Wannie Park, Pendiri dan CEO PADO AI – Seri Wawancara

Wannie Park, Pendiri dan CEO PADO AI, adalah seorang veteran teknologi dan energi eksekutif dengan lebih dari dua dekade pengalaman membangun perusahaan di persimpangan perangkat lunak, energi bersih, dan infrastruktur terhubung. Sebelum meluncurkan PADO AI, ia memegang peran kepemimpinan senior termasuk SVP Kemitraan dan Pengembangan Perusahaan di Bidgely, CEO Zen Ecosystems, dan SVP Pengembangan Perusahaan dan Bisnis di Inspire. Pada awal karirnya, ia bekerja dalam peran pengembangan perusahaan dan investasi strategis di perusahaan seperti Belkin dan Intel (INTC ) Capital, membantu mengarahkan inovasi di teknologi yang muncul, IoT, dan pengelolaan energi.

PADO AI adalah perusahaan perangkat lunak orkestrasi energi yang berfokus pada membantu pusat data AI dan fasilitas besar mengelola konsumsi daya lebih efisien. Platformnya menggunakan AI untuk menganalisis permintaan energi secara real-time, memprediksi beban, dan mengoptimalkan penggunaan listrik, pendingin, dan sumber daya energi terdistribusi. Dengan memperbaiki cara infrastruktur energi digunakan, perusahaan bertujuan untuk membantu operator meningkatkan kapasitas komputasi, menurunkan biaya operasional, dan mendukung penggunaan energi yang lebih berkelanjutan.

Anda telah membangun karir Anda di persimpangan inovasi energi, pengembangan perusahaan, dan AI – dari Intel Capital dan Belkin hingga memimpin inisiatif energi bersih di CEIVA, Inspire, Zen Ecosystems, dan LG NOVA sebelum mendirikan PADO AI. Apa yang menginspirasi Anda untuk meluncurkan PADO AI, dan bagaimana pengalaman sebelumnya membentuk visi Anda untuk orkestrasi energi yang digerakkan AI di pusat data?

Di sepanjang karir saya, saya telah mengalami hiruk-pikuk, kehancuran, dan pemulihan dari beberapa siklus teknologi yang menarik. Ini termasuk ledakan gelembung internet pada tahun 2000, pertumbuhan jaringan yang mengirimkan jaringan / IoT secara besar-besaran, dan modernisasi grid listrik Amerika Utara pada akhir 2000-an. Bagi saya, tiga pergeseran teknologi yang bergerak pasar ini telah berakhir dengan peluang besar yang ada sekarang di sekitar Pusat Data AI dan itulah mengapa PADO diluncurkan: solusi perangkat lunak yang digerakkan oleh AI yang lahir dari konvergensi daya, komputasi, dan cloud.

TotalEnergies (TTE ) baru-baru ini mengumumkan penggunaan Perjanjian Pembelian Daya (PPA) untuk memasok listrik yang dapat diperbarui ke pusat data Google. Bagaimana Anda melihat pergeseran yang lebih luas ini menuju kontrak energi terbarukan jangka panjang untuk infrastruktur hyperscale?

Saya melihat ini sebagai kemenangan besar bagi energi terbarukan. Namun, saya tidak akan mengkategorikannya sebagai pergeseran yang lebih luas menuju energi terbarukan. Sebaliknya, ini lebih merupakan refleksi dari akses ke daya dan waktu ke daya. Dalam kasus ini, angka-angka itu sudah ditulis. Dengan setiap pengumuman seperti ini, Anda mungkin akan melihat 10 yang didukung oleh gas di belakang meter.

Seiring dengan peningkatan beban kerja AI yang cepat, apakah Anda melihat pergeseran fundamental dalam cara operator pusat data mendekati integrasi energi terbarukan?

Apa yang saya lihat adalah upaya yang lebih terkoordinasi dalam menerapkan sistem penyimpanan energi yang lebih efisien dan berkelanjutan. Ini menyeimbangkan beberapa masalah ketidakkonsistenan sekitar energi terbarukan. Membangun dan menerapkan strategi penyimpanan yang berkelanjutan memungkinkan integrasi energi terbarukan yang lebih besar sambil memungkinkan pusat data untuk mempertahankan waktu aktif.

Apa yang menjadi penghalang struktural atau operasional terbesar yang dihadapi pusat data warisan saat mencoba mengintegrasikan sumber daya energi terbarukan seperti surya ke dalam sistem yang ada?

