AI’s voksende appetit på strøm: Er datacentre klar til at følge med?

Da kunstig intelligens (AI) skynder sig fremad, belaster dens energibehov datacentrene til bristepunktet. Næste generations AI-teknologier som generativ AI (genAI) transformerer ikke kun brancher – deres energiforbrug påvirker næsten hver enkelt data-server-komponent – fra CPU’er og hukommelse til acceleratorer og netværk.

GenAI-applikationer, herunder Microsofts Copilot og OpenAIs ChatGPT, kræver mere energi end nogensinde før. Inden 2027 kunne træning og vedligeholdelse af disse AI-systemer alene forbruge nok strøm til at strømforsyne et lille land i ét år. Og trenden er ikke ved at afslowes: Over de sidste ti år estimeres energibehovet for komponenter som CPU’er, hukommelse og netværk til at stige med 160% inden 2030, ifølge en Goldman Sachs-rapport.

Brugen af store sprogmodeller forbruger også energi. For eksempel forbruger en ChatGPT-forespørgsel cirka ti gange mere strøm end en traditionel Google -søgning. Givet AI’s massive energibehov, kan branchens hurtige fremskridt håndteres på en bæredygtig måde, eller vil de bidrage yderligere til den globale energiforbrug? McKinseys seneste forskning viser, at omkring 70% af den stigende efterspørgsel på datacenter-markedet er rettet mod faciliteter, der er udstyret til at håndtere avancerede AI-arbejdslaster. Denne ændring ændrer grundlæggende, hvordan datacentre bygges og køres, da de tilpasser sig de unikke krav til disse højtydende genAI-opgaver.

“Traditionelle datacentre kører ofte med ældre, energiintensive udstyr og faste kapaciteter, der kæmper for at tilpasse sig svingende arbejdslaster, hvilket resulterer i betydelig energispild,” fortalte Mark Rydon, Chief Strategy Officer og medstifter af den distribuerede cloud-compute-platform Aethir, til mig. “Centraliserede operationer skaber ofte en ubalance mellem ressource-tilgængelighed og forbrugsbehov, hvilket bringer branchen til et kritisk punkt, hvor fremskridt kan risikere at undergrave miljømæssige mål, da AI-drevne krav stiger.”

Branchens ledere møder nu udfordringen direkte, ved at investere i grønne design og energieffektive arkitekturer for datacentre. Bevægelserne spænder fra at antage vedvarende energikilder til at skabe mere effektive kølesystemer, der kan kompensere for den enorme mængde varme, der genereres af genAI-arbejdslaster.

Revolutionering af datacentre for en grønnere fremtid

Lenovo har nylig introduceret ThinkSystem N1380 Neptune, et spring fremad i væske-kølingsteknologi for datacentre. Virksomheden hævder, at innovationen allerede gør det muligt for organisationer at udvikle højtydende beregninger til genAI-arbejdslaster med betydeligt lavere energiforbrug – op til 40% mindre strøm i datacentre. N1380 Neptune udnytter Nvidias seneste hardware, herunder Blackwell og GB200 GPU’er, hvilket muliggør håndtering af trillion-parameter AI-modeller i en kompakt opsætning. Lenovo siger, at de søger at bana vejen for datacentre, der kan køre 100KW+ serverhylder uden behov for dedikeret aircondition.

“Vi identificerede et betydeligt krav fra vores nuværende kunder: Datacentre forbruger mere strøm, når de håndterer AI-arbejdslaster på grund af forældede kølearkitekturer og traditionelle strukturrammer,” fortalte Robert Daigle, Global Director of AI hos Lenovo, til mig. “For at forstå dette bedre samarbejdede vi med en kunde inden for high-performance computing (HPC) for at analysere deres strømforbrug, hvilket førte os til konklusionen, at vi kunne reducere energiforbruget med 40%.” Han tilføjede, at virksomheden tog hensyn til faktorer som fan-strøm og strømforbruget af køleenheder og sammenlignede disse med standard-systemer, der er tilgængelige gennem Lenovos datacenter-vurderingstjeneste, for at udvikle den nye datacenter-arkitektur i samarbejde med Nvidia.

Det UK-baserede IT-konsulentfirma AVEVA siger, at de anvender prædiktiv analyse for at identificere problemer med datacenter-kompressorer, motorer, HVAC-udstyr, luftbehandlingsanlæg og mere.

