Roszczący apetyt AI na energię: Czy centra danych są gotowe do podjęcia wyzwania?

Sztuczna inteligencja (AI) rozwija się w zawrotnym tempie, a jej wymagania energetyczne powodują, że centra danych są na granicy wytrzymałości. Następne pokolenie technologii AI, takich jak generatywne AI (genAI), nie tylko zmienia branże, ale także wpływa na zużycie energii przez prawie każdy komponent serwerowy – od procesorów i pamięci po przyspieszacze i sieci.

Aplikacje genAI, w tym Microsoft Copilot i OpenAI ChatGPT, wymagają więcej energii niż kiedykolwiek wcześniej. Do 2027 roku szkolenie i utrzymanie tych systemów AI może zużyć tyle energii, że wystarczyłoby do zasilania małego kraju przez cały rok. Trend ten nie spowalnia: w ciągu ostatniej dekady zapotrzebowanie na energię dla komponentów takich jak procesory, pamięć i sieci szacuje się na wzrost o 160% do 2030 roku, według raportu Goldman Sachs.

Użycie dużych modeli językowych również pochłania energię. Na przykład zapytanie ChatGPT zużywa około dziesięciokrotnie więcej energii niż tradycyjne wyszukiwanie Google. Biorąc pod uwagę ogromne zapotrzebowanie na energię AI, czy przemysł może zarządzać swoimi postępami w sposób zrównoważony, czy będą one przyczyniać się do wzrostu globalnego zużycia energii? Najnowsze badania McKinseya pokazują, że około 70% rosnącego popytu na rynku centrów danych jest skierowane do obiektów wyposażonych w zaawansowane obciążenia AI. Ta zmiana zmienia fundamentalnie sposób, w jaki budowane i zarządzane są centra danych, dostosowując się do unikalnych wymagań tych wysokozaawansowanych zadań genAI.

„Tradycyjne centra danych często działają na stare, energochłonne urządzenia i mają stałą pojemność, która ma trudności z adaptacją do zmieniających się obciążeń, co prowadzi do znacznego marnowania energii”, powiedział Mark Rydon, Chief Strategy Officer i współzałożyciel platformy obliczeniowej w chmurze Aethir. „Centralizowane operacje często tworzą niezrównoważenie między dostępnością zasobów a potrzebami zużycia, co powoduje, że przemysł znajduje się w krytycznym punkcie, w którym postępy mogą ryzykować podważenie celów środowiskowych, gdy rosną wymagania AI.”

Liderzy przemysłu podejmują teraz wyzwanie, inwestując w bardziej ekologiczne projekty i architektury centrów danych. Wysiłki te obejmują przyjęcie odnawialnych źródeł energii, tworzenie bardziej wydajnych systemów chłodzenia, które mogą zrównoważyć ogromne ilości ciepła wytwarzanego przez obciążenia genAI.

Rewolucjonizacja centrów danych dla bardziej zielonej przyszłości

Lenovo niedawno wprowadziło na rynek ThinkSystem N1380 Neptune, który jest przełomem w technologii chłodzenia cieczą w centrach danych. Firma twierdzi, że innowacja ta już umożliwia organizacjom wdrożenie obciążeń AI o wysokiej mocy z znacznie niższym zużyciem energii – nawet o 40% mniej energii w centrach danych. N1380 Neptune wykorzystuje najnowsze urządzenia NVIDIA, w tym procesory Blackwell i GB200, umożliwiając obsługę modeli AI o parametrach liczących biliony w kompaktowej konfiguracji. Lenovo stwierdziło, że chce torować drogę centrów danych, które będą mogły działać bez potrzeby dedykowanej klimatyzacji.

„Zidentyfikowaliśmy znaczące wymagania naszych obecnych klientów: centra danych zużywają więcej energii podczas obsługi obciążeń AI ze względu na przestarzałe architektury chłodzenia i tradycyjne ramy strukturalne”, powiedział Robert Daigle, Globalny Dyrektor AI w Lenovo. „Aby to lepiej zrozumieć, współpracowaliśmy z klientem z wysokimi wymaganiami obliczeniowymi, aby analizować ich zużycie energii, co doprowadziło nas do wniosku, że możemy zmniejszyć zużycie energii o 40%”. Dodał, że firma wzięła pod uwagę takie czynniki, jak moc wentylatorów i zużycie energii przez jednostki chłodzące, porównując je z standardowymi systemami dostępnymi za pośrednictwem usługi oceny centrów danych Lenovo, aby opracować nową architekturę centrów danych we współpracy z Nvidia.

Brytyjska firma konsultingowa w dziedzinie technologii informacyjnej AVEVA stwierdziła, że wykorzystuje analitykę predykcyjną do identyfikacji problemów z kompresorami, silnikami, urządzeniami HVAC, agregatami powietrza i innymi.

