Растущий аппетит ИИ к энергии: готовы ли центры обработки данных к поддержанию этого темпа?

По мере того, как искусственный интеллект (ИИ) набирает обороты, его энергетические требования создают нагрузку на центры обработки данных до предела. Новые технологии ИИ, такие как генеративный ИИ (генИИ), не только меняют отрасли, но и влияют на потребление энергии почти каждого компонента сервера – от ЦП и памяти до ускорителей и сетей.

Применения генИИ, включая Microsoft Copilot и OpenAI’s ChatGPT, требуют больше энергии, чем когда-либо прежде. К 2027 году обучение и поддержка этих систем ИИ могут потребовать столько же электроэнергии, сколько необходимо для обеспечения работы небольшой страны в течение всего года. И эта тенденция не замедляется: за последнее десятилетие потребность в энергии для компонентов, таких как ЦП, память и сети, по оценкам, увеличится на 160% к 2030 году, согласно отчету Goldman Sachs.

Использование больших языковых моделей также потребляет энергию. Например, запрос ChatGPT потребляет примерно в 10 раз больше энергии, чем традиционный поиск Google. Учитывая огромные энергетические потребности ИИ, можно ли управлять быстрым развитием отрасли устойчиво, или это приведет к дальнейшему увеличению глобального энергопотребления? Недавние исследования McKinsey показывают, что около 70% растущего спроса на рынке центров обработки данных направлено на объекты, способные обрабатывать передовые рабочие нагрузки ИИ. Этот сдвиг фундаментально меняет то, как строятся и эксплуатируются центры обработки данных, поскольку они адаптируются к уникальным требованиям этих высокомощных задач генИИ.

«Традиционные центры обработки данных часто работают с устаревшим, энергозатратным оборудованием и фиксированными емкостями, которые с трудом адаптируются к колеблющимся рабочим нагрузкам, что приводит к значительной энергетической расточительности», – сказал мне Марк Райдон, главный стратегический директор и сооснователь платформы распределенных вычислений Aethir. «Централизованная эксплуатация часто создает дисбаланс между доступностью ресурсов и потребностями в потреблении, что приводит отрасль к критической точке, где достижения могут поставить под угрозу экологические цели по мере роста требований ИИ».

Лидеры отрасли теперь напрямую решают эту проблему, инвестируя в более «зеленые» конструкции и энергосберегающие архитектуры центров обработки данных. Усилия варьируются от внедрения возобновляемых источников энергии до создания более эффективных систем охлаждения, которые могут компенсировать огромное количество тепла, генерируемого рабочими нагрузками генИИ.

Революционизация центров обработки данных для более «зеленого» будущего

Lenovo недавно представила ThinkSystem N1380 Neptune, который является значительным шагом вперед в технологии жидкостного охлаждения для центров обработки данных. Компания утверждает, что это нововведение уже позволяет организациям развертывать высокомощные вычисления для рабочих нагрузок генИИ с значительно более низким энергопотреблением – до 40% меньше энергии в центрах обработки данных. N1380 Neptune использует последнее оборудование NVIDIA, включая GPU Blackwell и GB200, что позволяет обрабатывать триллион-параметровые модели ИИ в компактной установке. Lenovo заявляет, что она намерена проложить путь для центров обработки данных, которые могут работать с серверными стойками мощностью 100 кВт и более без необходимости в отдельных системах кондиционирования воздуха.

«Мы определили значительный спрос от наших текущих потребителей: центры обработки данных потребляют больше энергии при обработке рабочих нагрузок ИИ из-за устаревших архитектур охлаждения и традиционных структурных рамок», – сказал мне Роберт Дейгл, глобальный директор по ИИ в Lenovo. «Чтобы лучше понять это, мы сотрудничали с клиентом высокопроизводительных вычислений, чтобы проанализировать их потребление энергии, что привело нас к выводу, что мы можем снизить энергопотребление на 40%». Он добавил, что компания приняла во внимание такие факторы, как энергопотребление вентиляторов и потребление энергии систем охлаждения, сравнивая их со стандартными системами, доступными через службу оценки центров обработки данных Lenovo, для разработки новой архитектуры центров обработки данных в партнерстве с Nvidia.

Британская компания по консалтингу в области информационных технологий AVEVA заявила, что она использует прогностическую аналитику для выявления проблем с компрессорами, двигателями, оборудованием HVAC, воздухообменниками и многим другим в центрах обработки данных.

