Na całym świecie wdrażanie sztucznej inteligencji nabiera tempa w niespotykanym dotąd tempie. Giganci chmury, operatorzy kolokacji, korporacyjne centra danych oraz powstające fabryki sztucznej inteligencji gwałtownie rozbudowują swoją infrastrukturę IT, aby obsłużyć coraz bardziej złożone modele i ogromne zbiory danych. Ten gwałtowny wzrost powoduje rosnące zapotrzebowanie na energię, co z kolei sprawia, że wymagania dotyczące chłodzenia osiągają nowe, ekstremalne poziomy.

Tradycyjnie branża centrów danych wykorzystuje wskaźniki efektywności zużycia energii (PUE) i efektywności zużycia wody (WUE) jako podstawowe mierniki efektywności wykorzystania zasobów. Wskaźniki te od lat dobrze służą branży – są prostymi, intuicyjnymi miernikami tego, jak efektywnie obiekt wykorzystuje energię i wodę.

Jednak dzisiejsze obciążenia związane ze sztuczną inteligencją, zaawansowane układy scalone i architektury chłodzenia cieczą zmieniają tę sytuację. Układy scalone nowej generacji, zaprojektowane z myślą o sztucznej inteligencji i przyspieszonych obliczeniach, działają w oparciu o profile termiczne i charakterystykę wydajnościową znacznie różniące się od tradycyjnych procesorów. Generują one znacznie większe obciążenia cieplne, w większym stopniu opierają się na chłodzeniu cieczą i zapewniają diametralnie różną wydajność obliczeniową w zależności od temperatury roboczej.

Ponieważ moc obliczeniowa staje się głównym czynnikiem wpływającym na zużycie energii w centrach danych, zaczęły pojawiać się dodatkowe wskaźniki efektywności, których celem jest całościowe przedstawienie efektywności, zrównoważonego rozwoju i wydajności operacyjnej.

Dlaczego wskaźnik PUE nie wystarcza do pomiaru efektywności centrów danych wykorzystujących sztuczną inteligencję
Wskaźnik PUE nie uwzględnia mocy obliczeniowej
Obiekt może wykazywać doskonały wskaźnik PUE, a mimo to zapewniać stosunkowo niską wydajność obliczeniową. Ponieważ oczekuje się, że globalne zapotrzebowanie na moc obliczeniową potroi się – wzrastając z 82 GW w 2025 r. do ponad 220 GW do 2030 r., zgodnie z prognozami McKinsey & Company – organizacje potrzebują wskaźników uwzględniających pracę użyteczną, a nie tylko stosunek energii wejściowej do wyjściowej.

Zmienność warunków klimatycznych i chłodzenia zniekształca pomiary
Centra danych AI położone w cieplejszym klimacie lub regionach dotkniętych niedoborem wody borykają się z realiami środowiskowymi, które z natury rzeczy wpływają zarówno na wskaźnik PUE, jak i WUE. Obiekt z wysoce zoptymalizowanym systemem chłodzenia może nadal wydawać się „nieefektywny” raczej ze względu na położenie geograficzne niż rozwiązania inżynieryjne.

Obciążenia związane ze sztuczną inteligencją zmieniają relacje między chłodzeniem, temperaturą i wydajnością
Układ scalony może działać „odpowiednio” w wyższych temperaturach – poprawiając wskaźnik PUE poprzez ograniczenie chłodzenia mechanicznego – ale zapewniać lepszą wydajność obliczeniową w niższych temperaturach. W takim przypadku wskaźnik PUE pogarsza się, wydajność obliczeniowa wzrasta, a całkowita produktywność systemu rośnie. Ta sprzeczność podkreśla, dlaczego obecne wskaźniki nie sprawdzają się w środowiskach opartych na sztucznej inteligencji.

Aby ocenić wydajność w nowoczesnych obiektach – zwłaszcza tych obsługujących aplikacje oparte na sztucznej inteligencji, hiperskalowe i kolokacyjne o wysokiej gęstości – rozważa się alternatywne wskaźniki, które łączą wskaźniki energetyczne i wodne z kluczowymi wskaźnikami efektywności (KPI) skoncentrowanymi na mocy obliczeniowej.

