Wannie Park, Założyciel i CEO PADO AI – Wywiad

Wannie Park, Założyciel i CEO PADO AI, to doświadczony menedżer w branży technologicznej i energetycznej z ponad dwudziestoletnim doświadczeniem w budowaniu firm na styku oprogramowania, czystej energii i połączonej infrastruktury. Przed uruchomieniem PADO AI pełnił wyższe stanowiska kierownicze, w tym SVP ds. Partnerstw i Rozwoju Korporacyjnego w Bidgely, CEO Zen Ecosystems oraz SVP ds. Rozwoju Korporacyjnego i Biznesowego w Inspire. Wcześniej w swojej karierze pracował w obszarach rozwoju korporacyjnego i inwestycji strategicznych w firmach takich jak Belkin i Intel Capital, przyczyniając się do napędzania innowacji w obszarze technologii wschodzących, IoT i zarządzania energią. PADO AI to firma tworząca oprogramowanie do orkiestracji energetycznej, skupiona na pomaganiu centrom danych AI i dużym obiektom w bardziej efektywnym zarządzaniu zużyciem energii. Jej platforma wykorzystuje sztuczną inteligencję do analizy zapotrzebowania na energię w czasie rzeczywistym, prognozowania obciążeń oraz optymalizacji wykorzystania energii elektrycznej, chłodzenia i rozproszonych zasobów energetycznych. Poprzez usprawnienie wykorzystania infrastruktury energetycznej firma ma na celu pomoc operatorom w zwiększeniu mocy obliczeniowej, obniżeniu kosztów operacyjnych i wsparciu bardziej zrównoważonego wykorzystania energii. Zbudowałeś swoją karierę na styku innowacji energetycznych, rozwoju korporacyjnego i AI – od Intel Capital i Belkin po prowadzenie inicjatyw w zakresie czystej energii w CEIVA, Inspire, Zen Ecosystems i LG NOVA, zanim założyłeś PADO AI. Co zainspirowało Cię do uruchomienia PADO AI i w jaki sposób Twoje wcześniejsze doświadczenia ukształtowały Twoją wizję opartej na AI orkiestracji energetycznej w centrach danych? W trakcie mojej kariery doświadczyłem euforii, załamania i odbicia w kilku interesujących cyklach technologicznych. Obejmuje to pęknięcie bańki internetowej w 2000 roku, rozwój sieci dostarczających sieci / IoT na dużą skalę oraz modernizację północnoamerykańskiej sieci elektroenergetycznej pod koniec lat 2000. Dla mnie te trzy przesunięcia technologiczne poruszające rynek skumulowały się w ogromną szansę, jaką jest obecny ekosystem wokół centrów danych AI i dlatego PADO zostało uruchomione: rozwiązanie programowe napędzane przez AI, które narodziło się z konwergencji energii, mocy obliczeniowej i chmury. TotalEnergies ogłosiło niedawno wykorzystanie umów zakupu energii (PPA) do dostarczania energii odnawialnej do centrum danych Google. Jak postrzegasz tę szerszą zmianę w kierunku długoterminowych kontraktów na energię odnawialną dla infrastruktury hiperskalowej? Postrzegam to jako wielkie zwycięstwo dla energii odnawialnych. Nie zaklasyfikowałbym tego jednak jako szerszej zmiany w kierunku OZE. Jest to raczej odzwierciedlenie dostępu do energii i czasu jej pozyskania. W tym przypadku liczby się zgadzały. Na każde takie ogłoszenie przypada prawdopodobnie 10 projektów zasilanych gazem za licznikiem. Gdy obciążenia AI gwałtownie zwiększają zapotrzebowanie na energię, czy obserwujesz fundamentalną zmianę w podejściu operatorów centrów danych do integracji energii odnawialnej? To, co obserwuję, to bardziej skoordynowane działania w zakresie wdrażania systemów magazynowania energii w połączeniu z bardziej wydajnym i zrównoważonym chłodzeniem. To równoważy niektóre problemy z niestabilnością energii odnawialnych. Budowanie i wdrażanie zrównoważonych strategii magazynowania pozwala na zwiększenie integracji OZE, jednocześnie umożliwiając centrom danych utrzymanie czasu pracy. Jakie są największe strukturalne lub operacyjne bariery, przed którymi stoją starsze centra danych, próbując w pełni zintegrować odnawialne źródła energii, takie jak energia słoneczna, z istniejącymi systemami? Głównymi barierami są złożoność infrastruktury i brak telemetrii w czasie rzeczywistym. Starsze systemy były budowane pod stałe, przewidywalne obciążenia i często brakuje w nich warstwy oprogramowania potrzebnej do zarządzania niestabilnością energii słonecznej bez narażania