«Мы обнаружили, что именно предварительное обучение генеративного ИИ потребляет огромное количество энергии», – сказал мне Джим Чаппелл, руководитель отдела ИИ и продвинутой аналитики AVEVA. «С помощью наших прогностических систем ИИ мы стремимся выявить проблемы задолго до того, как они станут серьезными, что позволяет операторам центров обработки данных исправить проблемы с оборудованием до того, как они станут значительными. Кроме того, у нас есть помощник Vision AI, который родно интегрируется с нашими системами управления для помощи в выявлении других типов аномалий, включая горячие точки температуры при использовании с камерой тепловизионного контроля».

Между тем, децентрализованные вычисления для обучения и разработки ИИ через GPU в облаке появляются как альтернатива. Райдон из Aethir объяснил, что, распределяя вычислительные задачи по более широкой и адаптируемой сети, можно оптимизировать энергопотребление, согласовывая спрос на ресурсы с их доступностью, что приводит к существенному снижению浪费 с самого начала.

«Вместо того, чтобы полагаться на крупные, централизованные центры обработки данных, наша инфраструктура «Edge» распределяет вычислительные задачи по узлам, расположенным ближе к источнику данных, что существенно снижает энергетическую нагрузку на передачу данных и снижает задержку», – сказал Райдон. «Сеть Aethir Edge минимизирует необходимость в постоянном высокомощном охлаждении, поскольку рабочие нагрузки распределяются по различным средам, а не концентрируются в одном месте, что помогает избежать энергозатратных систем охлаждения, характерных для центральных центров обработки данных».

Аналогично, компании, такие как Amazon и Google, экспериментируют с возобновляемыми источниками энергии для управления растущими потребностями в энергии в своих центрах обработки данных. Microsoft, например, вкладывает значительные средства в возобновляемые источники энергии и технологии, повышающие эффективность, для снижения энергопотребления своих центров обработки данных. Google также предпринимает шаги для перехода на углеродно-нейтральную энергию и изучения систем охлаждения, которые минимизируют энергопотребление в центрах обработки данных. «Ядерная энергия, вероятно, является самым быстрым путем к углеродно-нейтральным центрам обработки данных. Крупные поставщики центров обработки данных, такие как Microsoft, Amazon и Google, сейчас интенсивно инвестируют в этот тип генерации энергии для будущего. С помощью малых модульных реакторов (SMR) гибкость и время производства делают этот вариант еще более жизнеспособным для достижения нулевого углеродного баланса», – добавил Чаппелл из AVEVA.

Могут ли ИИ и устойчивость центров обработки данных сосуществовать?

Угур Тигли, технический директор платформы инфраструктуры ИИ MinIO, говорит, что, хотя мы надеемся на будущее, где ИИ может развиваться без значительного скачка энергопотребления, это просто не реалистично в краткосрочной перспективе. «Долгосрочные последствия более сложны для прогнозирования», – сказал он мне, – «но мы увидим сдвиг в рабочей силе, и ИИ поможет улучшить энергопотребление во всех областях». Тигли считает, что по мере того, как энергоэффективность станет приоритетом на рынке, мы увидим рост вычислительных возможностей вместе с снижением энергопотребления в других секторах, особенно когда они становятся более эффективными.

Он также отметил, что растет интерес потребителей к более «зеленым» решениям ИИ. «Представьте себе приложение ИИ, которое работает на 90% эффективности, но потребляет только половину энергии – это именно тот тип инноваций, который может действительно взлететь», – добавил он. Ясно, что будущее ИИ не только в инновациях, но и в устойчивости центров обработки данных. Будь то разработка более эффективного оборудования или более умного использования ресурсов, то, как мы управляем энергопотреблением ИИ, существенно повлияет на проектирование и эксплуатацию центров обработки данных.

Райдон подчеркнул важность отраслевых инициатив, которые фокусируются на устойчивых конструкциях центров обработки данных, энергосберегающих рабочих нагрузках ИИ и открытой совместной работе ресурсов. «Это важные шаги к более «зеленым» операциям», – сказал он. «Бизнес, использующий ИИ, должен сотрудничать с технологическими компаниями для создания решений, которые снижают воздействие на окружающую среду. Работая вместе, мы можем направить ИИ к более устойчивому будущему».