Συνεργασίες
Οι InfraPartners και η Emerald AI παρουσιάζουν τα “Flex-Ready Data Centers” για την αντιμετώπιση του προβλήματος ενέργειας του AI

Η ταχεία επέκταση του τεχνητού νοημοσύνου推 đẩy τις υποδομές ενέργειας στα όριά τους. Η εκπαίδευση και η εκτέλεση μεγάλων μοντέλων AI απαιτούν μεγάλες υπολογιστικές κλυσί που καταναλώνουν τεράστιες ποσότητες ηλεκτρικής ενέργειας, συχνά γρηγορότερα από ό,τι οι τοπικές ηλεκτρικές γραμμές μπορούν να επεκταθούν. Σε απάντηση, οι InfraPartners και η Emerald AI ανακοίνωσαν μια συνεργασία που στοχεύει στην επανεξέταση του τρόπου με τον οποίο τα κέντρα δεδομένων του AI αλληλεπιδρούν με το δίκτυο ηλεκτρικής ενέργειας, με λεπτομέρειες στο λευκό βιβλίο.
Οι εταιρείες εισάγουν μια νέα αρχιτεκτονική που ονομάζεται Flex-Ready Data Centers, που συνδυάζει το модуляр design υποδομής των InfraPartners με το λογισμικό ορχήστρασης της Emerald AI. Ο στόχος είναι να μετατρέψουν τα κέντρα δεδομένων από στατικά καταναλωτές ηλεκτρικής ενέργειας σε δυναμικούς συμμετέχοντες στο δίκτυο, ικανούς να điều chỉnh την ζήτηση ενέργειας σε πραγματικό χρόνο.
Αντί να θεωρούν την κατανάλωση ενέργειας ως σταθερή, η προσέγγιση επιτρέπει στις εγκαταστάσεις να ευθυγραμμίσουν τις υπολογιστικές εργασίες με τις συνθήκες του δικτύου, τη διαθεσιμότητα ανανεώσιμης ενέργειας και τις τιμές ηλεκτρικής ενέργειας – ξεκλείδωνοντας πρόσθετη ικανότητα και βελτιώνοντας την συνολική σταθερότητα του δικτύου.
Γιατί η υποδομή του AI δημιουργεί μια κρίση ενέργειας
Οι φόρτοι AI είναι μεταξύ των ταχύτερα αναπτυσσόμενων πηγών ζήτησης ηλεκτρικής ενέργειας παγκοσμίως. Το λευκό βιβλίο που κυκλοφόρησε μαζί με τη συνεργασία υπογραμμίζει πώς τα κέντρα δεδομένων έχουν γίνει μια από τις πιο γεωγραφικά συγκεντρωμένες και ταχέως επεκτεινόμενες φορτίσεις στα σύγχρονα συστήματα ηλεκτρικής ενέργειας.
Την ίδια στιγμή, η επέκταση του δικτύου είναι σε υστέρηση. Οι κατασκευές μεταφοράς, η έλλειψη εργατικού δυναμικού και οι περιορισμοί της αλυσίδας εφοδιασμού σημαίνουν ότι новые εγκαταστάσεις possono αντιμετωπίσουν πολυετείς αναμονές για να εξασφαλίσουν συνδέσεις δικτύου. Εν τω μεταξύ, η αυξανόμενη μερίδα της ανανεώσιμης ενέργειας – ιδίως του ανέμου και του ηλίου – εισάγει ελαττώματα στην προσφορά, καθιστώντας την ισορροπία της ζήτησης και της προσφοράς πιο σύνθετη.
Αυτή η δυναμική δημιουργεί μια δομική ανισορροπία: η υποδομή του AI χρειάζεται περισσότερη ενέργεια, αλλά το δίκτυο δεν μπορεί να επεκταθεί αρκετά γρήγορα για να την παρέχει.
Το λευκό βιβλίο υποστηρίζει ότι η λύση μπορεί να μην είναι απλώς η κατασκευή περισσότερης ικανότητας δικτύου. Αντίθετα, προτείνει ότι τα κέντρα δεδομένων μπορούν να γίνουν ελαστικές πηγές που βοηθούν στην σταθεροποίηση των συστημάτων ενέργειας, απορροφώντας περίσσεια ανανεώσιμης ενέργειας ή μειώνοντας τη ζήτηση κατά τη διάρκεια των πικρής ζήτησης του δικτύου.
