Parcerias
InfraPartners e Emerald AI Apresentam “Centros de Dados Prontos para Flexibilidade” para Resolver o Problema de Energia da IA
A expansão rápida da inteligência artificial está empurrando a infraestrutura de energia ao seu limite. Treinar e executar modelos de IA em grande escala requer clusters de computação maciços que consomem enormes quantidades de eletricidade, frequentemente mais rápido do que as redes de energia locais podem expandir. Em resposta, InfraPartners e Emerald AI anunciaram uma parceria com o objetivo de repensar fundamentalmente como os centros de dados de IA interagem com a rede de energia, os detalhes estão no whitepaper.
As empresas estão introduzindo uma nova arquitetura chamada Centros de Dados Prontos para Flexibilidade, combinando o design de infraestrutura modular da InfraPartners com o software de orquestração da Emerald AI. O objetivo é transformar os centros de dados de consumidores estáticos de eletricidade em participantes dinâmicos da rede capazes de ajustar sua demanda de energia em tempo real.
Em vez de tratar o consumo de energia como fixo, a abordagem permite que as instalações alinhem as cargas de trabalho de computação com as condições da rede, a disponibilidade de energia renovável e o preço da eletricidade – desbloqueando capacidade adicional e melhorando a estabilidade geral da rede.
Por que a Infraestrutura de IA Está Criando uma Crise de Energia
As cargas de trabalho de IA são uma das fontes de demanda de eletricidade de crescimento mais rápido globalmente. O white paper lançado junto com a parceria destaca como os centros de dados se tornaram uma das cargas mais concentradas geograficamente e rapidamente expansivas nos modernos sistemas de energia.
Ao mesmo tempo, a expansão da rede está atrasada. A construção de transmissão, a falta de mão de obra e as restrições da cadeia de suprimentos significam que as novas instalações podem enfrentar esperas de vários anos para garantir as interconexões da rede. Enquanto isso, a participação crescente de energia renovável – particularmente eólica e solar – introduz volatilidade no fornecimento, tornando o equilíbrio em tempo real da geração e da demanda mais complexo.
Essa dinâmica cria uma discrepância estrutural: a infraestrutura de IA precisa de mais energia, mas a rede não pode expandir rapidamente o suficiente para fornecê-la.
O white paper argumenta que a solução pode não ser simplesmente construir mais capacidade de rede. Em vez disso, propõe que os centros de dados possam se tornar recursos flexíveis que ajudam a estabilizar os sistemas de energia, absorvendo excesso de energia renovável ou reduzindo a demanda durante o estresse de pico da rede.
O Projeto do Centro de Dados Pronto para Flexibilidade
A colaboração integra duas tecnologias principais:
- Arquitetura de Centro de Dados Upgradeável da InfraPartners, projetada para suportar gerações sucessivas de hardware de IA sem redesenho significativo.
- Plataforma Emerald Conductor da Emerald AI, uma camada de software que orquestra as cargas de trabalho de computação, os sistemas de instalação e os sinais da rede.
Juntas, elas formam o que as empresas chamam de Centro de Dados Pronto para Flexibilidade, projetado desde o início para participar dos mercados de energia e da gestão da rede.
De acordo com o white paper, essa integração permite que os centros de dados suportem o crescimento da IA enquanto simultaneamente melhoram a confiabilidade da rede, reduzem as emissões e desbloqueiam novo valor econômico por meio de programas de rede.
Os Três Dimensionamentos da Flexibilidade do Centro de Dados
Central ao design é um quadro que divide a flexibilidade do centro de dados em três camadas interativas: flexibilidade temporal, flexibilidade espacial e flexibilidade de recursos.
Flexibilidade Temporal
A flexibilidade temporal se concentra em mudar a demanda de energia ao longo do tempo. Em vez de executar cargas de trabalho continuamente em intensidade total, os trabalhos de computação podem ser agendados com base na disponibilidade de eletricidade, preços ou níveis de estresse da rede.
Técnicas incluem:
- adiar cargas de trabalho de treinamento de IA não urgentes
- reduzir dinamicamente o consumo de energia de TI
- ajustar a operação do sistema de refrigeração
- coordenar com o armazenamento de energia no local
Essa abordagem permite que os centros de dados reduzam a carga durante o pico da demanda da rede enquanto aumentam o consumo quando a geração de energia renovável é abundante.
Flexibilidade Espacial
A flexibilidade espacial estende o conceito além de uma única instalação.
Os grandes operadores de IA frequentemente executam vários centros de dados em diferentes regiões. Ao mover inteligentemente as cargas de trabalho entre os sites, os operadores podem encaminhar tarefas de computação para locais onde a energia é mais barata, mais limpa ou mais facilmente disponível.
Na prática, isso significa que as cargas de trabalho de IA poderiam seguir a geração de energia renovável ou evitar regiões que experimentam congestionamento da rede.
Flexibilidade de Recursos
A terceira camada envolve coordenar toda a infraestrutura controlável dentro de um campus de centro de dados.