Penghalang utama adalah kompleksitas infrastruktur dan kurangnya telemetri waktu nyata. Sistem warisan dibangun untuk beban yang konstan dan dapat diprediksi dan seringkali kekurangan lapisan perangkat lunak yang diperlukan untuk mengelola ketidakkonsistenan surya tanpa mengorbankan waktu aktif. Dan saya akan menambahkan berdasarkan komentar saya di pertanyaan 3, sistem BESS akan menjadi pengganda kekuatan ketika memutuskan untuk mengintegrasikan energi terbarukan seperti surya.

Dari pengalaman Anda dalam memberikan saran kepada operator dan utilitas, mengapa banyak pusat data yang bergelut untuk menyeimbangkan persyaratan keandalan yang ketat dengan tujuan dekarbonisasi?

Dari perspektif pusat data, keandalan dan dekarbonisasi sering dilihat sebagai permainan zero-sum – untuk mendapatkan satu, Anda mengorbankan yang lain. Pusat data secara alami memprioritaskan keandalan “lima-sembilan” di atas segalanya sehingga tujuan dekarbonisasi sering diprioritaskan.

Platform orkestrasi energi yang digerakkan oleh AI dan pembelajaran mesin semakin mendapatkan popularitas. Bagaimana orkestrasi waktu nyata mengubah ekonomi dan keandalan sumber daya energi terdistribusi di lingkungan yang sangat penting?

Pusat data beroperasi di bawah amplop daya yang ada dengan kapasitas komputasi yang tetap.

Orkestrasi mengubah energi dari biaya tetap menjadi aset dinamis yang menghasilkan lebih banyak produktivitas, apakah itu pendapatan, produksi token, dan sebagainya. Mengatur orkestrasi dengan DER yang berbeda, Anda dapat mengalikan dampaknya, baik itu dekarbonisasi, pendapatan, produksi token, dan sebagainya.

Bagaimana perangkat lunak orkestrasi dapat ditumpuk pada infrastruktur yang ada tanpa memerlukan pembangunan ulang yang intensif?

Perangkat lunak orkestrasi dapat dan harus dirancang untuk menjadi lapisan perangkat lunak cerdas yang terintegrasi melalui API dengan sistem yang ada, baik itu BMS, DCIM, serta DER. Ini akan meminimalkan pembangunan ulang yang besar.

Sebagai operator menimbang keandalan, biaya, dan dekarbonisasi, apa yang harus diprioritaskan pertama – dan apa yang sering salah dipahami?

Hari ini, sebagai operator, prioritas utama mereka adalah keandalan. Dan jika Anda mengklik dua kali pada keandalan, ini berarti “lima-sembilan” waktu aktif. Yang berarti daya yang kuat dan dapat diandalkan. Mengingat kelipatan besar antara biaya energi dan nilai yang dihasilkan oleh pabrik AI dari itu, penghematan biaya bukanlah masalah. Anda melihat ini dengan utilitas yang mencoba menggabungkan fleksibilitas ke pasar pusat data tanpa banyak penerima. Jika Anda melihat lebih jauh, di luar biaya, dekarbonisasi, kecuali jika diwajibkan, jatuh ke bagian bawah daftar prioritas.

Metrik apa yang harus dilacak oleh operator pusat data jika mereka ingin memperbaiki penggunaan energi terbarukan secara bermakna sambil mempertahankan waktu aktif?

Pada tingkat yang lebih tinggi, melacak dan mengukur emisi Scope 1/2/3 di tingkat situs untuk menetapkan baseline. Sejalan dengan PUE (Power Usage Effectiveness) standar, operator harus melacak Intensitas Karbon per Beban Kerja dan Faktor Utilisasi Energi Terbarukan (RUF). Terakhir, pusat data harus melacak daya yang terjebak – jumlah kapasitas daya yang dibayar tetapi tidak digunakan karena pengelolaan beban yang tidak efisien.

Menghadap ke depan, bagaimana Anda melihat hubungan antara utilitas, operator pusat data, dan platform energi yang digerakkan AI berkembang dalam lima tahun ke depan?

Saya melihat dua silo hubungan. Di satu sisi, saya melihat ketiga stakeholder ini bergerak menuju grid kolaboratif. Di mana pusat data menjadi aset grid yang responsif yang dapat mengurangi atau memindahkan beban untuk menstabilkan grid. Platform yang digerakkan AI akan menjadi perekat yang memungkinkan kedua industri besar ini untuk berkomunikasi dan berkoordinasi secara waktu nyata. Di sisi lain, saya melihat banyak pusat data yang meninggalkan grid dan menghasilkan daya secara mandiri dan berada di belakang meter. Mengingat biaya dan investasi keseluruhan dalam proyek-proyek seperti ini, tidak mungkin mereka akan kembali ke grid.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi PADO AI.