Το Σχέδιο του Flex-Ready Data Center
Η συνεργασία ενσωματώνει δύο βασικές τεχνολογίες:
- Η αρχιτεκτονική Upgradeable Data Center™ των InfraPartners, σχεδιασμένη για να υποστηρίξει διαδοχικές γενιές hardware AI χωρίς σημαντικές ανασχεδιασμούς.
- Η πλατφόρμα Emerald Conductor της Emerald AI, ένα λογισμικό που ορχηστρώνει τις υπολογιστικές εργασίες, τις εγκαταστάσεις και τα σήματα του δικτύου.
Μαζί, σχηματίζουν αυτό που οι εταιρείες ονομάζουν Flex-Ready Data Center, σχεδιασμένο από την αρχή για να συμμετάσχει στις αγορές ενέργειας και στη διαχείριση του δικτύου.
Σύμφωνα με το λευκό βιβλίο, αυτή η ενσωμάτωση επιτρέπει στα κέντρα δεδομένων να υποστηρίξουν την ανάπτυξη του AI ενώ同時 βελτιώνουν την αξιοπιστία του δικτύου, μειώνουν τις εκπομπές και ξεκλειδώνουν νέες οικονομικές αξίες μέσω προγραμμάτων δικτύου.
Αντί να προσθέτουν ελαστικότητα αργότερα, η αρχιτεκτονική ενσωματώνει την ευαισθησία ενέργειας στις επιχειρησιακές λειτουργίες από την πρώτη ημέρα.
Οι Τρεις Διαστάσεις της Ελαστικότητας του Κέντρου Δεδομένων
Κεντρικό στη σχεδίαση είναι ένα πλαίσιο που διαιρεί την ελαστικότητα του κέντρου δεδομένων σε τρεις αλληλοεπιδρούσες στρώσεις: χρονική, χωρική και πόρων ελαστικότητα.
Χρονική Ελαστικότητα
Η χρονική ελαστικότητα εστιάζει στην μετατόπιση της ζήτησης ενέργειας με το χρόνο. Αντί να εκτελούν συνεχώς τις εργασίες σε πλήρη ένταση, οι υπολογιστικές εργασίες μπορούν να προγραμματιστούν με βάση τη διαθεσιμότητα ηλεκτρικής ενέργειας, τις τιμές ή τα επίπεδα ζήτησης του δικτύου.
Τεχνικές περιλαμβάνουν:
- την αναβολή μη επείγουσων εργασιών εκπαίδευσης AI
- τη δυναμική ρύθμιση της κατανάλωσης ηλεκτρικής ενέργειας
- τη ρύθμιση της λειτουργίας του συστήματος ψύξης
- τη συντονισμό με το σύστημα αποθήκευσης ενέργειας
Αυτή η προσέγγιση επιτρέπει στα κέντρα δεδομένων να μειώσουν τη ζήτηση κατά τη διάρκεια των πικρής ζήτησης του δικτύου ενώ αυξάνουν την κατανάλωση όταν η ανανεώσιμη ενέργεια είναι άφθονη.
Χωρική Ελαστικότητα
Η χωρική ελαστικότητα επεκτείνει την έννοια πέρα από μια εγκατάσταση.
Οι μεγάλοι оперάτορες AI συχνά εκτελούν πολλά κέντρα δεδομένων σε διάφορες περιοχές. Με τη μετακίνηση των εργασιών μεταξύ των εγκαταστάσεων, οι оперάτορες μπορούν να οδηγήσουν τις υπολογιστικές εργασίες σε περιοχές όπου η ενέργεια είναι φθηνότερη, καθαρότερη ή πιο διαθέσιμη.
Στην πράξη, αυτό σημαίνει ότι οι φόρτοι AI μπορούν να ακολουθήσουν την ανανεώσιμη ενέργεια ή να αποφύγουν περιοχές που αντιμετωπίζουν προβλήματα δικτύου.
