RAVEL planeja estudo sobre escalonamento de IA distribuída com consciência energética

A RAVEL anunciou em 12 de novembro de 2026 uma colaboração de pesquisa com os Sandia National Laboratories no âmbito do Project Quicksilver, uma investigação em várias fases sobre o escalonamento de cargas de trabalho de IA, com consciência energética, em ambientes computacionais distribuídos geograficamente. A Primeira Fase abrangerá três locais da Sandia e comparará sistemas refrigerados a ar e por imersão.

O estudo examinará se a disponibilidade de energia, as condições operacionais e os requisitos das cargas de trabalho podem orientar as decisões de escalonamento e alocação para lidar com restrições de energia, capacidade e custo. Seu objetivo é contribuir para o planejamento e a operação de data centers, investigando como tornar mais produtivas a energia e a capacidade computacional, em vez de presumir que o aumento da capacidade gere automaticamente uma infraestrutura mais útil. O anúncio descreve medições planejadas, não resultados concluídos nem economias comprovadas.

Denise Muyco, CEO e cofundadora da RAVEL, afirmou que o projeto investigará como a orquestração pode tornar mais produtivos os investimentos em infraestrutura de IA, ao mesmo tempo que promove um uso mais responsável da energia.

Desenho experimental em três locais

A Primeira Fase avaliará os dois ambientes de resfriamento em três locais da Sandia conectados por uma rede de longa distância. O planejamento experimental Box–Behnken será usado nos ambientes refrigerados a ar, e o de Plackett–Burman, nos ambientes refrigerados por imersão. A largura de banda e a velocidade da rede variarão junto com outros fatores experimentais.

A análise da eficiência energética comparará cargas de trabalho idênticas nos diferentes ambientes de resfriamento e levará em conta a computação, a infraestrutura de TI e as operações dos data centers. As medições incluirão o consumo de energia, o TUE e a eficiência ajustada pelo PUE, além dos possíveis benefícios do reaproveitamento de calor. Esse escopo relaciona a alocação das cargas de trabalho aos custos indiretos das instalações e do resfriamento, em vez de medir os equipamentos de computação isoladamente.

Uma análise separada do custo total de propriedade avaliará como o escalonamento e a alocação afetam os custos de computação em ambientes distribuídos. Ela abrange despesas de capital e operacionais associadas à infraestrutura, à energia, ao resfriamento, à rede e às operações. Uma terceira linha de trabalho medirá o tempo necessário para concluir cargas de trabalho de IA, considerando o tempo de execução juntamente com o consumo de energia e o custo, para que os pesquisadores possam examinar as compensações entre esses objetivos.

Orquestração federada entre locais

A RAVEL descreve o Orchestrate AI como uma camada de orquestração federada para gerenciar cargas de trabalho de IA em recursos heterogêneos e distribuídos geograficamente. O modelo proposto coordena os locais como um único sistema, em vez de otimizar cada ambiente de forma independente. Seu escalonamento sensível à disponibilidade de energia e sua gestão orientada por políticas levam em conta a energia disponível, o custo, os requisitos de desempenho, as condições da infraestrutura, as necessidades das cargas de trabalho e as prioridades operacionais.

Dave Martinez, responsável por programas e projetos de engenharia na área de Serviços de Computação de Infraestrutura da Sandia, descreveu o escopo da colaboração: “Em um Acordo Cooperativo de Pesquisa e Desenvolvimento com a RAVEL, vamos explorar se a alocação dinâmica de cargas de trabalho pode aproveitar melhor a energia e os recursos computacionais disponíveis, equilibrando desempenho e custo.”

Esse enquadramento experimental é importante porque transferir ou reagendar uma carga de trabalho pode alterar mais do que seu consumo de energia. O desenho dos testes também acompanha os custos de rede e de operação, os ambientes de resfriamento e o tempo de execução, permitindo aos pesquisadores avaliar as decisões de alocação diante de diversas restrições de infraestrutura.

Expansão para laboratórios e SC26

A Sandia lidera a pesquisa nesta etapa inicial. Os colaboradores planejam ampliar o Project Quicksilver para outros laboratórios nacionais do Departamento de Energia dos EUA e explorar casos de uso adicionais relacionados ao meio ambiente e à otimização do desempenho.

A RAVEL e a Sandia devem discutir a abordagem experimental, as fases de teste planejadas e os resultados de pesquisa previstos no estande do Departamento de Energia durante a SC26, em 17 de novembro de 2026.

A questão central do Project Quicksilver é se tratar data centers separados como um sistema coordenado pode melhorar o uso de energia e os aspectos econômicos da computação sem prejudicar o desempenho das cargas de trabalho. Seu plano de medições transforma essa questão em um problema integrado de infraestrutura: as decisões de escalonamento afetam o consumo de energia, mas o resfriamento, a rede, os custos de capital e o tempo de conclusão também determinam se essas decisões tornam a computação distribuída mais produtiva.