Wannie Park, Fundador y CEO de PADO AI – Serie de Entrevistas

Wannie Park, Fundador y CEO de PADO AI, es un veterano ejecutivo de tecnología y energía con más de dos décadas de experiencia en la creación de empresas en la intersección de software, energía limpia y infraestructura conectada. Antes de lanzar PADO AI, ocupó puestos de liderazgo senior, incluyendo SVP de Asociaciones y Desarrollo Corporativo en Bidgely, CEO de Zen Ecosystems y SVP de Desarrollo Corporativo y Empresarial en Inspire. Al comienzo de su carrera, trabajó en roles de desarrollo corporativo y inversión estratégica en empresas como Belkin y Intel Capital, ayudando a impulsar la innovación en tecnologías emergentes, IoT y gestión de energía.

PADO AI es una empresa de software de orquestación de energía que se centra en ayudar a los centros de datos de AI y grandes instalaciones a gestionar el consumo de energía de manera más eficiente. Su plataforma utiliza AI para analizar la demanda de energía en tiempo real, predecir cargas y optimizar el uso de electricidad, enfriamiento y recursos de energía distribuida. Al mejorar la forma en que se utiliza la infraestructura de energía, la empresa busca ayudar a los operadores a aumentar la capacidad de cómputo, reducir los costos operativos y apoyar un uso de energía más sostenible.

Has construido tu carrera en la intersección de la innovación energética, el desarrollo corporativo y la IA, desde Intel Capital y Belkin hasta liderar iniciativas de energía limpia en CEIVA, Inspire, Zen Ecosystems y LG NOVA antes de fundar PADO AI. ¿Qué te inspiró a lanzar PADO AI y cómo influyó tu experiencia previa en tu visión para la orquestación de energía impulsada por IA en centros de datos?

A lo largo de mi carrera, he experimentado el auge, la caída y la recuperación de algunos ciclos tecnológicos interesantes. Esto incluye la burbuja de internet de 2000, el crecimiento de la red que entrega la red / IoT a gran escala y la modernización de la red eléctrica norteamericana a fines de la década de 2000. Para mí, estos tres cambios tecnológicos han culminado en la gran oportunidad que es el ecosistema actual de centros de datos de AI y es por qué se lanzó PADO: una solución de software impulsada por IA nacida de la convergencia de poder, cómputo y nube.

TotalEnergies acaba de anunciar el uso de Acuerdos de Compra de Energía (PPA) para suministrar electricidad renovable a un centro de datos de Google. ¿Cómo ves este cambio más amplio hacia contratos de energía renovable a largo plazo para la infraestructura de hipercala?

Lo veo como una gran victoria para las renovables. Sin embargo, no lo calificaría como un cambio más amplio hacia las renovables. En su lugar, es más una reflexión del acceso a la energía y el tiempo de energía. En este caso, los números se ajustaron. Con cada anuncio como este, probablemente verás 10 que están alimentados por gas detrás del medidor.

¿Estás viendo un cambio fundamental en la forma en que los operadores de centros de datos abordan la integración de energías renovables a medida que aumenta rápidamente la demanda de energía de las cargas de trabajo de IA?

Lo que estoy viendo es un esfuerzo más concertado para desplegar sistemas de almacenamiento de energía alineados con un enfriamiento más eficiente y sostenible. Esto equilibra algunos de los problemas de intermitencia de las renovables. La construcción y el despliegue de estrategias de almacenamiento sostenibles permiten una mayor integración de renovables mientras permiten que los centros de datos mantengan el tiempo de actividad.

¿Cuáles son las barreras estructurales o operativas más grandes que enfrentan los centros de datos heredados al intentar integrar completamente fuentes de energía renovable como la solar en los sistemas existentes?

