KIs økende appetitt på strøm: Er datasentre klare til å holde pace?

Ettersom kunstig intelligens (KI) skyter fremover, belaster dens energibehov datasentrene til bristepunktet. Neste generasjons KI-teknologier som generativ KI (genKI) ikke bare transformerer industrier – deres energiforbruk påvirker nesten hver enkelt dataserverkomponent – fra CPUer og minne til akseleratorer og nettverk.

GenKI-applikasjoner, inkludert Microsofts Copilot og OpenAIs ChatGPT, krever mer energi enn noensinne før. Innen 2027 kan trening og vedlikehold av disse KI-systemene alene forbruke nok strøm til å strømme et lite land i ett år. Og trenden er ikke på vei ned: over de siste ti årene estimeres energibehovet for komponenter som CPUer, minne og nettverk å øke med 160% innen 2030, ifølge en Goldman Sachs-rapport.

Bruken av store språkmodeller forbruker også energi. For eksempel forbruker en ChatGPT-spørring omtrent ti ganger mer enn en tradisjonell Google -søk. Gitt KIs massive energibehov, kan industrien håndtere sin raske fremgang på en bærekraftig måte, eller vil den bidra til økt global energiforbruk? McKinseys nyeste forskning viser at omtrent 70% av den økende etterspørselen i datasentermarkedet er rettet mot fasiliteter som er utstyrt til å håndtere avanserte KI-arbeidsbyrder. Denne endringen endrer fundamentalt hvordan datasentre bygges og drives, ettersom de tilpasser seg de unike kravene til disse høytytende genKI-oppdragene.

“Tradisjonelle datasentre opererer ofte med gamle, energikrevende utstyr og faste kapasiteter som sliter med å tilpasse seg fluktuasjonene i arbeidsbyrdene, noe som fører til betydelig energiøkt,” sa Mark Rydon, Chief Strategy Officer og medgrunnlegger av distribuert skytjenerplattform Aethir. “Sentraliserte operasjoner skaper ofte en ubalanse mellom ressurs tilgjengelighet og forbruksbehov, noe som fører industrien til et kritisk punkt der fremgang kan risikere å undergrave miljømålene når KI-drevne behov øker.”

Bransjeledere møter nå utfordringen direkte, og investerer i grønnere design og energieffektive arkitekturer for datasentre. Innsatsene omfatter å adoptere fornybare energikilder og å skape mer effektive kjølesystemer som kan kompensere for den enorme mengden varme som genereres av genKI-arbeidsbyrdene.

Revolutionering av datasentre for en grønnere fremtid

Lenovo har nylig lansert ThinkSystem N1380 Neptune, et stort skritt fremover i væskeavkjølingsteknologi for datasentre. Selskapet hevder at innovasjonen allerede muliggjør at organisasjoner kan distribuere høytytende beregninger for genKI-arbeidsbyrdene med betydelig lavere energiforbruk – opptil 40% mindre strøm i datasentrene. N1380 Neptune utnytter NVIDIAs nyeste maskinvare, inkludert Blackwell og GB200 GPU-er, og muliggjør håndtering av trillion-parameter KI-modeller i en kompakt oppsett. Lenovo sier at de ønsker å bana vei for datasentre som kan operere 100KW+ serverhyller uten behov for dedikert klimaanlegg.

“Vi identifiserte et betydelig krav fra våre nåværende kunder: datasentre forbruker mer strøm når de håndterer KI-arbeidsbyrdene på grunn av foreldede kjølearkitekturer og tradisjonelle strukturrammer,” sa Robert Daigle, Global Director of AI at Lenovo. “For å forstå dette bedre, samarbeidet vi med en høytytende beregningskunde (HPC) for å analysere deres strømforbruk, noe som ledet oss til slutsatsen at vi kunne redusere energiforbruket med 40%.” Han la til at selskapet tok hensyn til faktorer som vifteeffekt og strømforbruk i kjøleenheter, og sammenlignet disse med standard systemer som er tilgjengelige gjennom Lenovos datasenter vurderingstjeneste, for å utvikle den nye datasenterarkitekturen i samarbeid med Nvidia.

Det UK-baserte IT-konsulentselskapet AVEVA sier at de bruker prediktiv analyse for å identifisere problemer med datasenterkompressorer, motorer, HVAC-utstyr, luftbehandlere og mer.

