Világszerte példátlan sebességgel gyorsul a mesterséges intelligencia (AI) elterjedése. A hiperméretű szolgáltatók, a kolokációs üzemeltetők, a vállalati adatközpontok és a kialakulóban lévő AI-gyárak gyorsan bővítik informatikai infrastruktúrájukat, hogy támogatni tudják az egyre összetettebb modelleket és a hatalmas adathalmazokat. Ez a robbanásszerű növekedés megnöveli az energiaigényt, és a hűtési követelményeket új szélsőséges szintekre emeli.

Hagyományosan az adatközponti iparág az energiafelhasználás hatékonyságát (PUE) és a vízfelhasználás hatékonyságát (WUE) használja elsődleges referenciaértékekként az erőforrás-hatékonyság mérésére. Ezek a mutatók évek óta jól szolgálják az iparágat – egyszerű, intuitív jelzői annak, hogy egy létesítmény mennyire hatékonyan használja az energiát és a vizet.

A mai mesterséges intelligencia-terhelések, fejlett chipek és folyadékhűtéses architektúrák azonban megváltoztatják a helyzetet. A mesterséges intelligenciára és a gyorsított számításra tervezett új generációs chipek a hagyományos CPU-któl jelentősen eltérő hőprofilok és teljesítményjellemzők mellett működnek. Sokkal nagyobb hőterhelést generálnak, nagyobb mértékben támaszkodnak a folyadékhűtésre, és az üzemi hőmérséklettől függően drámaian eltérő számítási teljesítményt nyújtanak.

Ahogy a számítási teljesítmény az adatközpontok energiafogyasztásának meghatározó tényezőjévé válik, új hatékonysági mutatók jelennek meg, amelyek célja a hatékonyság, a fenntarthatóság és az üzemeltetési teljesítmény átfogó bemutatása.

Miért nem elegendő a PUE az AI-adatközpontok hatékonyságának méréséhez?
A PUE figyelmen kívül hagyja a számítási teljesítményt
Előfordulhat, hogy egy létesítmény kiváló PUE-értéket jelent, mégis viszonylag alacsony számítási teljesítményt nyújt. Mivel a globális számítási igény várhatóan megháromszorozódik – a McKinsey & Company szerint a 2025-ös 82 GW-ról 2030-ra több mint 220 GW-ra emelkedik –, a szervezeteknek olyan mutatókra van szükségük, amelyek figyelembe veszik a hasznos munkát is, nem csupán a bevitt és a kimenő energiát.

Az éghajlati és hűtési változékonyság torzítja a méréseket
A melegebb éghajlatú vagy vízhiánnyal küzdő régiókban található AI-adatközpontok olyan környezeti tényezőkkel szembesülnek, amelyek természetüknél fogva hatással vannak mind a PUE-re, mind a WUE-re. Egy rendkívül optimalizált hűtéssel rendelkező telephely is „hatástalannak” tűnhet, ami inkább a földrajzi adottságoknak, mint a műszaki megoldásoknak köszönhető.

Az AI-terhelések megváltoztatják a hűtés, a hőmérséklet és a teljesítmény közötti kapcsolatot
Előfordulhat, hogy egy chip magasabb hőmérsékleten „megfelelően” működik – javítva a PUE-t a mechanikus hűtés csökkentésével –, de alacsonyabb hőmérsékleten nyújt kiválóbb számítási teljesítményt. Ebben az esetben a PUE romlik, a számítási teljesítmény nő, és a rendszer teljes termelékenysége emelkedik. Ez az ellentmondás rávilágít arra, hogy a mai mutatók miért nem felelnek meg az AI-vezérelt környezetek igényeinek.

A modern létesítmények – különösen az AI-t, a hiperméretű és a nagy sűrűségű kolokációs alkalmazásokat támogatók – hatékonyságának értékeléséhez olyan alternatív mutatókat vesznek fontolóra, amelyek az energia- és vízfogyasztási mutatókat a számítási teljesítményre összpontosító KPI-kkal kombinálják.