Ελαστικότητα Πόρων
Η τρίτη στρώση αφορά τη συντονισμό όλων των ελεγχόμενων υποδομών μέσα σε ένα κέντρο δεδομένων.
Περιλαμβάνει:
- GPU και συστήματα IT
- υποδομές ψύξης
- απρόσκοπτες πηγές ενέργειας (UPS)
- συστήματα αποθήκευσης μπαταριών
- τοπική παραγωγή ενέργειας
Όταν ορχηστρώνονται μαζί, αυτά τα περιουσιακά στοιχεία επιτρέπουν σε μια εγκατάσταση να調整 την κατανάλωση ενέργειας ενώ διατηρεί την αξιοπιστία και τις συμφωνίες επιπέδου υπηρεσίας.
Emerald Conductor: Ορχήστρα του Υπολογισμού, των Εγκαταστάσεων και του Δικτύου
Το επίπεδο ορχήστρασης που επιτρέπει αυτές τις ικανότητες είναι η πλατφόρμα Emerald Conductor της Emerald AI.
Το σύστημα λειτουργεί ως μια ιεραρχική πλατφόρμα ελέγχου που καλύπτει τρεις λειτουργικές στρώσεις:
1. Στρώση IT
Στο επίπεδο υπολογισμού, η Emerald Conductor ενσωματώνεται με προγραμματιστές εργασιών και τηλεμετρία συστήματος για να điều chỉnh την ένταση υπολογισμού. Προγνωστικά μοντέλα αναγνωρίζουν εργασίες που μπορούν να αναβληθούν ή να μεταμορφωθούν χωρίς να παραβιάζουν τις συμφωνίες επιπέδου υπηρεσίας.
Η εκπαίδευση AI, η επεξεργασία batch και άλλες εργασίες που δεν είναι κρίσιμες για την ελάττωση καθυστέρησης γίνονται υποψήφιες για ελαστική προγραμματισμένη.
2. Στρώση Εγκαταστάσεων
Η πλατφόρμα συνδέεται επίσης με το σύστημα διαχείρισης κτηρίου (BMS) της εγκατάστασης, απορροφώντας τηλεμετρία από υποδομές ψύξης, εξοπλισμό διανομής ηλεκτρικής ενέργειας, UPS και μπαταρίες.
Αυτό επιτρέπει στο λογισμικό να điều chỉnh δυναμικά τις παραμέτρους λειτουργίας, να αποστέλλει αποθηκευμένη ενέργεια ή να συντονίζει στρατηγικές ψύξης ενώ σέβεται τις ασφαλείς περιθώρια και τις απαιτήσεις διπλοποίησης.
3. Στρώση Δικτύου
Στο εξωτερικό επίπεδο, η Emerald Conductor συνδέει τα κέντρα δεδομένων με σήματα δικτύου, συμπεριλαμβανομένων συμβάντων απόκρισης ζήτησης, ολικών τιμών ηλεκτρικής ενέργειας και ενημερώσεων αξιοπιστίας.
Αυτά τα σήματα μεταφράζονται σε συντονισμένες ενέργειες σε IT και υποδομές εγκαταστάσεων, επιτρέποντας την αυτόματη συμμετοχή σε προγράμματα αγοράς ενέργειας και υπηρεσιών σταθεροποίησης δικτύου.
Η Αρχιτεκτονική Upgradeable Data Center των InfraPartners
Ενώ η Emerald AI παρέχει το επίπεδο ορχήστρασης, οι InfraPartners εστιάζουν σε πώς η φυσική υποδομή σχεδιάζεται και κατασκευάζεται.
Η αρχιτεκτονική Upgradeable Data Center™ τους έχει ως στόχο να αντιμετωπίσει ένα διαφορετικό αλλά συναφές πρόβλημα: την ταχεία εξέλιξη του hardware AI.
Οι σύγχρονοι GPU και επιταχυντές συχνά απαιτούν νέες πυκνότητες ισχύος, τεχνολογίες ψύξης και διατάξεις υποδομής κάθε λίγα χρόνια. Τα παραδοσιακά κέντρα δεδομένων δυσκολεύονται να προσαρμοστούν, οδηγώντας σε δαπανηρές ανακατασκευές ή εγκαταλελειμμένες ικανότητες.
