Во всем мире внедрение искусственного интеллекта (ИИ) набирает обороты с беспрецедентной скоростью. Гипермасштабируемые компании, операторы колокационных центров, корпоративные центры обработки данных и новые «фабрики ИИ» стремительно расширяют свою ИТ-инфраструктуру для поддержки все более сложных моделей и огромных массивов данных. Этот всплеск приводит к росту спроса на электроэнергию, в результате чего требования к охлаждению достигают новых экстремальных значений.

Традиционно в отрасли центров обработки данных в качестве основных показателей эффективности использования ресурсов используются коэффициент энергоэффективности (PUE) и коэффициент водоэффективности (WUE). Эти показатели на протяжении многих лет хорошо служили отрасли — это простые и интуитивно понятные индикаторы того, насколько эффективно объект использует энергию и воду.

Однако современные рабочие нагрузки ИИ, передовые микросхемы и архитектуры с жидкостным охлаждением меняют ситуацию. Микросхемы нового поколения, разработанные для ИИ и ускоренных вычислений, работают с тепловыми профилями и характеристиками производительности, значительно отличающимися от традиционных процессоров. Они генерируют гораздо более высокие тепловые нагрузки, в большей степени полагаются на жидкостное охлаждение и обеспечивают кардинально разную вычислительную мощность в зависимости от рабочей температуры.

Поскольку вычислительная мощность становится доминирующим фактором энергопотребления центров обработки данных, начали появляться дополнительные показатели эффективности, призванные комплексно отражать эффективность, экологичность и эксплуатационные показатели.

Почему показатель PUE недостаточен для оценки эффективности центров обработки данных ИИ
PUE не учитывает вычислительную мощность
Объект может демонстрировать отличный показатель PUE, но при этом обеспечивать относительно низкую вычислительную производительность. Поскольку, по прогнозам McKinsey & Company, глобальный спрос на вычислительные мощности утроится — с 82 ГВт в 2025 году до более чем 220 ГВт к 2030 году — организациям необходимы показатели, учитывающие полезную работу, а не только соотношение входящей и исходящей энергии.

Изменения климата и системы охлаждения искажают результаты измерений
Центры обработки данных ИИ, расположенные в жарком климате или в регионах с дефицитом воды, сталкиваются с условиями окружающей среды, которые по своей сути влияют как на показатель PUE, так и на WUE. Объект с высокооптимизированной системой охлаждения может по-прежнему казаться «неэффективным» скорее из-за географических факторов, чем из-за инженерных решений.

Рабочие нагрузки ИИ изменяют взаимосвязь между охлаждением, температурой и производительностью
Чип может «адекватно» работать при более высоких температурах — улучшая показатель PUE за счёт сокращения механического охлаждения — но обеспечивать более высокую вычислительную производительность при более низких температурах. В этом случае показатель PUE ухудшается, вычислительная производительность увеличивается, а общая производительность системы растёт. Это противоречие подчеркивает, почему современные показатели не подходят для сред, основанных на ИИ.

Для оценки эффективности современных объектов — особенно тех, которые поддерживают приложения ИИ, гипермасштабируемые и высокоплотные колокационные решения — рассматриваются альтернативные показатели, сочетающие энергетические и водные показатели с ключевыми показателями эффективности (KPI), ориентированными на вычислительную мощность.

Ниже приведен пример некоторых усовершенствованных показателей, призванных обеспечить более полное и масштабируемое представление о производительности:

- Производительность на ватт (PPW) измеряет вычислительную мощность на единицу энергии. Это комплексный подход к согласованию ИТ-производительности с эффективностью объекта.
- Энергетическая производительность центра обработки данных ( DCeP) оценивает, какой объём «полезной работы» (выполненные задачи, обработанные данные и т. д.) производится на каждую единицу потреблённой энергии.
- Эффективность вычислительной мощности ( CPE) выражает вычислительную мощность, предоставляемую на единицу энергии. Идеально подходит для операций с интенсивным использованием ИИ.
- Вычисления, пропорциональные энергопотреблению ( EPC), оценивают, насколько эффективно система регулирует потребление энергии в зависимости от рабочей нагрузки. Чем ближе энергопотребление соответствует вычислительной нагрузке, тем лучше.
- Экологическая эффективность ( GE) связывает вычислительную производительность с углеродным следом, что позволяет принимать решения с учетом принципов устойчивого развития.
- Производительность на литр ( PPL) соотносит потребление воды с вычислительной производительностью — это критически важно для регионов, сталкивающихся с нехваткой воды или жестким регулированием.

Почему эти показатели важны
Эти альтернативные показатели позволяют заинтересованным сторонам оценивать не только эффективность использования ресурсов объекта, но и ценность, создаваемую каждым киловаттом, литром и киловаттом охлаждающей мощности. Они меняют подход операторов к оценке проектных решений, архитектуры охлаждения, температур микросхем и стратегий устойчивого развития.

Однако этот расширенный набор инструментов также влечет за собой большую сложность. Слияние таких факторов, как охлаждение высокой плотности, электрификация, стратегия водопользования, передовые системы управления, моделирование и региональные различия в нормативных требованиях, требует более интегрированного подхода.

Комплексный партнер для будущего, основанного на искусственном интеллекте
Для достижения успеха организациям необходим партнер в области инжиниринга и управления тепловым режимом, обладающий обширным опытом в проектировании на системном уровне, сокращении выбросов углерода, оптимизации производительности и масштабируемых решениях . Крайне важно начать сотрудничество на раннем этапе — от концепции и проектирования до интеграции и текущей эксплуатации.

Компания Trane обладает непревзойденным опытом в понимании всей экосистемы центров обработки данных — от крыши до микросхемы. Наш консультативный подход включает моделирование, тестирование, интеллектуальные системы управления, рекуперацию энергии, тепловое накопление, аналитику в режиме реального времени и профилактическое техническое обслуживание. Мы помогаем операторам максимально использовать вычислительный потенциал, одновременно учитывая потребности местного сообщества, экологические требования и приоритеты в области устойчивого развития. Обратитесь к одному из наших экспертов по центрам обработки данных!

Ваш надежный инноватор в области охлаждения и управления тепловым режимом центров обработки данных в средах, критически важных для выполнения задач
В компании Trane мы помогаем центрам обработки данных нового поколения работать более эффективно, экологично и интеллектуально, удовлетворяя требования искусственного интеллекта, высокоплотных рабочих нагрузок и глобального роста. Благодаря интегрированному оборудованию, проектированию систем, аналитике и постоянному сопровождению мы помогаем обеспечить максимальную вычислительную мощность вашего объекта при минимальном воздействии на окружающую среду.

Узнайте, как Trane может поддержать вашу комплексную стратегию управления тепловым режимом: https://trane.eu/data-center.html