Růst energie AI: Jsou datové centra připravena držet krok?

Umělá inteligence (AI) se rychle vyvíjí a její energetické nároky zatěžují datové centra až na hranici jejich možností. Nové technologie AI, jako je generativní AI (genAI), nejenže mění průmysly, ale také ovlivňují spotřebu energie téměř všech součástí datových serverů – od procesorů a paměti po akcelerátory a síťové prvky.

Aplikace genAI, jako je Microsoftův Copilot a OpenAI’s ChatGPT, vyžadují více energie než kdykoli předtím. Do roku 2027 by samotné školení a údržba těchto systémů AI mohly spotřebovat tolik elektřiny, aby napájely malé zemi po celý rok. A trend se nezastavuje: za posledních deset let se odhaduje, že poptávka po energii pro komponenty, jako jsou procesory, paměť a síťové prvky, vzroste o 160 % do roku 2030, podle zprávy Goldman Sachs.

Používání velkých jazykových modelů také spotřebuje energii. Například dotaz ChatGPT spotřebuje asi desetkrát více energie než tradiční vyhledávání na Google. Vzhledem k obrovským energetickým nárokům AI, lze se ptát, zda lze rychlý pokrok v této oblasti řídit udržitelně, nebo zda bude přispívat k dalšímu růstu globální spotřeby energie. Nedávná studie McKinsey ukazuje, že kolem 70 % rostoucí poptávky na trhu datových center je zaměřeno na zařízení, která jsou vybavena pro zpracování pokročilých úloh AI. Tento posun fundamentálně mění, jak jsou datové centra budována a provozována, protože se přizpůsobují specifickým požadavkům těchto náročných úloh genAI.

„Tradiční datové centra často fungují se zastaralým, energeticky náročným vybavením a pevnými kapacitami, které se obtížně přizpůsobují kolísajícím úlohám, což vede k významné energetické ztrátě,“ řekl mi Mark Rydon, Chief Strategy Officer a spoluzakladatel distribuované cloudové platformy Aethir. „Centralizované operace často vytvářejí nerovnováhu mezi dostupností zdrojů a potřebami spotřeby, což vede průmysl do kritického bodu, kde pokroky mohou ohrozit environmentální cíle, protože požadavky AI rostou.“

Průmysloví lídři nyní řeší tuto výzvu přímo, investují do ekologičtějších designů a energeticky efektivních architektur pro datové centra. Úsilí sahá od přijetí obnovitelných zdrojů energie po vytvoření efektivnějších chladicích systémů, které mohou kompenzovat巨ské množství tepla generovaného úlohami genAI.

Revolutionizování datových center pro udržitelnější budoucnost

Lenovo nedávno představilo ThinkSystem N1380 Neptune, který je skokem vpřed v technologii kapalného chlazení pro datové centra. Společnost tvrdí, že tato inovace již umožňuje organizacím nasazovat výkonné výpočty pro úlohy genAI se значně nižší spotřebou energie – až o 40 % nižší spotřebou energie v datových centrech. N1380 Neptune využívá nejnovější hardware od NVIDIA, včetně GPU Blackwell a GB200, což umožňuje zpracovávat modely AI s trillions parametry v kompaktním nastavení. Lenovo uvedlo, že cílem je vytvořit datové centra, která mohou fungovat s serverovými skříněmi o výkonu 100 kW+ bez potřeby speciálního chlazení.

„Identifikovali jsme významnou potřebu našich současných zákazníků: datové centra spotřebují více energie při zpracování úloh AI kvůli zastaralým architekturám chlazení a tradičním rámcům,“ řekl mi Robert Daigle, Global Director of AI ve společnosti Lenovo. „Abychom to lépe pochopili, spolupracovali jsme s zákazníkem high-performance computing (HPC), abychom analyzovali jejich spotřebu energie, což nás vedlo k závěru, že můžeme snížit spotřebu energie o 40 %.“ Dodal, že společnost vzala v úvahu faktory, jako je spotřeba energie ventilátorů a spotřebu energie chladicích jednotek, a porovnala je se standardními systémy dostupnými prostřednictvím služby hodnocení datových center Lenovo, aby vyvinula novou architekturu datového centra ve spolupráci s Nvidia.

Společnost AVEVA, britská společnost pro informační technologie, uvedla, že využívá prediktivní analytiku k identifikaci problémů s kompresory, motory, HVAC zařízeními, vzduchovými handlers a dalšími zařízeními v datových centrech.