Las barreras principales son la complejidad de la infraestructura y la falta de telemetría en tiempo real. Los sistemas heredados se construyeron para cargas constantes y predecibles y a menudo carecen de la capa de software necesaria para gestionar la intermitencia de la solar sin arriesgar el tiempo de actividad. Y agregaría, basándome en mis comentarios en la pregunta 3, que un sistema de baterías sería un multiplicador de fuerza cuando se decide integrar renovables como la solar.

Desde tu experiencia asesorando a operadores y servicios públicos, ¿por qué muchos centros de datos luchan por equilibrar los estrictos requisitos de confiabilidad con los objetivos de descarbonización?

Desde la perspectiva del centro de datos, la confiabilidad y la descarbonización a menudo se ven como un juego de suma cero: para obtener una, se sacrifica la otra. Los centros de datos priorizan naturalmente la confiabilidad “cinco-nueves” por encima de todo, por lo que los objetivos de descarbonización a menudo se pasan por alto.

Las plataformas de orquestación de energía impulsadas por IA y aprendizaje automático están ganando tracción. ¿Cómo cambia la orquestación en tiempo real la economía y la confiabilidad de los recursos de energía distribuida en entornos de misión crítica?

Los centros de datos operan bajo un sobre de energía existente con capacidad de cómputo fija.

La orquestación convierte la energía de un costo fijo en un activo dinámico que produce más productividad, ya sea que se trate de ingresos, producción de tokens, etc. Alinear la orquestación con diferentes DER, puede multiplicar su impacto, ya sea la descarbonización, los ingresos, la producción de tokens, etc.

¿Cómo se puede superponer el software de orquestación en la infraestructura existente sin requerir reconstrucciones importantes y costosas?

El software de orquestación puede y debe diseñarse para ser una capa de software inteligente que se integre a través de API con sistemas existentes, ya sea un BMS, un DCIM, así como DER. Esto minimizaría cualquier reconstrucción importante.

Al sopesar la confiabilidad, el costo y la descarbonización, ¿qué debe priorizarse primero y qué compensaciones a menudo se malentienden?

Hoy en día, como operador, su prioridad principal es la confiabilidad. Y si se hace clic en la confiabilidad, esto significa “cinco-nueves” de tiempo de actividad. Lo que significa energía firme y confiable. Dado que los múltiplos entre los costos de energía y el valor que las fábricas de AI generan a partir de ella son enormes, el ahorro de costos no es un problema. Se ve esto con los servicios públicos que intentan incorporar flexibilidad en el mercado de centros de datos sin muchos compradores. Al profundizar aún más, más allá del costo, la descarbonización, a menos que se ordene, cae al final de la lista de prioridades.

¿Qué métricas deben seguir los operadores de centros de datos si desean mejorar significativamente la utilización de renovables mientras mantienen el tiempo de actividad?

En un nivel alto, seguir y medir las emisiones del alcance 1/2/3 en el nivel del sitio para establecer una línea de base. Alineado con el PUE (Eficiencia del Uso de Energía) estándar, los operadores deben seguir la Intensidad de Carbono por Carga de Trabajo y el Factor de Utilización de Renovables (RUF). Finalmente, los centros de datos deben seguir la energía varada: la cantidad de capacidad de energía que se paga pero no se utiliza debido a la gestión de carga ineficiente.

¿Cómo ves la relación entre los servicios públicos, los operadores de centros de datos y las plataformas de energía impulsadas por IA evolucionando en los próximos cinco años?

Veamos dos silos de relaciones. Por un lado, veo que estos tres partes interesadas se están moviendo hacia una red colaborativa. Donde los centros de datos se convierten en un activo de red que puede reducir o cambiar la carga para estabilizar la red. Las plataformas de energía impulsadas por IA serán el pegamento que permite que estas dos industrias masivas se comuniquen y coordinen en tiempo real. Por otro lado, veo que muchos centros de datos abandonan la red y se generan y están completamente detrás del medidor. Dado el costo y la inversión general en este tipo de proyectos, es poco probable que regresen a la red.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar PADO AI.