Wannie Park, Oprichter en CEO van PADO AI – Interviewreeks

Wannie Park, Oprichter en CEO van PADO AI, is een ervaren technologie- en energiemanagementdirecteur met meer dan twee decennia ervaring in het opbouwen van bedrijven op het snijvlak van software, schone energie en verbonden infrastructuur. Voordat hij PADO AI lanceerde, bekleedde hij senior leiderschapsfuncties, waaronder SVP van Partnerships en Corporate Development bij Bidgely, CEO van Zen Ecosystems en SVP van Corporate en Business Development bij Inspire. Eerder in zijn carrière werkte hij in corporate development- en strategische investeringsfuncties bij bedrijven als Belkin en Intel Capital, waarmee hij innovatie in opkomende technologieën, IoT en energiemanagement stimuleerde.

PADO AI is een energiemanagementsoftwarebedrijf dat zich richt op het helpen van AI-datacenters en grote faciliteiten om hun energieverbruik efficiënter te beheren. Het platform gebruikt AI om de energievraag in real-time te analyseren, belastingen te voorspellen en het gebruik van elektriciteit, koeling en gedistribueerde energieresources te optimaliseren. Door de manier waarop energiainfrastructuur wordt gebruikt te verbeteren, streeft het bedrijf ernaar om operators te helpen hun rekenkracht te vergroten, hun operationele kosten te verlagen en een duurzamere energieverbruik te ondersteunen.

U hebt uw carrière opgebouwd op het snijvlak van energi-innovatie, corporate development en AI – van Intel Capital en Belkin tot het leiden van schone energi-initiatieven bij CEIVA, Inspire, Zen Ecosystems en LG NOVA voordat u PADO AI oprichtte. Wat inspireerde u om PADO AI te lanceren, en hoe heeft uw eerdere ervaring uw visie voor AI-gedreven energiemanagement in datacenters gevormd?

In mijn hele carrière heb ik de hype, de ineenstorting en het herstel van enkele interessante technologiecycli meegemaakt. Dit omvat de internetbubbel van 2000, de groei van netwerken die netwerken/IoT op grote schaal leveren en de modernisering van het Noord-Amerikaanse elektriciteitsnet in de late jaren 2000. Voor mij hebben deze drie technologische verschuivingen die de markt beïnvloeden, geleid tot de enorme kans die het huidige ecosysteem rond AI-datacenters is en waarom PADO is gelanceerd: een softwareoplossing die door AI wordt aangedreven en voortkomt uit de convergentie van energie, rekenkracht en cloud.

TotalEnergies heeft onlangs aangekondigd dat het Power Purchase Agreements (PPA’s) zal gebruiken om hernieuwbare elektriciteit te leveren aan een Google-datacenter. Hoe ziet u deze bredere verschuiving naar langetermijncontracten voor hernieuwbare energie voor hyperschaalinfrastructuur?

Ik zie dit als een grote overwinning voor hernieuwbare energie. Maar ik zou het niet categoriseren als een bredere verschuiving naar hernieuwbare energie. In plaats daarvan is het meer een reflectie van toegang tot energie en de tijd die nodig is om energie te produceren. In dit geval waren de cijfers gunstig. Met elke aankondiging zoals deze, zult u waarschijnlijk 10 zien die op gas worden aangedreven achter de meter.

Zien wij, terwijl AI-werklasten de energievraag snel doen toenemen, een fundamentele verschuiving in de manier waarop datacenter-operatoren hernieuwbare energie integreren?

Wat ik zie, is een meer geconcerteerde inspanning om energiopslagsystemen te implementeren die zijn afgestemd op een meer efficiënte en duurzame koeling. Dit compenseert enkele van de intermittentieproblemen rond hernieuwbare energie. Het opbouwen en implementeren van duurzame opslagstrategieën maakt het mogelijk om hernieuwbare energie te integreren terwijl datacenters hun uptime kunnen behouden.

Wat zijn de grootste structurele of operationele barrières die legacy-datacenters tegenkomen bij het volledig integreren van hernieuwbare energievormen zoals zonne-energie in bestaande systemen?

