InfraPartners и Emerald AI представляют «Гибкие центры обработки данных» для решения проблемы энергетической мощности ИИ

Быстрое расширение искусственного интеллекта доводит энергетическую инфраструктуру до предела. Обучение и запуск крупномасштабных моделей ИИ требует массивных вычислительных кластеров, которые потребляют огромное количество электроэнергии, часто быстрее, чем местные энергосистемы могут расшириться. В ответ на это InfraPartners и Emerald AI объявили о партнерстве, направленном на фундаментальный пересмотр того, как центры обработки данных ИИ взаимодействуют с энергосистемой, подробности которого изложены в белой книге.

Компании представляют новую архитектуру под названием Гибкие центры обработки данных, объединяющую модульный дизайн инфраструктуры InfraPartners с программным обеспечением для оркестровки Emerald AI. Цель состоит в том, чтобы превратить центры обработки данных из статических потребителей электроэнергии в динамичных участников энергосистемы, способных регулировать свою потребность в электроэнергии в реальном времени.

Вместо того, чтобы рассматривать потребление энергии как фиксированное, этот подход позволяет объектам согласовывать вычислительные нагрузки с состоянием энергосистемы, доступностью возобновляемой энергии и ценами на электроэнергию, что позволяет разблокировать дополнительную мощность и улучшить общую стабильность энергосистемы.

Почему инфраструктура ИИ создает энергетический кризис

Нагрузки ИИ являются одним из самых быстрорастущих источников спроса на электроэнергию во всем мире. Белая книга, выпущенная вместе с партнерством, подчеркивает, как центры обработки данных стали одной из наиболее географически集中ых и быстро растущих нагрузок на современные энергосистемы.

В то же время расширение энергосистем отстает. Строительство линий электропередачи, нехватка рабочей силы и ограничения цепочки поставок означают, что новые объекты могут столкнуться с многолетними ожиданиями для получения подключения к энергосистеме. Тем временем, растущая доля возобновляемой энергии, особенно ветровой и солнечной, вводит волатильность в предложение, что делает балансировку генерации и спроса в реальном времени более сложной.

Эта динамика создает структурное несоответствие: инфраструктура ИИ требует больше энергии, но энергосистема не может расшириться достаточно быстро, чтобы обеспечить ее.

Белая книга утверждает, что решение может не заключаться просто в строительстве большей мощности энергосистемы. Вместо этого она предлагает, что сами центры обработки данных могут стать гибкими ресурсами, помогающими стабилизировать энергосистему, поглощая избыточную возобновляемую энергию или снижая спрос во время пиковой нагрузки энергосистемы.

Схема гибкого центра обработки данных

Сотрудничество объединяет две основные технологии:

• Архитектура Upgradeable Data Center от InfraPartners, предназначенная для поддержки последовательных поколений оборудования ИИ без значительных переработок.
• Платформа Emerald Conductor от Emerald AI, программный слой, который оркестрирует вычислительные нагрузки, системы объектов и сигналы энергосистемы.

Вместе они образуют то, что компании называют гибким центром обработки данных, предназначенным для участия в энергетических рынках и управлении энергосистемой.

Согласно белой книге, это интеграция позволяет центрам обработки данных поддерживать рост ИИ, одновременно улучшая надежность энергосистемы, снижая выбросы и открывая новую экономическую ценность через программы энергосистемы.

Вместо того, чтобы вносить гибкость позже, архитектура интегрирует осведомленность об энергии в операции объекта с первого дня.

Три измерения гибкости центра обработки данных

Центральным в этом дизайне является框架, который делит гибкость центра обработки данных на три взаимодействующих слоя: временную, пространственную и ресурсную гибкость.

Временная гибкость

Временная гибкость фокусируется на сдвиге потребления электроэнергии во времени. Вместо того, чтобы запускать нагрузки непрерывно на полной интенсивности, вычислительные задачи можно планировать на основе доступности электроэнергии, цен или уровней нагрузки энергосистемы.

Техники включают:

• отсрочку не срочных нагрузок обучения ИИ
• динамическое снижение потребления электроэнергии ИТ
• регулирование работы системы охлаждения
• координацию с системами хранения энергии на объекте

Этот подход позволяет центрам обработки данных снижать нагрузку во время пикового спроса энергосистемы, одновременно увеличивая потребление электроэнергии, когда генерация возобновляемой энергии является избыточной.

Пространственная гибкость

Пространственная гибкость расширяет эту концепцию за пределы одного объекта.

Большие операторы ИИ часто запускают несколько центров обработки данных в разных регионах. Перемещая нагрузки между объектами, операторы могут направлять вычислительные задачи в места, где электроэнергия дешевле, чище или более доступна.

На практике это означает, что нагрузки ИИ могут следовать за генерацией возобновляемой энергии или избегать регионов, испытывающих перегрузку энергосистемы.