„Zjistili jsme, že to je právě předběžné školení generativního AI, které spotřebuje obrovské množství energie,” řekl mi Jim Chappell, Head of AI & Advanced Analytics ve společnosti AVEVA. „Naše prediktivní systémy AI nám umožňují najít problémy dlouho předtím, než je objeví systémy SCADA nebo řídicí systémy, což umožňuje operátorům datových center řešit problémy s vybavením předtím, než se stanou velkými problémy. Kromě toho máme Vision AI Assistant, který se integruje s našimi řídicími systémy, aby pomáhal najít další typy anomálií, včetně teplotních horkých míst, když se používá s kamerou pro tepelné zobrazování.”

Mezitím se decentralized computing pro školení a vývoj AI prostřednictvím GPU v cloudu stává alternativou. Rydon z Aethiru vysvětlil, že rozložením výpočetních úloh napříč širší a adaptačnější sítí lze optimalizovat spotřebu energie, a to tak, že se přizpůsobí poptávce zdrojů – což vede k podstatnému snížení plýtvání energií od samého začátku.

„Místo toho, abychom se spoléhali na velká centralizovaná datová centra, naše ‘Edge’ infrastruktura rozkládá výpočetní úkoly na uzly blíže k zdroji dat, což dramaticky snižuje energetickou zátěž pro přenos dat a snižuje latenci,” řekl Rydon. „Síť Aethir Edge minimalizuje potřebu stálého vysokého výkonu chlazení, protože úkoly jsou rozloženy napříč různými prostředími, nikoli koncentrovány v jednom místě, což pomáhá vyhnout se energeticky náročným chladicím systémům typickým pro centralizovaná datová centra.”

Podobně společnosti, jako je Amazon a Google, experimentují s obnovitelnými zdroji energie, aby spravovaly rostoucí potřeby energie ve svých datových centrech. Microsoft například investuje大量ně do obnovitelných zdrojů energie a technologií, které zvyšují efektivitu, aby snížil spotřebu energie ve svých datových centrech. Google také učinil kroky ke změně na uhlíkově neutrální energii a prozkoumání chladicích systémů, které minimalizují spotřebu energie v datových centrech. „Jaderná energie je pravděpodobně nejrychlejší cestou k uhlíkově neutrálním datovým centrům. Velcí poskytovatelé datových center, jako Microsoft, Amazon a Google, nyní heavily investují do tohoto typu výroby energie pro budoucnost. S malými modulárními reaktory (SMR) je flexibilita a doba výroby ještě více životaschopnou možností pro dosažení nuly,” dodal Chappell z AVEVA.

Mohou AI a udržitelnost datových center koexistovat?

Ugur Tigli, CTO na platformě AI infrastruktury MinIO, říká, že zatímco doufáme v budoucnost, kde AI může pokročit bez obrovského nárůstu spotřeby energie, realita je taková, že to v krátkodobém horizontu není reálné. „Dlouhodobé dopady jsou obtížněji předpověditelné,” řekl mi, „ale uvidíme posun ve pracovní síle a AI bude pomáhat zlepšovat spotřebu energie napříč všemi sektory, zejména když se stanou efektivnějšími.” Tigli věří, že když se energetická efektivita stane prioritou trhu, uvidíme růst výpočetní techniky spolu se snížením spotřeby energie v jiných sektorech, zejména když se stanou efektivnějšími.

Také poukázal na to, že mezi spotřebiteli roste zájem o ekologičtější řešení AI. „Představte si aplikaci AI, která funguje na 90% efektivitě, ale spotřebuje pouze polovinu energie – to je typ inovace, která by mohla opravdu uspět,” dodal. Je zřejmé, že budoucnost AI není jen o inovacích, ale také o udržitelnosti datových center. Bez ohledu na to, zda se jedná o vývoj efektivnějšího hardwaru nebo chytřejších způsobů využití zdrojů, způsob, jakým spravujeme spotřebu energie AI, bude mít velký vliv na design a provoz datových center.

Rydon zdůraznil důležitost iniciativ celého průmyslu, které se zaměřují na udržitelné designy datových center, energeticky efektivních úloh AI a otevřeného sdílení zdrojů. „Tyto jsou kritické kroky směrem k ekologičtějším operacím,” řekl. „Společnosti, které používají AI, by měly spolupracovat s technologickými společnostmi, aby vytvořily řešení, která snižují environmentální dopad. Pracujeme-li společně, můžeme nasměrovat AI směrem k udržitelnější budoucnosti.”