση της αποδοτικότητας, της βιωσιμότητας και της λειτουργικής απόδοσης.

Γιατί ο δείκτης PUE δεν αρκεί για τη μέτρηση της αποδοτικότητας των κέντρων δεδομένων τεχνητής νοημοσύνης
Ο δείκτης PUE αγνοεί την υπολογιστική ισχύ
Μια εγκατάσταση μπορεί να παρουσιάζει εξαιρετικό δείκτη PUE, αλλά να παρέχει σχετικά χαμηλή υπολογιστική απόδοση. Καθώς η παγκόσμια ζήτηση υπολογιστικής ισχύος αναμένεται να τριπλασιαστεί – αυξάνοντας από 82 GW το 2025 σε περισσότερα από 220 GW έως το 2030, σύμφωνα με τη McKinsey & Company – οι οργανισμοί χρειάζονται δείκτες που λαμβάνουν υπόψη το χρήσιμο έργο, και όχι απλώς την εισερχόμενη έναντι της εξερχόμενης ενέργειας.

Οι κλιματικές συνθήκες και οι διακυμάνσεις στην ψύξη στρεβλώνουν τις μετρήσεις
Τα κέντρα δεδομένων τεχνητής νοημοσύνης σε θερμότερα κλίματα ή σε περιοχές με έλλειψη νερού αντιμετωπίζουν περιβαλλοντικές πραγματικότητες που επηρεάζουν εγγενώς τόσο τον δείκτη PUE όσο και τον δείκτη WUE. Μια εγκατάσταση με εξαιρετικά βελτιστοποιημένη ψύξη μπορεί να εξακολουθεί να εμφανίζεται ως «αναποτελεσματική» λόγω γεωγραφικών συνθηκών και όχι λόγω τεχνικών παραμέτρων.

Τα φορτία εργασίας της τεχνητής νοημοσύνης αλλάζουν τη σχέση μεταξύ ψύξης, θερμοκρασίας και απόδοσης
Ένα τσιπ μπορεί να λειτουργεί «ικανοποιητικά» σε υψηλότερες θερμοκρασίες – βελτιώνοντας τον δείκτη PUE μέσω της μείωσης της μηχανικής ψύξης – αλλά να παρέχει ανώτερη υπολογιστική απόδοση σε χαμηλότερες θερμοκρασίες. Σε αυτή την περίπτωση, ο δείκτης PUE επιδεινώνεται, η υπολογιστική απόδοση αυξάνεται και η συνολική παραγωγικότητα του συστήματος ανεβαίνει. Αυτή η αντίφαση υπογραμμίζει γιατί οι σημερινοί δείκτες δεν επαρκούν για περιβάλλοντα που βασίζονται στην τεχνητή νοημοσύνη.

Για την αξιολόγηση της αποδοτικότητας σε σύγχρονες εγκαταστάσεις – ειδικά σε εκείνες που υποστηρίζουν εφαρμογές τεχνητής νοημοσύνης, υπερκλίμακας και συνδιαλλαγής υψηλής πυκνότητας – εξετάζονται εναλλακτικοί δείκτες που συνδυάζουν δείκτες ενέργειας και νερού με δείκτες απόδοσης (KPI) επικεντρωμένους στην υπολογιστική ισχύ.

Παρακάτω ακολουθεί ένα παράδειγμα ορισμένων προηγμένων δεικτών που στοχεύουν να προσφέρουν μια πιο ολοκληρωμένη και επεκτάσιμη εικόνα της απόδοσης:

- Η απόδοση ανά βατ (PPW) μετρά την υπολογιστική απόδοση ανά μονάδα ενέργειας. Πρόκειται για έναν ολιστικό τρόπο ευθυγράμμισης της απόδοσης της πληροφορικής με την αποδοτικότητα της εγκατάστασης.
- Η ενεργειακή παραγωγικότητα του κέντρου δεδομένων ( DCeP) αξιολογεί πόση «χρήσιμη εργασία» (ολοκληρωμένες εργασίες, επεξεργασμένα δεδομένα κ.λπ.) παράγεται για κάθε μονάδα ενέργειας που καταναλώνεται.
- Η υπολογιστική ενεργειακή απόδοση ( CPE) εκφράζει την υπολογιστική ισχύ που παρέχεται ανά μονάδα ενέργειας. Ιδανική για λειτουργίες με έντονη χρήση τεχνητής νοημοσύνης (AI).
- Η υπολογιστική ισχύς ανάλογη με την ενέργεια ( EPC) αξιολογεί πόσο αποτελεσματικά ένα σύστημα προσαρμόζει την κατανάλωση ισχύος σε σχέση με το φόρτο εργασίας. Όσο πιο στενά ακολουθεί η κατανάλωση ενέργειας τη ζήτηση υπολογιστικής ισχύος, τόσο καλύτερα.
- Η Πράσινη Αποδοτικότητα ( GE) συνδέει την υπολογιστική απόδοση με το αποτύπωμα άνθρακα, επιτρέποντας τη λήψη αποφάσεων που συνάδουν με τη βιωσιμότητα
- Η Απόδοση ανά Λίτρο ( PPL) συσχετίζει την κατανάλωση νερού με την υπολογιστική απόδοση — κάτι κρίσιμο για περιοχές που αντιμετωπίζουν έλλειψη νερού ή αυστηρό ρυθμιστικό έλεγχο.