Η σχεδίαση των InfraPartners εισάγει αρχιτεκτονικές ισχύος και ψύξης που μπορούν να υποστηρίξουν πολλές γενιές hardware χωρίς σημαντικές ανασχεδιασμούς.
Η εταιρεία βασίζεται επίσης σε κατασκευή σε εργοστάσιο, με περίπου 80% της εγκατάστασης να συναρμολογείται και να ελέγχεται εκτός εργοταξίου πριν από την ανάπτυξη. Αυτό το μοντέλο κατασκευής-πρώτα μειώνει τους χρόνους κατασκευής ενώ βελτιώνει τον έλεγχο ποιότητας και την επαναληψιμότητα.
Οι εγκαταστάσεις μπορούν να επεκταθούν σταδιακά, από 5-megawatt εγκαταστάσεις σε εγκαταστάσεις κλίμακας gigawatt, επιτρέποντας στους оперάτορες να αυξήσουν την ικανότητα καθώς η ζήτηση AI αυξάνεται.
Ενσωμάτωση Ελαστικότητας στη Υποδομή
Η συνεργασία ενσωματώνει τα δύο συστήματα μέσω βαθιάς τηλεμετρίας και ελέγχου.
Τα συστήματα διαχείρισης κτηρίου των InfraPartners στέλνουν δεδομένα λειτουργίας σε πραγματικό χρόνο – συμπεριλαμβανομένων μετρικών ισχύος, ψύξης και ενέργειας – στον κινητήρα βελτιστοποίησης της Emerald Conductor.
Η πλατφόρμα ορχήστρασης καθορίζει πώς οι εργασίες, τα συστήματα υποδομής και τα περιουσιακά στοιχεία ενέργειας πρέπει να ανταποκριθούν στις συνθήκες του δικτύου.
Επειδή η υποδομή σχεδιάζεται με ελαστικότητα στο μυαλό, το σύστημα μπορεί να điều chỉnh ασφαλώς τις λειτουργίες χωρίς να παραβιάζει τις απαιτήσεις αξιοπιστίας ή διαθεσιμότητας.
Αυτός ο βαθμός ενσωμάτωσης επιτρέπει επίσης στα κέντρα δεδομένων να συμμετάσχουν σε προγράμματα δικτύου όπως:
- απάντηση στη ζήτηση
- ολικές αγορές ενέργειας
- υπηρεσίες αξιοπιστίας δικτύου
Αυτά τα προγράμματα δημιουργούν νέες ροές εσόδων ενώ βοηθούν τις υπηρεσίες ηλεκτρικής ενέργειας να διαχειρίζονται τη ζήτηση ηλεκτρικής ενέργειας.
Ένας Νέος Μοντέλος για την Υποδομή του AI
Καθώς το AI συνεχίζει να επεκτείνεται σε διάφορους κλάδους, η διαθεσιμότητα ενέργειας γίνεται ένας από τους οριζόντων περιορισμούς στην ανάπτυξη της τεχνολογίας.
Το μοντέλο του Flex-Ready Data Center προτείνει μια διαφορετική προσέγγιση για την κλιμάκωση της υποδομής υπολογισμού. Αντί να θεωρούν τα κέντρα δεδομένων ως παθητικές φορτίσεις στο δίκτυο, η σχεδίαση τα θέτει ως ενεργούς συμμετέχοντες στα συστήματα ενέργειας, ικανούς να συντονίζουν την υπολογιστική ζήτηση με τη διαθεσιμότητα ενέργειας.
Εάν υιοθετηθεί ευρέως, η αρχιτεκτονική θα μπορούσε να βοηθήσει στην επιτάχυνση της ανάπτυξης του AI ενώ μειώνει την πίεση στις ηλεκτρικές υποδομές – một ολοένα και πιο κρίσιμο πρόβλημα καθώς τα μοντέλα AI μεγαλώνουν και γίνονται πιο ενεργοβόρα.