Az alábbiakban bemutatunk néhány olyan fejlett mutatót, amelyek célja a teljesítmény teljesebb és skálázhatóbb áttekintése:

- A „Performance Per Watt” (PPW) az energiaegységenkénti számítási teljesítményt méri. Ez egy átfogó módszer az IT-teljesítmény és a létesítmény hatékonyságának összehangolására.
- Az adatközponti energiahatékonyság ( DCeP) azt értékeli, hogy mennyi „hasznos munka” (elvégzett feladatok, feldolgozott adatok stb.) jön létre az elfogyasztott energiaegységenként.
- A számítási teljesítményhatékonyság ( CPE) az energiaegységenként leadott számítási teljesítményt fejezi ki. Ideális a mesterséges intelligenciát igénybe vevő műveletekhez.
- Az energiaarányos számítás ( EPC) azt értékeli, hogy egy rendszer mennyire hatékonyan igazítja az energiafelhasználást a munkaterheléshez. Minél szorosabban követi az energiafelhasználás a számítási igényt, annál jobb.
- A zöld hatékonyság ( GE) összekapcsolja a számítási teljesítményt a szén-dioxid-kibocsátással, lehetővé téve a fenntarthatósággal összhangban lévő döntéshozatalt.
- A literenkénti teljesítmény ( PPL) összehangolja a vízfogyasztást a számítási teljesítménnyel – ez kritikus fontosságú a vízhiánnyal küzdő vagy szigorú szabályozási ellenőrzés alatt álló régiók számára.

Miért fontosak ezek a mutatók?
Ezek az alternatív mérőszámok lehetővé tehetik az érdekelt felek számára, hogy ne csak a létesítmény erőforrás-hatékonyságát értékeljék, hanem az egyes kilowattokból, literből és hűtőteljesítmény-kilowattból generált értéket is. Átformálják azt, ahogyan az üzemeltetők értékelik a tervezési döntéseket, a hűtési architektúrát, a chipek hőmérsékletét és a fenntarthatósági stratégiákat.

Ez a kibővített eszköztár azonban nagyobb komplexitást is magával hoz. A nagy sűrűségű hűtés, az elektrifikáció, a vízstratégia, a fejlett vezérlőrendszerek, a modellezés és a regionális szabályozási eltérések összefonódása integráltabb megközelítést igényel.

Egy holisztikus partner az AI-vezérelt jövőért
A sikerhez a szervezeteknek olyan mérnöki és hőkezelési partnerre van szükségük, amely mélyreható tapasztalattal rendelkezik a rendszerszintű tervezés, a szén-dioxid-kibocsátás csökkentése, a teljesítményoptimalizálás és a skálázható megoldások terén. A korai együttműködés elengedhetetlen – a koncepciótól és a tervezéstől az integrációig és a folyamatos üzemeltetésig.

A Trane páratlan szakértelemmel rendelkezik az adatközponti ökoszisztéma teljes körű megértésében, a tetőtől a chipig. Tanácsadói megközelítésünk magában foglalja a modellezést, a tesztelést, az intelligens vezérlést, az energia-visszanyerést, a hőtárolást, a valós idejű elemzéseket és a prediktív karbantartást. Segítünk az üzemeltetőknek maximalizálni a számítási potenciált, miközben figyelembe vesszük a helyi közösség igényeit, a környezeti elvárásokat és a fenntarthatósági prioritásokat. Vegye fel a kapcsolatot egyik adatközponti szakértőnkkel!

Megbízható innovátor az adatközponti hűtés és hőkezelés terén a kritikus fontosságú környezetekben
A Trane-nél lehetővé tesszük, hogy a következő generációs adatközpontok hatékonyabban, fenntarthatóbban és intelligensabban működjenek – megfelelve az AI, a nagy sűrűségű munkaterhelések és a globális növekedés követelményeinek. Integrált berendezések, rendszertervezés, elemzések és folyamatos teljesítmény-szolgáltatások révén segítünk biztosítani, hogy létesítménye minimális környezeti hatással maximális számítási teljesítményt nyújtson.

Fedezze fel, hogyan támogathatja a Trane az átfogó hőkezelési stratégiáját: https://trane.eu/data-center.html