์ฌ์ ๋ฆฌ๋
AI์ ์ ์ ์ปค์ง๋ ์ ๋ ฅ ์๋น: ๋ฐ์ดํฐ ์ผํฐ๋ ๋ฐ๋ผ๊ฐ ์ ์์๊น?
인공 지능(AI)이 앞으로 나아가면서, 데이터 센터의 에너지需求은 한계에 달하고 있다. 차세대 AI 기술인 생성적 AI(generative AI, genAI)와 같은 기술은 산업을変化시키는 것뿐만 아니라, CPU, 메모리, 가속기, 네트워킹 등 거의 모든 데이터 서버 구성 요소의 에너지 소비에 영향을 미치고 있다.
genAI 애플리케이션, 예를 들어 Microsoft의 Copilot와 OpenAI의 ChatGPT는 이전보다 더 많은 에너지를 필요로 한다. 2027년까지 이러한 AI 시스템을 훈련시키고 유지하는 것만으로도 한 해 동안 작은 나라를 가동시키는 데 필요한 전기 양을 소비할 수 있다. 그리고 이 추세는 느려지지 않고 있다: 지난 10년 동안 CPU, 메모리, 네트워킹과 같은 구성 요소의 전력需求은 2030년까지 160% 증가할 것으로 예상된다고 골드만 삭스(Goldman Sachs)의 보고서에 따르다.
대규모 언어 모델을 사용하는 것도 에너지를 소비한다. 예를 들어, ChatGPT 쿼리는 전통적인 Google 검색보다 약 10배 더 많은 전力を 소비한다. AI의巨대한 전력需求을 고려할 때, 이 산업의 급격한 발전은 지속 가능하게 관리될 수 있을까, 아니면全球 에너지 소비에 더 기여할까? McKinsey의 최근 연구에 따르면, 데이터 센터 시장의 급증하는 수요 중 약 70%는 고급 AI 워크로드를 처리할 수 있는 시설을 갖춘 것으로 나타났다. 이 변환은 데이터 센터가 어떻게 구축되고 운영되는지 근본적으로改变시키고 있다.
“전통적인 데이터 센터는 souvent 낡은, 에너지 집약적인 장비와 고정된 용량을 갖추고 있으며, 변동하는 워크로드에 적응하기 어려워서 상당한 에너지 낭비를 일으킨다”라고 마크 라이든(Mark Rydon), 분산 클라우드 컴퓨팅 플랫폼 Aethir의 최고 전략 책임자兼 공동 설립자는 말했다. “중앙집중식 운영은 자원 가용성과 소비需求 사이에 불균형을 생성하여 산업을 중요한 관점에서 발전시키는 데 도전을 가져올 수 있다”
산업 리더들은 이제 이 도전에 직면하여, 데이터 센터를 위한 더绿色 디자인과 에너지 효율적인 아키텍처에 투자하고 있다. 이러한 노력은 재생 가능 에너지源을 채택하는 것부터 더 효율적인 냉각 시스템을 생성하여 genAI 워크로드에 의해 생성되는巨대한 열을 상쇄하는 것까지 다양하다.
그린 데이터 센터를 위한 혁신
레노버(Lenovo)는 최근에 데이터 센터를 위한液体 냉각 기술의 발전인 ThinkSystem N1380 Neptune를 출시했다. 이 회사는 이 혁신이 이미 조직들이 genAI 워크로드를 위한 고성능 컴퓨팅을 상당히 낮은 에너지 사용으로 배포할 수 있도록 하고 있다고 주장한다. N1380 Neptune는 NVIDIA의 최신 하드웨어, 예를 들어 Blackwell과 GB200 GPU를 활용하여, 컴팩트한 설정에서 trillion-parameter AI 모델을 처리할 수 있다. 레노버는 100KW+ 서버 랙을 전용 에어컨 없이 운영할 수 있는 데이터 센터를 위한 길을 열어가는 것을 목표로 한다.
“우리는 현재 소비자로부터重大한 요구를 확인했다: 데이터 센터는 AI 워크로드를 처리할 때 낡은 냉각 아키텍처와 전통적인 구조적 프레임워크로 인해 더 많은 전력을 소비한다”라고 로버트 다이글(Robert Daigle), 레노버의 글로벌 AI 책임자는 말했다. “이를 더 잘 이해하기 위해, 우리는 고성능 컴퓨팅(HPC) 고객과 협력하여 전력 소비를 분석했으며, 이는 우리가 표준 시스템과 비교하여 에너지 사용을 40% 줄일 수 있음을 보여주었다” 그는 레노버의 데이터 센터 평가 서비스를 통해 उपलब있는 표준 시스템과 비교하여, 팬 전력과 냉각 유닛의 전력 소비를 포함한 요인들을 고려하여, Nvidia와 협력하여 새로운 데이터 센터 아키텍처를 개발했다고 추가했다.