Isso inclui:
- GPUs e sistemas de TI
- infraestrutura de refrigeração
- sistemas de alimentação ininterrupta (UPS)
- sistemas de armazenamento de bateria
- geração de energia no local
Quando orquestrados juntos, esses ativos permitem que uma instalação ajuste o consumo de energia enquanto mantém a confiabilidade e os acordos de nível de serviço.
Emerald Conductor: Orquestrando Computação, Instalações e Rede
A camada de orquestração que habilita essas capacidades é a plataforma Emerald Conductor da Emerald AI.
O sistema opera como uma plataforma de controle hierárquica que abrange três camadas operacionais:
1. Camada de TI
Na camada de computação, o Emerald Conductor se integra com agendadores de cargas de trabalho e telemetria do sistema para ajustar a intensidade da computação. Modelos preditivos identificam cargas de trabalho que podem ser adiadas ou reconfiguradas sem violar os acordos de nível de serviço.
O treinamento de IA, o processamento em lote e outras cargas de trabalho não críticas de latência se tornam candidatas para agendamento flexível.
2. Camada de Instalação
A plataforma também se conecta ao sistema de gerenciamento de edifícios (BMS) do centro de dados, ingerindo telemetria da infraestrutura de refrigeração, equipamentos de distribuição de energia, sistemas de UPS e baterias.
Isso permite que o software ajuste dinamicamente os parâmetros operacionais, despache energia armazenada ou coordene estratégias de refrigeração enquanto respeita as margens de segurança e os requisitos de redundância.
DC Flex Ready Executive White P…
3. Camada de Interface de Rede
No nível externo, o Emerald Conductor conecta os centros de dados a sinais da rede, incluindo eventos de resposta à demanda, preços de eletricidade atacado e alertas de confiabilidade.
Esses sinais são traduzidos em ações coordenadas em toda a infraestrutura de TI e instalação, permitindo a participação automatizada em programas de mercado de energia e serviços de estabilização da rede.
Arquitetura de Centro de Dados Upgradeável da InfraPartners
Enquanto a Emerald AI fornece a camada de orquestração, a InfraPartners se concentra em como a infraestrutura física é projetada e construída.
Sua Arquitetura de Centro de Dados Upgradeável é destinada a resolver um problema diferente, mas relacionado: a evolução rápida do hardware de IA.
Os modernos GPUs e aceleradores frequentemente exigem novas densidades de energia, tecnologias de refrigeração e layouts de infraestrutura a cada poucos anos. Os centros de dados tradicionais lutam para se adaptar, levando a retrofitagens caras ou capacidade ociosa.
A arquitetura da InfraPartners introduz arquiteturas de energia e refrigeração fungíveis capazes de suportar múltiplas gerações de hardware sem redesenho significativo.
A empresa também depende fortemente da construção em fábrica, com aproximadamente 80% da instalação montada e testada fora do local antes do deploy. Esse modelo de fabricação reduz os prazos de construção enquanto melhora o controle de qualidade e a repetibilidade.
As instalações podem ser escaladas incrementalmente, desde implantações de 5 megawatts até campi de escala gigawatt, permitindo que os operadores aumentem a capacidade à medida que a demanda de IA cresce.
Integrando Flexibilidade no Nível de Infraestrutura
A parceria integra os dois sistemas por meio de integração de telemetria e controle profunda.
Os sistemas de gerenciamento de edifícios da InfraPartners transmitem dados operacionais em tempo real – incluindo energia, refrigeração e métricas de sistemas de energia – para o motor de otimização do Emerald Conductor.
A plataforma de orquestração, então, determina como as cargas de trabalho, os sistemas de infraestrutura e os ativos de energia devem responder às condições da rede.
Como a infraestrutura é projetada com flexibilidade em mente, o sistema pode ajustar operações em segurança sem comprometer a confiabilidade ou os requisitos de tempo de atividade.
Esse nível de integração também permite que os centros de dados participem de programas de rede, como:
- resposta à demanda
- mercados de energia atacado
- serviços de confiabilidade da rede
Esses programas criam novos fluxos de receita enquanto ajudam as utilidades a gerenciar a demanda de eletricidade.
Um Novo Modelo para Infraestrutura de IA
À medida que a IA continua a se expandir por várias indústrias, a disponibilidade de energia está se tornando um dos principais constrangimentos ao crescimento da tecnologia.
O modelo de Centro de Dados Pronto para Flexibilidade sugere uma abordagem diferente para dimensionar a infraestrutura de computação. Em vez de tratar os centros de dados como cargas passivas na rede, o design os posiciona como participantes ativos nos sistemas de energia, capazes de coordenar a demanda de computação com a disponibilidade de energia.
Se amplamente adotado, a arquitetura poderia ajudar a acelerar a implantação de IA enquanto alivia a pressão sobre a infraestrutura elétrica – um desafio cada vez mais crítico à medida que os modelos de IA crescem em tamanho e intensidade de energia.