Γιατί αυτοί οι δείκτες θα έχουν σημασία
Αυτοί οι εναλλακτικοί δείκτες θα μπορούσαν να επιτρέψουν στους ενδιαφερόμενους να αξιολογήσουν όχι μόνο την αποδοτικότητα των πόρων της εγκατάστασης, αλλά και την αξία που παράγεται από κάθε κιλοβάτ, λίτρο και κιλοβάτ ψυκτικής ικανότητας. Αναδιαμορφώνουν τον τρόπο με τον οποίο οι διαχειριστές αξιολογούν τις σχεδιαστικές αποφάσεις, την αρχιτεκτονική ψύξης, τις θερμοκρασίες των τσιπ και τις στρατηγικές βιωσιμότητας.

Ωστόσο, αυτό το διευρυμένο σύνολο εργαλείων συνεπάγεται επίσης μεγαλύτερη πολυπλοκότητα. Η σύγκλιση της ψύξης υψηλής πυκνότητας, της ηλεκτροδότησης, της στρατηγικής διαχείρισης νερού, των προηγμένων συστημάτων ελέγχου, της μοντελοποίησης και των περιφερειακών ρυθμιστικών διαφορών απαιτεί μια πιο ολοκληρωμένη προσέγγιση.

Ένας ολιστικός συνεργάτης για ένα μέλλον με γνώμονα την τεχνητή νοημοσύνη
Για να επιτύχουν, οι οργανισμοί χρειάζονται έναν συνεργάτη στον τομέα της μηχανικής και της θερμικής διαχείρισης με βαθιά εμπειρία στον σχεδιασμό σε επίπεδο συστήματος, στη μείωση των εκπομπών άνθρακα, στη βελτιστοποίηση της απόδοσης και στις επεκτάσιμες λύσεις. Η έγκαιρη συνεργασία είναι κρίσιμη – από τη σύλληψη της ιδέας και τον σχεδιασμό έως την ενσωμάτωση και τη συνεχή λειτουργία.

Η Trane διαθέτει απαράμιλλη εμπειρογνωμοσύνη στην κατανόηση ολόκληρου του οικοσυστήματος των κέντρων δεδομένων, από την οροφή έως το τσιπ. Η συμβουλευτική μας προσέγγιση περιλαμβάνει μοντελοποίηση, δοκιμές, έξυπνους ελέγχους, ανάκτηση ενέργειας, θερμική αποθήκευση, αναλύσεις σε πραγματικό χρόνο και προληπτική συντήρηση. Βοηθάμε τους διαχειριστές να μεγιστοποιήσουν το υπολογιστικό δυναμικό, ενώ παράλληλα εναρμονίζονται με τις ανάγκες της τοπικής κοινότητας, τις περιβαλλοντικές προσδοκίες και τις προτεραιότητες βιωσιμότητας. Μιλήστε με έναν από τους ειδικούς μας σε κέντρα δεδομένων!

Ο αξιόπιστος καινοτόμος σας για την ψύξη και τη θερμική διαχείριση κέντρων δεδομένων σε περιβάλλοντα κρίσιμης σημασίας
Στην Trane, επιτρέπουμε στα κέντρα δεδομένων επόμενης γενιάς να λειτουργούν πιο αποδοτικά, βιώσιμα και έξυπνα – ικανοποιώντας τις απαιτήσεις της τεχνητής νοημοσύνης, των φορτίων εργασίας υψηλής πυκνότητας και της παγκόσμιας ανάπτυξης. Μέσω ολοκληρωμένου εξοπλισμού, σχεδιασμού συστημάτων, αναλύσεων και συνεχών υπηρεσιών απόδοσης, συμβάλλουμε ώστε η εγκατάστασή σας να παρέχει τη μέγιστη υπολογιστική απόδοση με ελάχιστες περιβαλλοντικές επιπτώσεις.

Ανακαλύψτε πώς η Trane μπορεί να υποστηρίξει την ολιστική στρατηγική θερμικής διαχείρισης της επιχείρησής σας: https://trane.eu/data-center.html