Poniżej przedstawiono przykład niektórych zaawansowanych wskaźników, których celem jest zapewnienie pełniejszego i bardziej skalowalnego obrazu wydajności:

- Wydajność na wat (PPW) mierzy wydajność obliczeniową na jednostkę energii. Jest to holistyczne podejście do dostosowania wydajności IT do efektywności obiektu.
- Produktywność energetyczna centrum danych ( DCeP) ocenia, ile „pracy użytecznej” (wykonanych zadań, przetworzonych danych itp.) jest wytwarzane na każdą jednostkę zużytej energii.
- Efektywność mocy obliczeniowej ( CPE) wyraża moc obliczeniową dostarczaną na jednostkę energii. Idealna dla operacji intensywnie wykorzystujących sztuczną inteligencję.
- Obliczenia proporcjonalne do zużycia energii ( EPC) oceniają, jak efektywnie system dostosowuje zużycie energii w stosunku do obciążenia. Im bardziej zużycie energii odpowiada zapotrzebowaniu obliczeniowemu, tym lepiej.
- Efektywność ekologiczna ( GE) łączy wydajność obliczeniową z wpływem na emisję dwutlenku węgla, umożliwiając podejmowanie decyzji zgodnych z zasadami zrównoważonego rozwoju.
- Wydajność na litr ( PPL) koreluje zużycie wody z wydajnością obliczeniową – ma to kluczowe znaczenie dla regionów borykających się z niedoborem wody lub podlegających ścisłej kontroli regulacyjnej.

Dlaczego te wskaźniki mają znaczenie
Te alternatywne miary mogą pozwolić interesariuszom na ocenę nie tylko efektywności wykorzystania zasobów przez obiekt, ale także wartości generowanej przez każdy kilowat, litr i kilowat mocy chłodniczej. Zmieniają one sposób, w jaki operatorzy oceniają decyzje projektowe, architekturę chłodzenia, temperatury chipów oraz strategie zrównoważonego rozwoju.

Jednak ten rozszerzony zestaw narzędzi wiąże się również z większą złożonością. Połączenie chłodzenia o wysokiej gęstości, elektryfikacji, strategii wodnej, zaawansowanych systemów sterowania, modelowania oraz regionalnych różnic regulacyjnych wymaga bardziej zintegrowanego podejścia.

Kompleksowy partner na miarę przyszłości opartej na sztucznej inteligencji
Aby odnieść sukces, organizacje potrzebują partnera w zakresie inżynierii i zarządzania termicznego, posiadającego bogate doświadczenie w projektowaniu na poziomie systemowym, redukcji emisji dwutlenku węgla, optymalizacji wydajności oraz skalowalnych rozwiązaniach . Kluczowe znaczenie ma wczesna współpraca – od koncepcji i projektu po integrację i bieżącą eksploatację.

Firma Trane oferuje niezrównaną wiedzę specjalistyczną w zakresie zrozumienia całego ekosystemu centrum danych — od dachu po chip. Nasze konsultacyjne podejście obejmuje modelowanie, testowanie, inteligentne systemy sterowania, odzysk energii, magazynowanie ciepła, analizę w czasie rzeczywistym oraz konserwację predykcyjną. Pomagamy operatorom maksymalizować potencjał obliczeniowy, dostosowując się jednocześnie do potrzeb lokalnej społeczności, oczekiwań środowiskowych i priorytetów w zakresie zrównoważonego rozwoju. Porozmawiaj z jednym z naszych ekspertów ds. centrów danych!

Twój zaufany innowator w zakresie chłodzenia centrów danych i zarządzania termicznego w środowiskach o znaczeniu krytycznym
W firmie Trane umożliwiamy centrom danych nowej generacji bardziej wydajną, zrównoważoną i inteligentną pracę — spełniając wymagania związane ze sztuczną inteligencją, obciążeniami o wysokiej gęstości oraz globalnym wzrostem. Dzięki zintegrowanemu sprzętowi, projektowaniu systemów, analizom oraz bieżącym usługom w zakresie wydajności pomagamy zapewnić, że Państwa obiekt osiąga maksymalną wydajność obliczeniową przy minimalnym wpływie na środowisko.

Dowiedz się, jak firma Trane może wesprzeć Twoją kompleksową strategię zarządzania temperaturą: https://trane.eu/data-center.html