De primaire barrières zijn infrastructuurscomplexiteit en een gebrek aan real-time telemetrie. Legacy-systemen zijn gebouwd voor constante, voorspelbare belastingen en ontbreken vaak de softwarelaag die nodig is om de intermittentie van zonne-energie te beheren zonder de uptime te riskeren. En ik zou eraan toevoegen, op basis van mijn opmerkingen in vraag 3, dat een BESS-systeem een multiplicator zou zijn bij het nemen van de beslissing om hernieuwbare energiebronnen zoals zonne-energie te integreren.

Uit uw ervaring met het adviseren van operators en nutsbedrijven, waarom hebben veel datacenters moeite om strikte betrouwbaarheidsvereisten te balanceren met decarbonisatie-doelen?

Vanuit het perspectief van het datacenter worden betrouwbaarheid en decarbonisatie vaak gezien als een nulsomspel – om er een te krijgen, moet je het andere opgeven. Datacenters geven van nature prioriteit aan “five-nines”-betrouwbaarheid boven alles, dus worden decarbonisatie-doelen vaak ondergeschikt gemaakt.

Energiemanagementplatforms die door AI en machine learning worden aangedreven, winnen aan populariteit. Hoe verandert real-time orkestratie de economie en betrouwbaarheid van gedistribueerde energieresources in missie-kritieke omgevingen?

Datacenters opereren onder een bestaand energievak met vaste rekenkracht.

Orkestratie verandert energie van een vaste kostenpost in een dynamisch actief dat meer productiviteit oplevert, of het nu omgezet wordt in omzet, tokenproductie, enz. Orkestratie afstemmen op verschillende gedistribueerde energieresources, u bent in staat om uw impact te vermenigvuldigen, of het nu gaat om decarbonisatie, omzet, tokenproductie, enz.

Hoe kan orkestratiesoftware worden geïntegreerd in bestaande infrastructuur zonder dat daarvoor grote, kapitaalintensieve herbouw nodig is?

Orkestratiesoftware kan en moet worden ontworpen als een intelligente softwarelaag die via API wordt geïntegreerd met bestaande systemen, of het nu gaat om een BMS, een DCIMs, evenals gedistribueerde energieresources. Dit zou elke grote herbouw minimaliseren.

Als operators betrouwbaarheid, kosten en decarbonisatie afwegen, wat moet eerst worden geprioriteerd – en welke compromissen worden vaak verkeerd begrepen?

Vandaag, als operator, is hun topprioriteit betrouwbaarheid. En als je dieper op betrouwbaarheid ingaat, betekent dit “five-nines”-uptime. Wat betekent vast, betrouwbaar vermogen. Gezien de enorme meervoudige kosten tussen energiekosten en de waarde die AI-fabrieken gegenereerd uit het, is kostenbesparing geen issue. U ziet dit met nutsbedrijven die proberen flexibiliteit in de datacentermarkt te integreren zonder al te veel kopers.

Welke metrics moeten datacenter-operatoren volgen als ze de hernieuwbare energieverbruik willen verbeteren terwijl ze uptime behouden?

Op hoog niveau, het volgen en meten van Scope 1/2/3-emissies op site-niveau om een baseline vast te stellen. Afgestemd op de standaard PUE (Power Usage Effectiveness), moeten operators het Carbon Intensity per Workload en de Renewable Utilization Factor (RUF) volgen. Ten slotte moeten datacenters gestrande energie volgen – het bedrag aan energiekapaciteit dat wordt betaald maar ongebruikt blijft vanwege inefficiënt belastingsbeheer.

Kijkend naar de toekomst, hoe ziet u de relatie tussen nutsbedrijven, datacenter-operatoren en AI-gedreven energiemanagementplatforms evolueren in de komende vijf jaar?

Ik zie twee silo’s van relaties. Aan de ene kant zie ik deze drie stakeholders naar een collaboratieve grid bewegen. Waar datacenters een grid-responsief actief worden dat belasting kan afstemmen of verplaatsen om de grid te stabiliseren. AI-gedreven platforms zullen de lijm zijn die het mogelijk maakt voor deze twee grote industrieën om in real-time te communiceren en te coördineren. Aan de andere kant zie ik veel datacenters de grid verlaten en zelf energie opwekken en volledig achter de meter zitten. Gezien de kosten en het totale investeringsbedrag in dit soort projecten, is het onwaarschijnlijk dat ze terugkeren naar de grid.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken PADO AI.