Em toda a Europa e no Médio Oriente, a adoção da IA está a acelerar a um ritmo sem precedentes. Os hiperescaladores, os operadores de colocalização, os centros de dados empresariais e as fábricas de IA emergentes estão a expandir rapidamente a sua infraestrutura de TI para dar resposta a modelos cada vez mais complexos e a conjuntos de dados de grande dimensão. Este aumento está a impulsionar uma maior procura de energia, levando os requisitos de refrigeração a novos extremos.

Tradicionalmente, os operadores têm-se baseado na Eficácia de Utilização de Energia (PUE) e na Eficácia de Utilização de Água (WUE) como principais indicadores de referência para a eficiência operacional. Estas métricas têm servido bem o setor durante anos – são indicadores simples e intuitivos da eficácia com que uma instalação utiliza energia e água.

Mas as cargas de trabalho de IA atuais, os chips avançados e as arquiteturas de refrigeração líquida estão a mudar a equação. À medida que a potência de computação se torna o principal fator determinante do consumo de energia, a comunidade dos centros de dados questiona se o PUE e o WUE, por si só, podem representar plenamente a eficiência, a sustentabilidade ou o desempenho operacional.

Os chips de próxima geração concebidos para IA e computação acelerada funcionam com perfis térmicos e características de desempenho muito diferentes dos das CPUs tradicionais. Geram cargas térmicas muito mais elevadas, dependem fortemente do arrefecimento líquido e proporcionam um rendimento computacional drasticamente diferente, dependendo da temperatura de funcionamento.

Isto cria três desafios críticos para os operadores

O PUE ignora a potência de computação
Uma instalação pode apresentar um PUE excelente, mas oferecer um rendimento computacional relativamente baixo. Uma vez que se prevê que a procura global de computação triplique — passando de 82 GW em 2025 para mais de 220 GW até 2030, de acordo com a McKinsey & Company —, as organizações necessitam de métricas que tenham em conta o trabalho útil, e não apenas a energia consumida versus a energia produzida.

A variabilidade climática e de refrigeração distorce as medições
Os centros de dados de IA em climas mais quentes ou em regiões com escassez de água enfrentam realidades ambientais que afetam inerentemente tanto o PUE como o WUE. Uma instalação com refrigeração altamente otimizada pode ainda assim parecer «ineficiente» devido à geografia e não à engenharia.

As cargas de trabalho de IA alteram a relação entre refrigeração, temperatura e rendimento
Um chip pode funcionar «adequadamente» a temperaturas mais elevadas — melhorando o PUE ao reduzir a refrigeração mecânica —, mas proporcionar um rendimento computacional superior a temperaturas mais baixas. Neste caso, o PUE piora, o desempenho computacional aumenta e a produtividade total do sistema cresce. Esta contradição destaca a razão pela qual as métricas atuais ficam aquém das necessidades dos ambientes orientados para a IA.

Para avaliar a eficiência em instalações modernas — especialmente aquelas que suportam aplicações de IA, hiperescala e colocalização de alta densidade — os operadores devem combinar métricas de energia e água com KPIs centrados na computação. Um conjunto crescente de métricas avançadas proporciona uma visão mais completa e escalável do desempenho.

• Desempenho por Watt (PPW) mede a potência computacional por unidade de energia. Uma forma holística de alinhar o desempenho de TI com a eficiência das instalações.
• A Produtividade Energética do Centro de Dados (DCeP) avalia a quantidade de «trabalho útil» (tarefas concluídas, dados processados, etc.) produzida por cada unidade de energia consumida.
• Eficiência de Potência Computacional (CPE) expressa a potência computacional fornecida por unidade de energia. Ideal para operações com uso intensivo de IA.
• Computação Proporcional à Energia (EPC) avalia a eficiência com que um sistema ajusta o consumo de energia em função da carga de trabalho. Quanto mais o consumo de energia acompanhar a procura computacional, melhor.
• Eficiência Ecológica (GE) relaciona o rendimento computacional com o impacto de carbono, permitindo uma tomada de decisões alinhada com a sustentabilidade.
• Desempenho por Litro (PPL) alinha o consumo de água com o rendimento computacional – fundamental para regiões que enfrentam escassez de água ou um elevado escrutínio regulatório.

Por que razão estas métricas são importantes
Estas novas métricas permitem que as partes interessadas avaliem não só a eficiência dos recursos da instalação, mas também o valor gerado por cada quilowatt, litro e tonelada de capacidade de refrigeração. Elas redefinem a forma como os operadores avaliam as decisões de conceção, a arquitetura de refrigeração, as temperaturas dos chips e as estratégias de sustentabilidade.

No entanto, este conjunto de ferramentas alargado também traz uma maior complexidade. A convergência entre refrigeração de alta densidade, eletrificação, estratégia hídrica, controlos avançados, modelação e variações regulamentares regionais exige uma abordagem mais integrada.

Um parceiro holístico para um futuro impulsionado pela IA
Para terem sucesso, as organizações precisam de um parceiro de engenharia e gestão térmica com vasta experiência em conceção ao nível do sistema, redução de carbono, otimização de desempenho e soluções escaláveis. A colaboração desde o início é fundamental – desde o conceito e a conceção até à integração e às operações contínuas.

A Trane oferece uma experiência inigualável na compreensão de todo o ecossistema do centro de dados, desde o telhado até ao chip. A nossa abordagem consultiva inclui modelação, testes, controlos inteligentes, recuperação de energia, armazenamento térmico, análise em tempo real e manutenção preditiva. Ajudamos os operadores a maximizar o potencial computacional, alinhando-se simultaneamente com as necessidades da comunidade local, as expectativas ambientais e as prioridades de sustentabilidade. Fale com um dos nossos especialistas em centros de dados!

O seu inovador de confiança para refrigeração e gestão térmica de centros de dados em ambientes de missão crítica
Na Trane, permitimos que os centros de dados de próxima geração funcionem de forma mais eficiente, sustentável e inteligente – satisfazendo as exigências da IA, das cargas de trabalho de alta densidade e do crescimento global. Através de equipamentos integrados, conceção de sistemas, análises e serviços de desempenho contínuos, ajudamos a garantir que as suas instalações proporcionem o máximo rendimento computacional com o mínimo impacto ambiental.

Descubra como a Trane pode apoiar a sua estratégia holística de gestão térmica:
https://trane.eu/data-center.html

Este artigo baseia-se num white paper da autoria de Danielle Rossi, Diretora Global de Refrigeração de Missão Crítica na Trane Technologies.
Descarregue o white paper completo.