Diljem svijeta, usvajanje umjetne inteligencije ubrzava se neviđenom brzinom. Hiperskaleri, operatori kolokacije, poslovni podatkovni centri i nove tvornice umjetne inteligencije brzo skaliraju svoju IT infrastrukturu kako bi podržali sve složenije modele i ogromne skupove podataka. Ovaj porast povećava potražnju za energijom, podižući zahtjeve za hlađenjem do novih ekstrema.

Tradicionalno, industrija podatkovnih centara koristi učinkovitost potrošnje energije (PUE) i učinkovitost korištenja vode (WUE) kao primarne mjerila za učinkovitost korištenja resursa. Ove metrike godinama dobro služe industriji – jednostavni, intuitivni pokazatelji koliko učinkovito postrojenje koristi energiju i vodu.

No današnji AI radna opterećenja, napredni čipovi i arhitekture tekućeg hlađenja mijenjaju tijek rada. Čipovi nove generacije dizajnirani za umjetnu inteligenciju i ubrzano računarstvo rade pod vrlo različitim toplinskim profilima i karakteristikama performansi od tradicionalnih CPU-a. Generiraju znatno veće toplinske opterećenja, više se oslanjaju na tekućinsko hlađenje i isporučuju drastično različitu računalnu snagu ovisno o radnoj temperaturi.

Kako računalna snaga postaje dominantan pokretač potrošnje energije u podatkovnim centrima, počele su se pojavljivati dodatne metrike učinkovitosti koje imaju za cilj holistički prikazati učinkovitost, održivost i operativne performanse.

Zašto PUE nije dovoljan za mjerenje učinkovitosti AI podatkovnih centara
PUE zanemaruje računalnu snagu
Objekt može prijaviti izvrstan PUE, a ipak isporučiti relativno nizak računalni output. Kako se očekuje da će se globalna potražnja za računalima utrostručiti – s 82 GW u 2025. na više od 220 GW do 2030. prema McKinsey & Company – organizacije trebaju metrike koje uzimaju u obzir koristan rad, a ne samo energiju koja ulazi naspram potrošnje.

Mjerenja izobličenja klime i varijabilnosti hlađenja
AI podatkovni centri u toplijim klimama ili regijama s nestašicom vode suočavaju se s okolišnim realnostima koje inherentno utječu i na PUE i na WUE. Lokacija s visoko optimiziranim hlađenjem i dalje može izgledati "neučinkovito" zbog geografije, a ne inženjeringa.

UI opterećenja mijenjaju odnos između hlađenja, temperature i izlaza
Čip može raditi "adekvatno" na višim temperaturama – poboljšavajući PUE smanjenjem mehaničkog hlađenja – ali može isporučiti superiorniji računalni učinak na nižim temperaturama. U tom slučaju PUE se pogoršava, računalna izvedba raste, a ukupna produktivnost sustava raste. Ova kontradikcija ističe zašto današnji pokazatelji nisu dovoljni za okruženja vođena umjetnom inteligencijom.

Kako bi se procijenila učinkovitost u modernim objektima – osobito onima koji podržavaju AI, hiperskalne i visokogustoćne kolokacijske aplikacije – razmatraju se alternativne metrike koje kombiniraju energetske i vodne metrike s KPI-jevima usmjerenim na računalstvo.

Ispod je primjer nekih naprednih metrika koje nastoje pružiti potpuniji i skalabilniji pregled performansi:

- Performance Per Watt (PPW) mjeri izračunati izlaz po jedinici energije. Holistički način usklađivanja IT performansi s učinkovitošću objekta.
- Data Center Energy Productivity (DCeP) procjenjuje koliko se "korisnog rada" (dovršeni zadaci, obrađeni podaci itd.) proizvodi za svaku jedinicu potrošene energije.
- Računalna energetska učinkovitost (CPE) izražava računalnu snagu isporučenu po jedinici energije. Idealno za operacije s puno umjetne inteligencije.
- Energetski proporcionalno računarstvo (EPC) procjenjuje koliko učinkovito sustav prilagođava potrošnju energije u odnosu na opterećenje. Što su energetski tragovi bliži izračunu potražnje, to bolje.
- Green Efficiency (GE) povezuje izračun proizvodnje s ugljičnim utjecajem, omogućujući donošenje odluka usklađenih s održivošću
- Performance Per Liter (PPL) usklađuje potrošnju vode s računalnim outputom – što je ključno za regije koje se suočavaju s nedostatkom vode ili visokim regulatornim nadzorom.

Zašto će ove metrike biti važne
Ove alternativne mjere mogle bi omogućiti dionicima da procijene ne samo učinkovitost korištenja resursa objekta, već i vrijednost koju generira svaki kilovat, litra i kilovat kapaciteta hlađenja. One mijenjaju način na koji operateri procjenjuju dizajnerske odluke, arhitekturu hlađenja, temperature čipova i strategije održivosti.

Međutim, ovaj prošireni alat donosi i veću složenost. Konvergencija hlađenja visoke gustoće, elektrifikacije, strategije za vodu, naprednih kontrola, modeliranja i regionalnih regulatornih varijacija zahtijeva integriraniji pristup.

Holistički partner za budućnost vođenu umjetnom inteligencijom
Za uspjeh, organizacije trebaju partnera za inženjering i termalno upravljanje s dubokim iskustvom u dizajnu na razini sustava, smanjenju ugljika, optimizaciji performansi i skalabilnim rješenjima. Rana suradnja je ključna – od koncepta i dizajna do integracije i kontinuiranih operacija.

Trane donosi neusporedivu stručnost u razumijevanju cijelog ekosustava podatkovnih centara, od krova do čipa. Naš konzultantski pristup uključuje modeliranje, testiranje, inteligentne kontrole, povrat energije, toplinsko skladištenje, analitiku u stvarnom vremenu i prediktivno održavanje. Pomažemo operaterima da maksimalno iskoriste računalni potencijal uz usklađivanje s potrebama lokalne zajednice, ekološkim očekivanjima i prioritetima održivosti. Razgovarajte s jednim od naših stručnjaka za podatkovne centre!

Vaš pouzdani inovator za hlađenje i termalno upravljanje podatkovnim centrima u ključnim okruženjima
U Traneu omogućujemo podatkovnim centrima nove generacije da rade učinkovitije, održivije i inteligentnije – zadovoljavajući zahtjeve umjetne inteligencije, visokogustoćnih radnih opterećenja i globalnog rasta. Kroz integriranu opremu, dizajn sustava, analitiku i kontinuirane usluge izvedbe, pomažemo osigurati da vaš objekt isporuči maksimalnu računalnu snagu uz minimalan utjecaj na okoliš.

Istražite kako Trane može podržati vašu holističku strategiju termalnog upravljanja: https://trane.eu/data-center.html