“Vi fandt ud af, at det er for-træningen af generativ AI, der forbruger massivt med strøm,” fortalte Jim Chappell, AVEVAs chef for AI og avanceret analyse, til mig. “Gennem vores prædiktive AI-drevne systemer søger vi at finde problemer lang tid før nogen SCADA eller kontrolsystem, hvilket giver datacenter-operatørerne mulighed for at løse udstyrsproblemer, før de bliver store problemer. Desuden har vi en Vision AI-assistent, der integrerer naturligt med vores kontrolsystemer for at hjælpe med at finde andre typer af afvigelser, herunder temperatur-hotspots, når de anvendes med en varme-kamera.”

Imens er decentraliseret beregning for AI-træning og udvikling gennem GPU’er over skyen ved at blive en alternativ løsning. Aethirs Rydon forklarede, at ved at distribuere beregningsopgaver over et bredere, mere tilpasningsdygtigt netværk kan energiforbruget optimeres ved at tilpasse ressource-krav med tilgængelighed – hvilket fører til betydelige reduceringer i spild fra starten.

“I stedet for at afhænge af store, centraliserede datacentre spreder vores ’Edge’-infrastruktur beregningsopgaver til noder tættere på datakilden, hvilket reducerer energibehovet for dataoverførsel og reducerer latency,” sagde Rydon. “Aethir Edge-netværket minimiserer behovet for konstant højtydende køling, da arbejdslaster fordeler sig over forskellige miljøer i stedet for at koncentrere sig på en enkelt lokalitet, hvilket hjælper med at undgå energiintensive kølesystemer, der er typiske for centraliserede datacentre.”

Ligesom virksomheder som Amazon og Google er ved at eksperimentere med vedvarende energikilder for at håndtere de stigende strømbehov i deres datacentre. Microsoft investerer for eksempel kraftigt i vedvarende energikilder og effektivitetsforbedrende teknologier for at reducere datacenterets energiforbrug. Google har også taget skridt for at skifte til kulstof-fri energi og udforske kølesystemer, der minimiserer strømforbruget i datacentre. “Kernenergi er sandsynligvis den hurtigste vej til kulstof-frie datacentre. Store datacenter-udbydere som Microsoft, Amazon og Google investerer nu kraftigt i denne type energiproduktion til fremtiden. Med små modulære reaktorer (SMR’er) gør fleksibiliteten og tiden til produktionen dette til en endnu mere livskraftig mulighed for at opnå Net Zero,” tilføjede AVEVAs Chappell.

Kan AI og datacenter-bæredygtighed sameksistere?

Ugur Tigli, CTO hos AI-infrastruktur-platformen MinIO, siger, at selv om vi håber på en fremtid, hvor AI kan udvikle sig uden en kraftig stigning i energiforbrug, er det ikke realistisk på kort sigt. “Langsigtede virkninger er sværere at forudsige,” fortalte han til mig, “men vi vil se en ændring i arbejdskraften, og AI vil hjælpe med at forbedre energiforbruget på tværs af branche, især efterhånden som de bliver mere effektive.” Tigli mener, at da energi-effektivitet bliver en markedsprioritet, vil vi se vækst i beregning sammen med fald i energiforbrug i andre sektorer, især efterhånden som de bliver mere effektive.

Han pegede også på, at der er en stigende interesse blandt forbrugere for grønne AI-løsninger. “Forestil dig en AI-applikation, der performer med 90% effektivitet, men kun bruger halv så meget strøm – det er den type innovation, der virkelig kan tage af,” tilføjede han. Det er tydeligt, at fremtiden for AI ikke kun handler om innovation, men også om datacenter-bæredygtighed. Enten det er gennem udvikling af mere effektive hardware eller smartere måder at bruge ressourcer på, så vil måden, vi håndterer AI’s energiforbrug, have en stor indvirkning på design og drift af datacentre.

Rydon understregede vigtigheden af branchens fælles initiativer, der fokuserer på bæredygtige datacenter-design, energieffektive AI-arbejdslaster og åben ressource-deling. “Disse er afgørende skridt mod grønne operationer,” sagde han. “Virksomheder, der bruger AI, bør samarbejde med teknologivirksomheder for at skabe løsninger, der reducerer miljøpåvirkningen. Ved at arbejde sammen kan vi styre AI mod en mere bæredygtig fremtid.”