Центры обработки данных на основе ИИ требуют более быстрого проектирования: они нуждаются не только в более мощном охлаждении

Искусственный интеллект преобразует цифровую работу, но его влияние все больше ощущается в физической сфере. ИИ в огромном масштабе требует намного больше энергии, чем раньше. А центры обработки данных, в которых размещены эти серверы ИИ, борются за то, чтобы справиться с спросом. Фактически, отчет компании Deloitte подсчитал, что к 2035 году спрос на энергию со стороны центров обработки данных ИИ в Соединенных Штатах может вырасти более чем в тридцать раз.

Однако проблема заключается не только в потреблении энергии. Центры обработки данных, в которых размещены эти серверы ИИ, должны учитывать огромное количество тепла, которое генерирует эта технология. Современные кластеры GPU могут достигать 50 кВт на стойку и более. Это ошеломляющий десятикратный рост по сравнению со стандартными серверами вычислений последнего десятилетия.

Системы охлаждения, которые долгое время использовались в центрах обработки данных для управления нагрузками ИТ, теперь отстают от этих новых тепловых выбросов. Инфраструктура просто не может справиться, оставляя инженеров, ответственных за проектирование систем охлаждения центров обработки данных, с новым вызовом. Инженеры, ответственные за проектирование инфраструктуры, готовой к ИИ, все чаще обнаруживают, что традиционные рабочие процессы проектирования не могут справиться с масштабом и скоростью развертывания ИИ.

Возможно, парадоксально, но ИИ одновременно увеличивает спрос на емкость центров обработки данных и преобразует процесс проектирования, используемый для создания этой емкости. Те же самые достижения в области ИИ, которые стимулируют беспрецедентные требования к инфраструктуре, также начинают ускорять процесс моделирования, проверки и оптимизации физических систем, которые поддерживают эти нагрузки.

По сути, ИИ становится частью процесса проектирования инфраструктуры, которая запускает ИИ.

В свете этого многие инженерные команды принимают облачные, ускоренные ИИ симуляционные рабочие процессы, которые позволяют им оценить тепловые характеристики, стратегии охлаждения и компромиссы в инфраструктуре до начала строительства.

Когда речь идет о современной инфраструктуре центров обработки данных, ставки таковы, что любая ошибка может быть разрушительной. Доказательство производительности до начала строительства стало императивом для долгосрочного успеха, а не полагаться на предположения, правила большого пальца или позднюю проверку.

Традиционная инфраструктура охлаждения под давлением

К сожалению для инженерных команд, нагрузки ИИ фундаментально отличаются от традиционных облачных вычислений. С ИИ нет колебаний, требования к сети, тепловыделение и потребление энергии постоянны.

Этот сдвиг, в частности, подчеркивает ключевую слабость многих центров обработки данных. Многие из них были построены под предположением, что такого постоянного спроса не будет. И поскольку эти системы охлаждения часто сами являются высокоэнергозатратными, становится все более невозможным “переохладить” и предположить, что это покроет потребности центра обработки данных. Этот подход и приоритет безотказной работы приведут к быстрому росту затрат и потребления энергии.

В конце концов, перекресток, на котором многие центры обработки данных оказываются, не является вопросом “больше тепла”. Определяющий риск, который несет рост ИИ, заключается в гораздо более узком поле для ошибок.

Для разработчиков центров обработки данных каждая задержка в процессе проверки может повлиять на обязательства перед клиентами, планирование емкости или энергетические затраты.

Исторически инженерные команды могли компенсировать неопределенность за счет переоценки, консервативных предположений при проектировании и поздней проверки. Инфраструктура ИИ меняет это уравнение. Скорость развертывания, необходимые капитальные вложения и растущая плотность стойки оставляют гораздо меньше места для метода проб и ошибок. Решения, которые можно было проверить позже, теперь необходимо доказать гораздо раньше в процессе проектирования.

Новая реальность: доказательство тепловых характеристик до начала строительства

Когда поле для ошибок сокращается, инженерные команды переносят тепловой анализ на более раннюю стадию проектирования, когда изменения еще относительно недороги и проект еще гибок. Вместо того, чтобы ждать до ввода в эксплуатацию, чтобы узнать, достаточны ли модели воздушных потоков, планировка стойки, стратегии содержания или размещение оборудования для охлаждения, они могут смоделировать воздушные потоки и теплопередачу до начала строительства.