„Odkryliśmy, że to właśnie wstępne szkolenie generatywnego AI pochłania ogromne ilości energii”, powiedział Jim Chappell, Dyrektor AI i Zaawansowanej Analityki w AVEVA. „Nasze systemy AI oparte na predykcyjnej analityce mają na celu wykrywanie problemów zanim jeszcze będą widoczne w systemach SCADA lub kontrolnych, umożliwiając operatorom centrów danych naprawę problemów z urządzeniami przed ich wystąpieniem. Dodatkowo mamy Asystenta AI Vision, który integruje się z naszymi systemami kontrolnymi, aby pomóc w wykrywaniu innych rodzajów anomalii, w tym gorących punktów temperatury przy użyciu kamery termowizyjnej.”

Tymczasem rozproszone obliczenia dla szkolenia i rozwoju AI za pomocą procesorów graficznych w chmurze stają się alternatywą. Rydon z Aethir wyjaśnił, że rozproszenie zadań obliczeniowych na szerszą, bardziej adaptacyjną sieć może zoptymalizować zużycie energii, dopasowując zapotrzebowanie na zasoby do ich dostępności, co prowadzi do znaczących redukcji marnowania energii od samego początku.

„Zamiast polegać na dużych, scentralizowanych centrach danych, nasza infrastruktura Edge rozprasza zadania obliczeniowe do węzłów bliżej źródła danych, co znacznie redukuje obciążenie energetyczne transferu danych i obniża opóźnienia”, powiedział Rydon. „Sieć Aethir Edge minimalizuje potrzebę stałego chłodzenia o wysokiej mocy, ponieważ obciążenia są rozproszone w różnych środowiskach, a nie skoncentrowane w jednej lokalizacji, co pomaga uniknąć energochłonnych systemów chłodzenia typowych dla centrów danych.”

Podobnie, firmy takie jak Amazon i Google eksperymentują z odnawialnymi źródłami energii, aby zarządzać rosnącymi potrzebami energetycznymi w swoich centrach danych. Microsoft inwestuje znacznie w odnawialne źródła energii i technologie zwiększające wydajność, aby zmniejszyć zużycie energii w swoich centrach danych. Google również podjął kroki w kierunku przejścia na energię bezemisyjną i zbadania systemów chłodzenia, które minimalizują zużycie energii w centrach danych. „Energia jądrowa jest najprawdopodobniej najszybszą drogą do centrów danych bez emisji dwutlenku węgla. Duży dostawcy centrów danych, tacy jak Microsoft, Amazon i Google, inwestują teraz znacznie w tego typu generację energii na przyszłość. Z małymi modułowymi reaktorami jądrowymi elastyczność i czas produkcji sprawiają, że jest to jeszcze bardziej wiarygodna opcja do osiągnięcia Net Zero”, dodał Chappell z AVEVA.

Czy AI i zrównoważoność centrów danych mogą współistnieć?

Ugur Tigli, CTO platformy infrastruktury AI MinIO, twierdzi, że choć możemy oczekiwać przyszłości, w której AI będzie mogła się rozwijać bez znacznego wzrostu zużycia energii, to nie jest to realistyczne w krótkim terminie. „Długoterminowe skutki są trudniejsze do przewidzenia”, powiedział, „ale zobaczymy zmianę na rynku pracy, a AI pomoże poprawić zużycie energii na całym świecie”. Tigli uważa, że wraz ze wzrostem wydajności energetycznej jako priorytetu rynkowego, zobaczymy wzrost obliczeń wraz ze spadkiem zużycia energii w innych sektorach, szczególnie gdy staną się one bardziej wydajne.

Zwrócił również uwagę na rosnące zainteresowanie konsumentów zielonymi rozwiązaniami AI. „Wyobraź sobie aplikację AI, która działa z wydajnością 90%, ale zużywa tylko połowę energii – to właśnie ten rodzaj innowacji, który może naprawdę odnieść sukces”, dodał. Jest oczywiste, że przyszłość AI nie dotyczy tylko innowacji, ale także zrównoważoności centrów danych. Niezależnie od tego, czy chodzi o rozwój bardziej wydajnego sprzętu, czy inteligentniejsze korzystanie z zasobów, zarządzanie zużyciem energii przez AI będzie miało ogromny wpływ na projektowanie i eksploatację centrów danych.

Rydon podkreślił wagę inicjatyw branżowych, które koncentrują się na zrównoważonych projektach centrów danych, energooszczędnych obciążeniach AI i otwartej współdzielności zasobów. „To są kluczowe kroki w kierunku bardziej zielonych operacji”, powiedział. „Przedsiębiorstwa korzystające z AI powinny współpracować z firmami technologicznymi, aby tworzyć rozwiązania, które zmniejszają wpływ na środowisko. Współpracując, możemy skierować AI ku bardziej zrównoważonej przyszłości.”