“Vi fant ut at det er fortrening av generativ KI som forbruker massive mengder strøm,” sa Jim Chappell, AVEVAs sjef for AI og avansert analyse. “Gjennom våre prediktive AI-drevne systemer, håper vi å finne problemer lenge før noen SCADA eller kontrollsystem, og tillate datasenteroperatører å fikse utstyrproblemer før de blir store problemer. I tillegg har vi en Vision AI-assistent som naturlig integreres med våre kontrollsystemer for å hjelpe med å finne andre typer av anomalier, inkludert temperaturvarmhull når det brukes med en varmekamera.”

I mellomtiden oppstår desentralisert beregning for KI-trening og utvikling gjennom GPU-er over skyen som en alternativ løsning. Aethirs Rydon forklarte at ved å distribuere beregningsoppgaver over et bredere, mer tilpassbart nettverk, kan energibruken optimeres ved å tilpasse ressursbehov med tilgjengelighet – noe som fører til betydelige reduksjoner i spill fra starten.

“I stedet for å være avhengig av store, sentraliserte datasentre, spredte vårt ‘Edge’-infrastruktur beregningsoppgaver til noder nærmere datakilden, noe som dramatisk reduserer energibehovet for dataoverføring og lavere forsinkelse,” sa Rydon. “Aethir Edge-nettverket minimiserer behovet for konstant høyeffekt kjøling, ettersom arbeidsbyrdene distribueres over ulike miljøer i stedet for å være konsentrert i ett enkelt sted, og hjelper til å unngå energikrevende kjølesystemer som er typiske for sentraliserte datasentre.”

Liksom selskaper som Amazon og Google eksperimenterer med fornybare energikilder for å håndtere økende strømbehov i deres datasentre. Microsoft investerer tungt i fornybare energikilder og energieffektive teknologier for å redusere strømforbruket i sine datasentre. Google har også tatt skritt for å gå over til karbonfri energi og utforske kjølesystemer som minimerer strømforbruk i datasentre. “Kjerneenergi er sannsynligvis den raskeste veien til karbonfrie datasentre. Store datasenterleverandører som Microsoft, Amazon og Google investerer nå tungt i denne type strømproduksjon for fremtiden. Med små modulære reaktorer (SMR-er) gjør fleksibiliteten og tid til produksjon dette til en enda mer livskraftig mulighet for å nå nullutslipp,” la AVEVAs Chappell til.

Kan KI og datasenterbærekraft samexisterer?

Ugur Tigli, CTO i AI-infrastrukturplattformen MinIO, sier at selv om vi håper på en fremtid hvor KI kan fremme uten en stor økning i energiforbruk, er det ikke realistisk på kort sikt. “Langevirkninger er vanskeligere å forutsi,” sa han til meg, “men vi vil se en endring i arbeidsstyrken, og KI vil hjelpe til å forbedre energiforbruket over hele linjen.” Tigli tror at når energieffektivitet blir en markedsprioritet, vil vi se vekst i beregning sammen med nedgang i energiforbruk i andre sektorer, spesielt når de blir mer effektive.

Han pekte også på at det er en økende interesse blant forbrukerne for grønnere KI-løsninger. “Tenk deg en KI-applikasjon som utfører med 90% effektivitet, men bruker bare halvparten så mye strøm – det er den type innovasjon som kan virkelig ta av,” la han til. Det er klart at fremtiden for KI ikke bare handler om innovasjon, men også om datasenterbærekraft. Uansett om det er gjennom utvikling av mer effektive maskiner eller smartere måter å bruke ressurser på, vil måten vi håndterer KIs energiforbruk ha en stor innvirkning på design og drift av datasentre.

Rydon understreket viktigheten av bransjeomfattende initiativer som fokuserer på bærekraftige datasenterdesign, energieffektive KI-arbeidsbyrdene og åpne ressursdeling. “Dette er avgjørende skritt mot grønnere operasjoner,” sa han. “Bedrifter som bruker KI bør samarbeide med teknologiselskaper for å skape løsninger som reduserer miljøpåvirkningen. Ved å arbeide sammen kan vi styre KI mot en mer bærekraftig fremtid.”