Это позволяет инженерам выявить горячие точки, протестировать стратегии охлаждения и сравнить варианты проектирования в реалистичных условиях эксплуатации. Команда может оценить, достигает ли холодный воздух высокоплотных стойки, рециркулируется ли горячий выпуск в входы оборудования и используется ли охлаждающая способность эффективно.

Здесь имеет значение архитектура платформы. Для команд, работающих под интенсивным давлением, симуляция не может оставаться ограниченной небольшой группой специалистов с доступом к выделенным ресурсам высокопроизводительных вычислений. Использование облачной симуляционной платформы делает высокоточные анализы доступными для整个 инженерной команды, а не только для небольшой группы людей. Это позволяет командам запускать исследования, сравнивать варианты проектирования и сотрудничать без создания и поддержания собственной вычислительной инфраструктуры.

С учетом ИИ в этом рабочем процессе роль самой симуляции начинает меняться. Исторически симуляция была ограничена экспертизой, временем и вычислительными ресурсами. Запуск высокоточных исследований часто требовал специализированных знаний, выделенного оборудования и длительных циклов итераций.

ИИ в инженерии, использующий почти автономные агенты, которые автоматизируют и ускоряют рабочие процессы проектирования, симуляции и анализа, помогает снизить эти барьеры, ускоряя настройку модели, выявляя соответствующие идеи и позволяя командам оценить больше вариантов проектирования за меньшее время. Вместо того, чтобы зарезервировать симуляцию для окончательной проверки, инженерные команды могут использовать ускоренные ИИ рабочие процессы для изучения альтернатив непрерывно на протяжении всего процесса проектирования.

Результатом не является просто более быстрая симуляция. Это более быстрое инновации.

Итак, как это выглядит в реальности для инженерных команд? Рассмотрим компанию, которая производит системы охлаждения и вентиляции для крупных объектов, необходимых для более быстрого тестирования новых конструкций оборудования. Обычно эти компании должны создавать физические прототипы, привлекать внешних специалистов и тратить несколько недель на проверку того, правильно ли движется и смешивается воздух внутри системы.

Но когда эта компания решает использовать программное обеспечение для симуляции для создания виртуальной версии тестовой установки, уравнение меняется. Этот подход позволяет инженерам тестировать воздушные потоки и температурные характеристики на компьютере до создания реального продукта.

И результаты часто дают реальное влияние. Фаза предварительного тестирования может быть сокращена до 2-3 недель, а время инженерных работ может уменьшиться до 40 часов вместо 85 в более традиционных рабочих процессах.

Но ценность здесь намного больше, чем просто экономия времени. Реальная ценность заключается в способности инженерной команды задавать больше вопросов и изучать возможности раньше. Что происходит, если плотность стойки увеличивается? Что происходит, если воздушные потоки меняются? Что происходит, если предположения о резервировании не оправдываются?

Включение такого уровня исследования – это то, что возвышает симуляцию от аналитического инструмента до важнейшего компонента стратегии проектирования инфраструктуры.

Инфраструктура ИИ требует ускоренного ИИ-проектирования

Следующая фаза инфраструктуры ИИ не будет определяться только размером объекта, плотностью стойки или охлаждающей способностью. Она также будет определяться тем, насколько быстро инженерные команды могут доказать, что эти системы будут работать до их строительства.

Именно там возникнет следующее конкурентное преимущество отрасли. Разработчики центров обработки данных, которые переносят симуляцию на более раннюю стадию проектирования, делают ее доступной для инженерных команд и сочетают ее с ускоренными ИИ-рабочими процессами, будут лучше подготовлены к принятию уверенных решений до того, как будут вложены капитальные средства и начнется строительство.

По мере того, как ИИ продолжает менять физические требования, предъявляемые к центрам обработки данных, он также изменит способ, которым эти объекты будут спроектированы. Организации, которые возглавят эту следующую эру, не просто отреагируют на более высокие тепловые нагрузки или более жесткие энергетические ограничения. Они создадут процессы проектирования, способные предвидеть их.