Wannie Park, grundlægger og administrerende direktør for PADO AI – Intervieuserie

Wannie Park, grundlægger og administrerende direktør for PADO AI, er en erfaren teknologi- og energileder med mere end to årtiers erfaring med at bygge virksomheder, der kombinerer software, ren energi og forbundne infrastrukturer. Før han startede PADO AI, havde han ledende roller som SVP for Partnerships and Corporate Development i Bidgely, CEO af Zen Ecosystems og SVP for Corporate and Business Development i Inspire. Tidligere i sin karriere arbejdede han med virksomhedsudvikling og strategiske investeringsroller i virksomheder som Belkin og Intel Capital, hvor han hjalp med at drive innovation i fremkomne teknologier, IoT og energistyring.

PADO AI er et energiorkestreringssoftwarefirma, der fokuserer på at hjælpe AI-datacenter og store faciliteter med at styre deres energiforbrug mere effektivt. Deres platform bruger AI til at analysere energibehov i realtid, forudsige belastninger og optimere brugen af elektricitet, køling og distribuerede energiresurser. Ved at forbedre, hvordan energiinfrastruktur bruges, sigter virksomheden på at hjælpe operatører med at øge deres beregningskapacitet, reducere driftsomkostninger og støtte mere bæredygtig energibrug.

DU har bygget din karriere på skæringen af energiinnovation, virksomhedsudvikling og AI – fra Intel Capital og Belkin til at lede rene energiinitiativer i CEIVA, Inspire, Zen Ecosystems og LG NOVA, før du startede PADO AI. Hvad inspirerede dig til at starte PADO AI, og hvordan har din tidligere erfaring formet din vision for AI-dreven energiorkestrering i datacenter?

IGennem min karriere har jeg oplevet hype, krak og genopretning af nogle interessante teknologicykler. Dette inkluderer internetboblen i 2000, væksten af netværk og IoT i stor skala samt moderniseringen af det nordamerikanske elnet i slutningen af 2000’erne. For mig har disse tre markedsskabende teknologiske skift kulmineret i den massive mulighed, der er den nuværende økosystem omkring AI-datacenter, og det er derfor, PADO blev startet: et softwareløsning drevet af AI, der er født ud af konvergen af kraft, beregning og sky.

TotalEnergies annoncerede nyligt brugen af Power Purchase Agreements (PPA’er) til at forsyne et Google-datacenter med fornybar elektricitet. Hvordan ser du på denne bredere skift mod langsigtede fornybar energikontrakter for hyperskale-infrastruktur?

Jeg ser på dette som en stor sejr for fornybar energi. Men jeg ville ikke kategorisere det som en bredere skift mod fornybar energi. Det er mere en refleksion af adgang til kraft og tid til kraft. I dette tilfælde var tallene korrekte. Med hver annoncering som denne vil du sandsynligvis se 10, der er gasdrevne bag meteren.

Da AI-arbejdsbelastninger hurtigt øger kraftforbruget, ser du en fundamental skift i, hvordan datacenter-operatører nærmer sig integration af fornybar energi?

Det, jeg ser, er en mere koncentreret indsats omkring implementering af energilagringssystemer, der er tilpasset mere effektive og bæredygtige kølingssystemer. Dette balancerer nogle af de problemer, der er forbundet med fornybar energis variabilitet. Opbygning og implementering af bæredygtige lagringsstrategier tillader en øget integration af fornybar energi, samtidig med at datacenter kan opretholde deres driftstid.

Hvad er de største strukturelle eller operative barrierer, som legacy-datacenter står over for, når de forsøger at fuldt ud integrere fornybar energikilder som sol i eksisterende systemer?

De primære barrierer er infrastrukturkompleksitet og mangel på realtids-telemetri. Legacy-systemer blev bygget til konstante, forudsigelige belastninger og mangler ofte den softwarelag, der er nødvendig for at styre solens variabilitet uden at risikere driftstid. Og jeg ville tilføje, baseret på mine kommentarer i spørgsmål 3, at et BESS-system ville være en kraftmultiplier, når det kommer til at træffe beslutningen om at integrere fornybar energi som sol.

Fra din erfaring med at rådgive operatører og energiselskaber, hvorfor har mange datacenter svært ved at balancere strenge krav til pålidelighed med decarboniseringmål?

Set fra datacenterets synspunkt ses pålidelighed og decarbonisering ofte som et nulsumspil – for at få det ene, må man ofre det andet. Datacenter prioriterer naturligvis “five-nines”-pålidelighed over alt andet, så decarboniseringmål bliver ofte prioriteret lavere.

Energiorkestreringsplatforme, der drives af AI og maskinlæring, vinder frem. Hvordan ændrer realtidsorkestrering økonomien og pålideligheden af distribuerede energiresurser i kritiske miljøer?

Datacenter opererer under en eksisterende kraftområde med fast beregningskapacitet.

Orkestrering omdanner energi fra en fast omkostning til en dynamisk aktiv, der giver mere produktivitet, enten det er omsætning, tokenproduktion osv. Når orkestrering kombineres med forskellige distribuerede energiresurser, kan man multiplicere sin indvirkning, enten det er decarbonisering, omsætning, tokenproduktion osv.

Hvordan kan orkestreringssoftware lægges over eksisterende infrastruktur uden at kræve større kapitalintensive ombygninger?

Orkestreringssoftware kan og bør være designed til at være en intelligent softwarelag, der integrerer via API med eksisterende systemer, enten det er et BMS, et DCIM eller distribuerede energiresurser. Dette vil minimere større ombygninger.

Når operatører vejer pålidelighed, omkostninger og decarbonisering, hvad bør prioriteres først – og hvad er misforstået om ofre?

I dag er operatørens top-prioritet pålidelighed. Og hvis man dobbeltklikker på pålidelighed, betyder det “five-nines”-driftstid. Det betyder fast, pålidelig kraft. Givet de massive multipler mellem energiomkostninger og værdien af, hvad AI-fabrikkerne genererer fra det, er omkostningsbesparelse ikke et problem. Man ser dette, når energiselskaber forsøger at inkorporere fleksibilitet i datacentermarkedet uden for mange tager. Når man dykker dybere end omkostninger, decarbonisering, medmindre det er pålagt, falder det til bunden af prioriteringslisten.

Hvilke målinger bør datacenter-operatører følge, hvis de ønsker at forbedre fornybar energiudnyttelse, samtidig med at de opretholder driftstid?

På et højt niveau bør man følge og måle Scope 1/2/3-udledninger på stedet for at etablere en basis. I tilfælde med standard PUE (Power Usage Effectiveness) bør operatører følge Carbon Intensity per Workload og Renewable Utilization Factor (RUF). Endelig bør datacenter følge stranded power – mængden af kraftkapacitet, der betales for, men ikke bruges på grund af ineffektiv belastningsstyring.

Set fremad, hvordan ser du på udviklingen af forholdet mellem energiselskaber, datacenter-operatører og AI-drevne energiplatforme over de næste fem år?

Jeg ser to siloer af forhold. På den ene side ser jeg disse tre parter bevæge sig mod et samarbejdende netværk, hvor datacenter bliver et netværksresponsivt aktiv, der kan afkaste eller flytte belastning for at stabilisere netværket. AI-drevne platforme vil være limen, der tillader disse to store industrier at kommunikere og koordinere i realtid. På den anden side ser jeg mange datacenter forlade netværket og selv generere og være fuldt bag meteren. Givet omkostningerne og den samlede investering i disse typer projekter er det usandsynligt, at de vil vende tilbage til netværket.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge PADO AI.