Растущий аппетит ИИ к энергии: готовы ли центры данных поддерживать это?

По мере того, как искусственный интеллект (ИИ) набирает обороты, его энергетические требования создают нагрузку на центры данных до предела. Новое поколение технологий ИИ, таких как генеративный ИИ (генИИ), не только преобразуют отрасли, но и их энергопотребление влияет практически на каждый компонент сервера данных – от ЦП и памяти до ускорителей и сетей.

Применения генИИ, включая Microsoft’s Copilot и OpenAI’s ChatGPT, требуют больше энергии, чем когда-либо прежде. К 2027 году обучение и поддержка этих систем ИИ могут потреблять достаточно электроэнергии, чтобы обеспечить небольшую страну в течение всего года. И эта тенденция не замедляется: за последнее десятилетие спрос на энергию для компонентов, таких как ЦП, память и сеть, по оценкам, увеличится на 160% к 2030 году, согласно отчету Goldman Sachs.

Использование больших языковых моделей также потребляет энергию. Например, запрос в ChatGPT потребляет примерно в десять раз больше, чем традиционный поиск Google. Учитывая огромные энергетические требования ИИ, можно ли управлять быстрым прогрессом отрасли устойчиво, или он будет способствовать дальнейшему увеличению глобального энергопотребления? Недавние исследования McKinsey показывают, что около 70% растущего спроса на рынке центров данных направлено на объекты, оснащенные для обработки передовых рабочих нагрузок ИИ. Этот сдвиг фундаментально меняет, как строятся и управляются центры данных, поскольку они адаптируются к уникальным требованиям этих высокомощных задач генИИ.

“Традиционные центры данных часто работают с устаревшим, энергозатратным оборудованием и фиксированными возможностями, которые с трудом адаптируются к колеблющимся рабочим нагрузкам, что приводит к значительным энергетическим потерям,” Марк Райдон, главный стратегический директор и сооснователь платформы распределенного облачного вычисления Aethir, рассказал мне. “Централизованные операции часто создают 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 энергоэффективные архитектуры для центров данных. Усилия варьируются от принятия возобновляемых источников энергии до создания более эффективных систем охлаждения, которые могут компенсировать огромные количества тепла, генерируемого рабочими нагрузками генИИ.

Революционизация центров данных для более зеленого будущего

Lenovo недавно представила ThinkSystem N1380 Neptune, значительный шаг вперед в технологии жидкостного охлаждения для центров 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 данных. N1380 Neptune использует последнее оборудование NVIDIA, включая Blackwell и GB200 GPU, что позволяет обрабатывать триллион-параметров модели ИИ в компактной установке. Lenovo заявляет, что она намерена проложить путь для центров данных, которые могут работать на стойках серверов 100КВт+ без необходимости в отдельных системах кондиционирования воздуха.

“Мы определили значительный спрос от наших текущих потребителей: центры данных потребляют больше энергии при обработке рабочих нагрузок ИИ из-за устаревших архитектур охлаждения и традиционных структурных рамок,” Роберт Дейгл, глобальный директор по ИИ в Lenovo, рассказал мне. “Чтобы лучше понять это, мы сотрудничали с клиентом высокопроизводительных вычислений (HPC), чтобы проанализировать их потребление энергии, что привело нас к выводу, что мы можем снизить энергопотребление на 40%.” Он добавил, что компания учитывала такие факторы, как энергопотребление вентиляторов и энергопотребление блоков охлаждения, сравнивая их со стандартными системами, доступными через услугу оценки центра данных Lenovo, для разработки новой архитектуры центра 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 т. д.

“Мы обнаружили, что именно предварительное обучение генеративного ИИ потребляет огромную мощность,” Джим Чаппелл, руководитель отдела ИИ и продвинутой аналитики AVEVA, рассказал мне. “С помощью наших прогностических систем, управляемых ИИ, мы стремимся выявить проблемы задолго до того, как это сделает любая система SCADA или система управления, позволяя операторам центров данных исправлять проблемы с оборудованием до того, как они станут серьезными. Кроме того, у нас есть помощник Vision AI, который интегрируется с нашими системами управления для выявления других типов аномалий, включая горячие точки температуры при использовании с камерой тепловизора.”

Между тем, децентрализованное вычисление для обучения и разработки ИИ через GPU в облаке появляется как альтернатива. Райдон из Aethir объяснил, что, распределяя вычислительные задачи по более широкой и адаптируемой сети, можно оптимизировать энергопотребление, выравнивая спрос на ресурсы с их доступностью, что приводит к значительному снижению потерь с самого начала.

“Вместо того, чтобы полагаться на крупные, централизованные центры 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 постоянных высокомощных системах охлаждения, поскольку рабочие нагрузки распределяются по различным средам, а не концентрируются в одном месте, что помогает избежать энергозатратных систем охлаждения, типичных для центральных центров данных.”

Аналогично, компании, такие как Amazon и Google, экспериментируют с возобновляемыми источниками энергии для управления растущими энергетическими потребностями в своих центрах данных. Microsoft, например, инвестирует значительные средства в возобновляемые источники энергии и технологии, повышающие эффективность, для снижения энергопотребления своих центров данных. Google также предпринимает шаги для перехода на углеродно-нейтральную энергию и изучения систем охлаждения, которые минимизируют энергопотребление в центрах данных. “Ядерная энергия, вероятно, является самым быстрым путем к углеродно-нейтральным центрам данных. Крупные поставщики центров данных, такие как Microsoft, Amazon и Google, сейчас значительно инвестируют в этот тип энергетики 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.

Может ли ИИ и устойчивость центров данных сосуществовать?

Угур Тигли, технический директор платформы ИИ MinIO, говорит, что, хотя мы надеемся на будущее, где ИИ может развиваться без значительного скачка энергопотребления, это просто не реально в краткосрочной перспективе. “Долгосрочные последствия труднее предсказать,” он рассказал мне, “но мы увидим сдвиг в рабочей силе, и ИИ поможет улучшить энергопотребление во всем мире.” Тигли считает, что по мере того, как энергоэффективность становится приоритетом на рынке, мы увидим рост вычислительной мощности вместе с снижением энергопотребления в других секторах, особенно когда они становятся более эффективными.

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

Райдон подчеркнул важность отраслевых инициатив, которые фокусируются на устойчивых конструкциях центров данных, энергоэффективных рабочих нагрузках ИИ и открытой совместной работе над ресурсами. “Эти шаги являются важными для более зеленых операций,” он сказал. “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.”