Wannie Park, grunnlegger og administrerende direktør i PADO AI – Intervju-serie

Wannie Park, grunnlegger og administrerende direktør i PADO AI, er en erfaren teknologi- og energileder med mer enn to tiår med erfaring i å bygge selskaper på grensen mellom programvare, ren energi og koblet infrastruktur. Før han startet PADO AI, hadde han ledende roller som Senior Vice President for Partnerskap og Korporativ Utvikling i Bidgely, CEO i Zen Ecosystems og Senior Vice President for Korporativ og Forretningsutvikling i Inspire. Tidligere i sin karriere arbeidet han med korporativ utvikling og strategisk investering i selskaper som Belkin og Intel Capital, og hjalp til å drive innovasjon i nye teknologier, IoT og energistyring.

PADO AI er et selskap som utvikler programvare for energistyring, med fokus på å hjelpe AI-datasentre og store anlegg å forbruke energi mer effektivt. Plattformen bruker AI til å analysere energibehov i sanntid, forutsi belastning og optimalisere bruk av elektrisitet, kjøling og distribuerte energikilder. Ved å forbedre hvordan energi-infrastrukturen brukes, ønsker selskapet å hjelpe operatører å øke datakapasiteten, redusere driftskostnadene og støtte mer bærekraftig energibruk.

Du har bygd din karriere på grensen mellom energi-innovasjon, korporativ utvikling og AI – fra Intel Capital og Belkin til å lede rene energi-initiativer i CEIVA, Inspire, Zen Ecosystems og LG NOVA før du grunnla PADO AI. Hva inspirerte deg til å starte PADO AI, og hvordan har din tidligere erfaring formet din visjon for AI-drevet energistyring i datasentre?

Gjennom hele min karriere har jeg opplevd hype, nedtur og gjenopprettelse av noen interessante teknologisykluser. Dette inkluderer internett-boblen i 2000, veksten av nettverk som leverer nettverk / IoT i stor skala og moderniseringen av det nord-amerikanske elektrisitetsnettet på slutten av 2000-tallet. For meg har disse tre markedsbevegende teknologiske skiftene kulminert i den massive muligheten som er det nåværende økosystemet rundt AI-datasentre, og det er derfor PADO ble startet: en programvareløsning drevet av AI, født ut av konvergensen av kraft, beregning og sky.

TotalEnergies annonserte nylig bruken av Power Purchase Agreements (PPAer) for å levere fornybar elektrisitet til et Google-datasenter. Hvordan ser du på denne bredere skiftningen mot langsiktige fornybar energikontakter for hyperskala-infrastruktur?

Jeg ser på dette som en stor seier for fornybar energi. Men jeg ville ikke kategorisere det som en bredere skiftning mot fornybar energi. I stedet er det mer en refleksjon av tilgang til kraft og tid til kraft. I dette tilfelle var tallene positive. Med hver annonsering som denne, vil du sannsynligvis se 10 som er gass-drevne bak telleren.

Mens AI-arbeidsbelastninger raskt øker energibehov, ser du en grunnleggende skiftning i hvordan datasenter-operatører nærmer seg integrering av fornybar energi?

Hva jeg ser, er en mer samlet innsats rundt å deployere energilagringsystemer som er tilpasset mer effektive og bærekraftige kjølingssystemer. Dette balanserer noen av de intermittent-problemene rundt fornybar energi. Bygging og deployering av bærekraftige lagringsstrategier tillater økt integrering av fornybar energi samtidig som datasentre kan opprettholde oppetid.

Hva er de største strukturelle eller operative barrierene legacy-datasentre møter når de forsøker å fullstendig integrere fornybar energikilder som sol i eksisterende systemer?

De primære barrierene er infrastruktur-kompleksitet og mangel på sanntids-telemetri. Legacy-systemer ble bygget for konstante, forutsigbare belastninger og mangler ofte den programvare-lag som trengs for å håndtere fornybar energis intermittent uten å risikere oppetid. Og jeg ville tilføye, basert på mine kommentarer i spørsmål 3, at et BESS-system ville være en kraftmultiplier når det gjelder å ta beslutningen om å integrere fornybar energi som sol.

Fra din erfaring med å rådgive operatører og utilities, hvorfor har mange datasentre vanskeligheter med å balansere strenge pålitelighetskrav med dekarboniseringsmål?

Fra datasentrets perspektiv, sees pålitelighet og dekarbonisering ofte som et nullsum-spill – for å få ett, må du ofre det andre. Datasentre prioriterer naturlig “five-nines”-pålitelighet over alt annet, så dekarboniseringsmål blir ofte nedprioritert.

Energistyringsplattformer drevet av AI og maskinlæring vinner terreng. Hvordan endrer sanntids-koordinering økonomien og påliteligheten til distribuerte energikilder i kritiske miljøer?

Datasentre opererer under en eksisterende kraft-område med fast beregningskapasitet.

Koordinering gjør energi fra en fast kostnad til en dynamisk verdi som gir mer produktivitet, enten det er inntekt, token-produksjon osv. Koordiner med forskjellige DER, er du i stand til å multiplisere din påvirkning, enten det er dekarbonisering, inntekt, token-produksjon osv.

Hvordan kan koordineringsprogramvare legges til eksisterende infrastruktur uten å kreve større kapital-intensive ombygginger?

Koordineringsprogramvare kan og bør være designet til å være en intelligent programvare-lag som integrerer via API med eksisterende systemer, enten det er et BMS, et DCIMs, samt DER. Dette vil minimere noen større ombygginger.

Når operatører veier pålitelighet, kostnad og dekarbonisering, hva bør prioriteres først – og hva er handelsavtaler som ofte misforstås?

I dag, som en operatør, er deres topprioritet pålitelighet. Og hvis du dobbeltklikker på pålitelighet, betyr det “five-nines”-oppetid. Det betyr fast, pålitelig kraft. Gitt de massive multiplene mellom energikostnader og verdien AI-fabrikker genererer fra det, er kostnadsbesparelse ikke et problem. Du ser dette med utilities som prøver å inkorporere fleksibilitet i datasenter-markedet uten for mange taker.

Hva metrikker bør datasenter-operatører spore hvis de ønsker å forbedre fornybar energi-utnyttelse samtidig som de opprettholder oppetid?

På et høyt nivå, sporing og måling av Scope 1/2/3-utslipp på stedsnivå for å etablere en basis. I tillegg til standard PUE (Power Usage Effectiveness), bør operatører spore Karbon Intensitet per Arbeidsbelastning og Fornybar Utnyttelsesfaktor (RUF). Til slutt bør datasentre spore stranded kraft – mengden kraftkapasitet som betales for, men ikke brukes på grunn av ineffektiv laststyring.

Ser fremover, hvordan ser du på forholdet mellom utilities, datasenter-operatører og AI-drevne energiplattformer utvikle seg de neste fem årene?

Jeg ser to siloer av forhold. På den ene siden, ser jeg disse tre interessentene nærme seg en samarbeidende grid. Der datasentre blir et grid-responsivt aktivum som kan kutte eller flytte last for å stabilisere gridet. AI-drevne plattformer vil være limet som tillater disse to store industrier å kommunisere og koordinere i sanntid. På den andre siden, ser jeg mange datasentre forlate gridet og selv-generere og være fullstendig bak telleren. Gitt kostnadene og den totale investeringen i disse prosjektene, er det usannsynlig at de vil returnere til gridet.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke PADO AI.