czasu pracy. I dodam, bazując na mojej odpowiedzi na pytanie 3, że system BESS byłby siłą mnożącą przy podejmowaniu decyzji o integracji OZE, takich jak energia słoneczna. Z Twojego doświadczenia w doradzaniu operatorom i zakładom energetycznym, dlaczego wiele centrów danych ma trudności z pogodzeniem ścisłych wymagań dotyczących niezawodności z celami dekarbonizacji? Z perspektywy centrum danych niezawodność i dekarbonizacja są często postrzegane jako gra o sumie zerowej – aby uzyskać jedno, poświęca się drugie. Centra danych naturalnie priorytetowo traktują niezawodność na poziomie “pięciu dziewiątek” ponad wszystko inne, więc cele dekarbonizacji są często depriorytetyzowane. Platformy orkiestracji energetycznej napędzane sztuczną inteligencją i uczeniem maszynowym zyskują na popularności. W jaki sposób orkiestracja w czasie rzeczywistym zmienia ekonomię i niezawodność rozproszonych zasobów energetycznych w środowiskach o kluczowym znaczeniu? Centra danych działają w ramach istniejącej koperty energetycznej o stałej mocy obliczeniowej. Orkiestracja zamienia energię ze stałego kosztu w dynamiczny aktyw, który przynosi większą produktywność, czy to w postaci przychodów, produkcji tokenów itp. Połącz orkiestrację z różnymi DER, a będziesz w stanie zwielokrotnić swój wpływ, czy to w zakresie dekarbonizacji, przychodów, produkcji tokenów itp. W jaki sposób oprogramowanie do orkiestracji może być nałożone na istniejącą infrastrukturę bez konieczności przeprowadzania dużych, kapitałochłonnych przebudów? Oprogramowanie do orkiestracji może i powinno być zaprojektowane jako inteligentna warstwa programowa, która integruje się za pomocą API z istniejącymi systemami, czy to BMS, DCIM, czy DER. Minimalizowałoby to potrzebę większych przebudów. Gdy operatorzy rozważają niezawodność, koszt i dekarbonizację, co powinno być priorytetem – i jakie kompromisy są często błędnie rozumiane? Obecnie, jako operator, ich najwyższym priorytetem jest niezawodność. A jeśli “klikniesz dwukrotnie” na niezawodność, oznacza to czas pracy na poziomie “pięciu dziewiątek”. Co oznacza stabilną, niezawodną energię. Biorąc pod uwagę ogromną różnicę między kosztami energii a wartością, jaką fabryki AI z niej generują, oszczędność kosztów nie jest problemem. Widać to po tym, jak zakłady energetyczne próbują wprowadzić elastyczność na rynek centrów danych bez zbyt wielu chętnych. Schodząc jeszcze głębiej, poza koszt, dekarbonizacja, chyba że jest wymagana, spada na dół listy priorytetów. Jakie wskaźniki powinni śledzić operatorzy centrów danych, jeśli chcą w znaczący sposób poprawić wykorzystanie energii odnawialnej przy jednoczesnym utrzymaniu czasu pracy? Na wysokim poziomie, śledzenie i mierzenie emisji Scope 1/2/3 na poziomie obiektu w celu ustalenia punktu odniesienia. Oprócz standardowego PUE (efektywności wykorzystania energii), operatorzy powinni śledzić Intensywność Emisji Dwutlenku Węgla na Obciążenie oraz Współczynnik Wykorzystania Energii Odnawialnej (RUF). Wreszcie, centra danych powinny śledzić uwięzioną moc – ilość mocy, za którą się płaci, ale która pozostaje niewykorzystana z powodu nieefektywnego zarządzania obciążeniem. Patrząc w przyszłość, jak Twoim zdaniem będzie ewoluować relacja między zakładami energetycznymi, operatorami centrów danych a platformami energetycznymi napędzanymi przez AI w ciągu najbliższych pięciu lat? Widzę dwie odrębne relacje. Z jednej strony widzę, jak te 3 strony zmierzają w kierunku sieci współpracującej. Gdzie centra danych stają się zasobem reagującym na sieć, który może redukować lub przesuwać obciążenie w celu stabilizacji sieci. Platformy napędzane AI będą spoiwem, które pozwoli tym dwóm ogromnym branżom komunikować się i koordynować w czasie rzeczywistym. Z drugiej strony, widzę wiele centrów danych porzucających sieć, generujących energię na własne potrzeby i działających w pełni za licznikiem. Biorąc pod uwagę koszt i ogólną inwestycję w tego typu projekty, mało prawdopodobne jest, aby powróciły do sieci. Dziękuję za świetny wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić PADO AI.