Ресурсная гибкость

Третий слой включает координацию всех контролируемых инфраструктур в центре обработки данных.

Это включает:

• GPU и системы ИТ
• инфраструктуру охлаждения
• системы бесперебойного питания (UPS)
• системы хранения батарей
• генерацию электроэнергии на объекте

Когда эти активы оркестрируются вместе, они позволяют объекту регулировать потребление электроэнергии, сохраняя при этом надежность и требования к уровню обслуживания.

Emerald Conductor: оркестровка вычислений, объектов и энергосистемы

Слой оркестровки, который позволяет этим возможностям, представляет собой платформу Emerald Conductor от Emerald AI.

Система работает как иерархическая платформа управления, охватывающая три операционных слоя:

1. Слой ИТ

На уровне вычислений Emerald Conductor интегрируется с планировщиками нагрузок и системой телеметрии для регулирования интенсивности вычислений. Прогностические модели выявляют нагрузки, которые можно отложить или изменить без нарушения требований к уровню обслуживания.

Обучение ИИ, пакетная обработка и другие нагрузки, не критичные к задержке, становятся кандидатами для гибкого планирования.

2. Слой объекта

Платформа также связывается с системой управления зданием (BMS) центра обработки данных, принимая телеметрию от инфраструктуры охлаждения, оборудования распределения электроэнергии, систем UPS и батарей.

Это позволяет программному обеспечению динамически регулировать параметры эксплуатации, отправлять запасную энергию или координировать стратегии охлаждения, уважая при этом требования к безопасности и резервированию.

DC Flex Ready Executive White P…

3. Слой интерфейса энергосистемы

На внешнем уровне Emerald Conductor связывает центры обработки данных с сигналами энергосистемы, включая события реагирования на спрос, оптовые цены на электроэнергию и сигналы надежности.

Эти сигналы переводятся в координированные действия по ИТ-инфраструктуре и объектам, что позволяет автоматически участвовать в программах энергетического рынка и услугах стабилизации энергосистемы.

Архитектура Upgradeable Data Center от InfraPartners

Пока Emerald AI предоставляет слой оркестровки, InfraPartners фокусируется на том, как физическая инфраструктура спроектирована и построена.

Архитектура Upgradeable Data Center предназначена для решения другой, но связанной проблемы: быстрого развития оборудования ИИ.

Современные GPU и ускорители часто требуют новых плотностей мощности, технологий охлаждения и планировки инфраструктуры каждые несколько лет. Традиционные центры обработки данных испытывают трудности с адаптацией, что приводит к дорогостоящим модернизациям или неработающей мощности.

Дизайн InfraPartners вводит фунгируемую архитектуру питания и охлаждения, способную поддерживать несколько поколений оборудования без значительных переработок.

Компания также сильно полагается на фабричную конструкцию, при которой примерно 80% объекта собирается и тестируется на заводе до развертывания. Этот модель производства снижает сроки строительства, одновременно улучшая контроль качества и повторяемость.

Объекты могут расширяться пошагово, от развертываний мощностью 5 мегаватт до кампусов мощностью гигаватт, что позволяет операторам увеличивать мощность по мере роста спроса на ИИ.

Интеграция гибкости на уровне инфраструктуры

Партнерство интегрирует две системы через глубокую телеметрию и интеграцию управления.

Системы управления зданием InfraPartners передают данные операционной информации, включая показатели мощности, охлаждения и энергосистемы, в двигатель оптимизации Emerald Conductor.

Платформа оркестровки затем определяет, как нагрузки, системы инфраструктуры и энергетические активы должны реагировать на состояние энергосистемы.

Поскольку инфраструктура спроектирована с учетом гибкости, система может безопасно регулировать операции без компрометации требований к надежности или времени безотказной работы.

Этот уровень интеграции также позволяет центрам обработки данных участвовать в программах энергосистемы, таких как:

• реагирование на спрос
• оптовые энергетические рынки
• услуги надежности энергосистемы

Эти программы создают новые потоки доходов, помогая одновременно коммунальным предприятиям управлять спросом на электроэнергию.

Новая модель для инфраструктуры ИИ

По мере продолжения роста ИИ доступность энергии становится одним из определяющих ограничений на рост технологии.

Модель гибкого центра обработки данных предлагает другой подход к масштабированию вычислительной инфраструктуры. Вместо того, чтобы рассматривать центры обработки данных как пассивные нагрузки на энергосистему, дизайн позиционирует их как активных участников энергетических систем, способных координировать спрос на вычисления с доступностью электроэнергии.

Если эта архитектура будет широко принята, она может помочь ускорить развертывание ИИ, одновременно снижая нагрузку на электроинфраструктуру – все более критическую проблему по мере роста моделей ИИ и увеличения их энергопотребления.