영국 기반의 정보 기술 컨설팅 회사 AVEVA는 예측 분석을 사용하여 데이터 센터의 압축기, 모터, HVAC 장비, 공기 처리기 등에 대한 문제를 식별한다고 말했다.
“우리는 생성적 AI의 사전 훈련이巨대한 전력을 소비한다는 것을 발견했다”라고 짐 채펠(Jim Chappell), AVEVA의 AI 및 고급 분석 책임자는 말했다. “우리의 예측 AI 기반 시스템을 통해, 우리는 SCADA 또는 제어 시스템보다 훨씬 전에 문제를 찾을 수 있으며, 데이터 센터 운영자는 장비 문제가重大한 문제가 되기 전에 이를 해결할 수 있다. 또한, 우리는 우리의 제어 시스템과 통합되는 Vision AI Assistant를 통해, 열 이미징 카메라와 함께 사용할 때, 온도 핫스팟과 같은 다른 유형의 비정상성을 찾을 수 있다”
한편, 클라우드上的 GPU를 통해 AI 훈련과 개발을 위한 분산 컴퓨팅이 대안으로 등장하고 있다. Aethir의 라이든은, 더广泛하고 적응력이 뛰어난 네트워크에 컴퓨팅 작업을 분산시키면, 에너지 사용을 최적화할 수 있으며, 자원需求과 가용성을 일치시킴으로써, 처음부터 상당한 양의 낭비를 줄일 수 있다고 설명했다.
“대규모 중앙집중식 데이터 센터에 의존하는 대신, 우리의 ‘Edge’ 인프라는 컴퓨팅 작업을 데이터 원천에 더 가까운 노드로 분산시킴으로써, 에너지 부하를 줄이고 지연 시간을 낮출 수 있다”라고 라이든은 말했다. “Aethir Edge 네트워크는 상당한 에너지 낭비를 일으키는 중앙 데이터 센터의 전형적인 에너지 집약적인 냉각 시스템의 필요성을 줄임으로써, 작업을 다양한 환경에 분산시키는 대신 단일 위치에 집중시킨다”
同様하게, 아마존과 구글과 같은 회사들은 데이터 센터의 상승하는 전력需求을 관리하기 위해 재생 가능 에너지源을 실험하고 있다. 마이크로소프트는 데이터 센터의 에너지 소비를 줄이기 위해 재생 가능 에너지源에大量으로 투자하고 있으며, 효율성 향상을 위한 기술도 개발하고 있다. 구글은 또한 데이터 센터의 전력 사용을 최소화하는 냉각 시스템을 탐색하고 있다. “원자력은 碳自由 데이터 센터로 가는 가장 빠른 길이다. 마이크로소프트, 아마존, 구글과 같은 주요 데이터 센터 제공업체들은現在 이러한 유형의 전력 생성에大量으로 투자하고 있다”라고 AVEVA의 채펠은 추가했다.
AI와 데이터 센터 지속 가능성의 공존
우구르 티글리(Ugur Tigli), MinIO의 CTO는, 우리가 AI의 발전이 에너지 소비의 급증 없이 일어날 것이라는 것을หว망하지만, 이는 단기적으로는 현실적이지 않다고 말했다. “장기적인 영향은 더 어렵게 예측된다”라고 그는 말했다. “하지만 우리는 노동력의 변화를 볼 것이며, AI는 전반적인 에너지 소비를 개선하는 데 도움이 될 것이다” 티글리는 에너지 효율성이 시장의 우선순위가 되면, 컴퓨팅의 성장과 함께 다른 분야에서 에너지 사용의 감소가 나타날 것이라고 믿는다.
그는 또한 소비자들이 더绿色 AI 솔루션에 대한 관심이 증가하고 있다고 지적했다. “90%의 효율성을 갖는 AI 애플리케이션을 상상해 보십시오. 하지만 전력 사용은 반으로 줄어든다. 이러한 혁신은本当に 인기 있을 수 있다”라고 그는 추가했다. AI의 미래는 혁신에 관한 것이 아니라, 데이터 센터의 지속 가능성에도 관한 것이다. 하드웨어의 효율성을 높이거나 자원을 더智能하게 사용하는 방법을 개발하는 것과 같은, AI의 에너지 소비를 관리하는 방법은 데이터 센터의 설계와 운영에 큰 영향을 미칠 것이다.
라이든은, 지속 가능한 데이터 센터 설계, 에너지 효율적인 AI 워크로드, 그리고 개방형 자원 공유에 중점을 둔 산업 전체적인 이니셔티브의 중요성을 강조했다. “이러한 단계는 더绿色 운영을 위한 중요한 단계이다”라고 그는 말했다. “AI를 사용하는 비즈니스들은 기술 회사와 협력하여 환경적 영향을 줄이는 솔루션을 개발해야 한다. 함께 일함으로써, 우리는 AI를 더 지속 가능한 미래로 направ일 수 있다”
