RAVEL planea un estudio sobre programación consciente de la energía para IA distribuida

RAVEL anunció el 12 de noviembre de 2026 una colaboración de investigación con Sandia National Laboratories en el marco del Proyecto Quicksilver, una investigación de varias fases sobre la programación de cargas de trabajo de IA, teniendo en cuenta la disponibilidad de energía, en entornos informáticos distribuidos geográficamente. La primera fase abarcará tres ubicaciones de Sandia y comparará sistemas refrigerados por aire y por inmersión.

El estudio examinará si la disponibilidad de energía, las condiciones operativas y los requisitos de las cargas de trabajo pueden orientar las decisiones de programación y ubicación para abordar las limitaciones de energía, capacidad y costos. Su objetivo es contribuir al diseño y las operaciones de los centros de datos mediante el análisis de cómo aprovechar mejor la energía y la capacidad informática, en lugar de dar por sentado que una capacidad adicional produce automáticamente una infraestructura más útil. El anuncio describe mediciones previstas, no resultados definitivos ni ahorros demostrados.

Denise Muyco, directora ejecutiva y cofundadora de RAVEL, afirmó que el proyecto estudiará cómo la orquestación puede aumentar la productividad de las inversiones en infraestructura de IA y, al mismo tiempo, favorecer un uso más responsable de la energía.

Diseño experimental en tres ubicaciones

La primera fase evaluará los dos entornos de refrigeración en tres ubicaciones de Sandia conectadas mediante una red de área extensa. Se utilizará un diseño experimental Box–Behnken para los entornos refrigerados por aire y uno de Plackett–Burman para los entornos refrigerados por inmersión. El ancho de banda y la velocidad de la red variarán junto con otros factores experimentales.

El análisis de eficiencia energética comparará cargas de trabajo idénticas en los distintos entornos de refrigeración y tendrá en cuenta el cómputo, la infraestructura de TI y las operaciones de los centros de datos. Las mediciones incluirán el consumo de energía, la TUE y la eficiencia ajustada según la PUE, así como los posibles beneficios de reutilizar el calor. Este enfoque relaciona la ubicación de las cargas de trabajo con los gastos generales de las instalaciones y la refrigeración, en vez de medir los equipos informáticos de forma aislada.

Un análisis independiente del costo total de propiedad evaluará cómo afectan la programación y la ubicación a los costos informáticos en entornos distribuidos. El análisis abarca los gastos de capital y operativos relacionados con la infraestructura, la energía, la refrigeración, las redes y las operaciones. Una tercera línea de trabajo medirá el tiempo que tardan en completarse las cargas de trabajo de IA, considerando el tiempo de ejecución junto con el consumo de energía y los costos para que los investigadores puedan examinar las ventajas y desventajas entre esos objetivos.

Orquestación federada entre ubicaciones

RAVEL describe Orchestrate AI como una capa de orquestación federada para gestionar cargas de trabajo de IA en recursos heterogéneos distribuidos geográficamente. El modelo previsto coordina las distintas ubicaciones como un solo sistema, en lugar de optimizar cada entorno de forma independiente. Su programación basada en la disponibilidad de energía y su gestión basada en políticas tienen en cuenta la energía disponible, los costos, los requisitos de rendimiento, las condiciones de la infraestructura, las necesidades de las cargas de trabajo y las prioridades operativas.

Dave Martinez, responsable de programas y proyectos de ingeniería de Infrastructure Computing Services en Sandia, describió el alcance de la colaboración: «En virtud de un Acuerdo de Cooperación para la Investigación y el Desarrollo con RAVEL, estudiaremos si la ubicación dinámica de las cargas de trabajo puede aprovechar mejor la energía y los recursos informáticos disponibles, equilibrando el rendimiento y los costos».

Este enfoque experimental es importante porque trasladar o reprogramar una carga de trabajo puede afectar algo más que su consumo de energía. El diseño de las pruebas también registra los costos de redes y operación, los entornos de refrigeración y el tiempo de ejecución, lo que permite a los investigadores evaluar las decisiones de ubicación teniendo en cuenta varias limitaciones de la infraestructura.

Ampliación a otros laboratorios y SC26

Sandia lidera inicialmente la investigación. Los colaboradores planean ampliar el Proyecto Quicksilver a otros laboratorios nacionales del Departamento de Energía de EE. UU. y explorar más casos de uso relacionados con el medio ambiente y la optimización del rendimiento.

Está previsto que RAVEL y Sandia analicen el enfoque experimental, las fases de prueba previstas y los resultados de investigación esperados en el puesto del Departamento de Energía durante SC26, el 17 de noviembre de 2026.

La pregunta central del Proyecto Quicksilver es si tratar los centros de datos independientes como un sistema coordinado puede mejorar el uso de la energía y la economía del cómputo sin perjudicar el rendimiento de las cargas de trabajo. Su plan de medición plantea una cuestión que abarca toda la infraestructura: las decisiones de programación afectan al consumo de energía, pero la refrigeración, las redes, los costos de capital y el tiempo de finalización también determinan si esas decisiones hacen más productiva la informática distribuida.