AI:s växande aptit på kraft: Är datacenter redo att hålla jämna steg?

Medan artificiell intelligens (AI) rusar framåt, belastar dess energibehov datacenter till bristningsgränsen. Nästa generations AI-teknik som generativ AI (genAI) förändrar inte bara branscher – deras energiförbrukning påverkar nästan varje dataserverkomponent, från CPU och minne till acceleratorer och nätverk.

GenAI-applikationer, inklusive Microsofts Copilot och OpenAI:s ChatGPT, kräver mer energi än någonsin tidigare. År 2027 kan utbildning och underhåll av dessa AI-system ensam förbruka tillräckligt med el för att driva ett litet land i ett helt år. Och trenden mattas inte av: under det senaste decenniet beräknas energibehovet för komponenter som CPU, minne och nätverk öka med 160 % till 2030, enligt en Goldman Sachs-rapport.

Användningen av stora språkmodeller förbrukar också energi. Till exempel förbrukar en ChatGPT-fråga ungefär tio gånger mer energi än en traditionell Google -sökning. Med tanke på AI:s enorma energibehov, kan branschens snabba framsteg hanteras på ett hållbart sätt, eller kommer de att bidra till den globala energiförbrukningen? McKinseys senaste forskning visar att cirka 70 % av den ökande efterfrågan på datacentermarknaden är inriktad på anläggningar som är utrustade för att hantera avancerade AI-arbetsbelastningar. Denna förändring förändrar grundläggande hur datacenter byggs och drivs, eftersom de anpassar sig till de unika kraven för dessa högpresterande genAI-uppgifter.

”Traditionella datacenter fungerar ofta med åldrande, energikrävande utrustning och fasta kapaciteter som har svårt att anpassa sig till varierande arbetsbelastningar, vilket leder till betydande energislöseri”, sa Mark Rydon, Chief Strategy Officer och medgrundare av den distribuerade molntjänsten Aethir, till mig. ”Centraliserade verksamheter skapar ofta en obalans mellan tillgängliga resurser och konsumtionsbehov, vilket leder branschen till en kritisk punkt där framsteg kan riskera att undergräva miljömål när AI-drivna krav ökar.”

Branschledare möter nu utmaningen direkt, genom att investera i grönare design och energisnåla arkitekturer för datacenter. Insatser sträcker sig från att anta förnybara energikällor till att skapa mer effektiva kylsystem som kan kompensera den enorma värme som genereras av genAI-arbetsbelastningar.

Att revolutionera datacenter för en grönare framtid

Lenovo introducerade nyligen ThinkSystem N1380 Neptune, ett stort steg framåt i vätskekylteknik för datacenter. Företaget hävdar att innovationen redan möjliggör för organisationer att distribuera högpresterande beräkningar för genAI-arbetsbelastningar med betydligt lägre energiförbrukning – upp till 40 % mindre kraft i datacenter. N1380 Neptune använder Nvidias senaste hårdvara, inklusive Blackwell och GB200 GPU:er, vilket möjliggör hantering av trillionparametrars AI-modeller i en kompakt konfiguration. Lenovo säger att de syftar till att bana väg för datacenter som kan drivas med 100 kW+ servrar utan behov av dedikerad luftkonditionering.

”Vi identifierade ett betydande krav från våra nuvarande kunder: datacenter förbrukar mer kraft när de hanterar AI-arbetsbelastningar på grund av föråldrade kylarkitekturer och traditionella strukturer”, sa Robert Daigle, Global Director of AI på Lenovo, till mig. ”För att förstå detta bättre samarbetade vi med en kund inom högpresterande beräkningar (HPC) för att analysera deras energiförbrukning, vilket ledde oss till slutsatsen att vi kunde minska energiförbrukningen med 40 %.” Han tillade att företaget tog hänsyn till faktorer som fläktkraft och kraftförbrukning av kylenheter, och jämförde dessa med standardsystem som finns tillgängliga genom Lenovos datacenterutvärderingstjänst, för att utveckla den nya datacenterarkitekturen i samarbete med Nvidia.

Det UK-baserade IT-konsultföretaget AVEVA säger att de använder prediktiv analys för att identifiera problem med datacenterkompressorer, motorer, HVAC-utrustning, luftbehandlingsanläggningar och mer.

”Vi fann att det är förträningen av generativ AI som förbrukar enorm mängd kraft”, sa Jim Chappell, AVEVA:s chef för AI och avancerad analys, till mig. ”Genom våra prediktiva AI-drivna system syftar vi till att hitta problem långt innan något SCADA- eller kontrollsystem, vilket möjliggör för datacenteroperatörer att åtgärda utrustningsproblem innan de blir stora problem. Dessutom har vi en Vision AI-assistent som integreras naturligt med våra kontrollsystem för att hjälpa till att hitta andra typer av avvikelser, inklusive temperaturheta fläckar när den används med en värmebildskamera.”

Samtidigt växer decentraliserad beräkning för AI-utbildning och utveckling via GPU:er över molnet som ett alternativ. Aethirs Rydon förklarade att genom att distribuera beräkningsuppgifter över ett bredare, mer anpassningsbart nätverk kan energiförbrukningen optimeras genom att anpassa resurskraven till tillgängligheten, vilket leder till betydande minskningar av slöseri från början.

”Istället för att förlita sig på stora, centraliserade datacenter, sprider vår ’Edge’-infrastruktur beräkningsuppgifter till noder närmare datakällan, vilket drastiskt minskar energibehovet för dataöverföring och minskar latensen”, sa Rydon. ”Aethir Edge-nätverket minimerar behovet av konstant högkraftkylning, eftersom arbetsbelastningar distribueras över olika miljöer snarare än koncentreras till en enda plats, vilket hjälper till att undvika energikrävande kylsystem som är typiska för centrala datacenter.”

Likaså experimenterar företag som Amazon och Google med förnybara energikällor för att hantera de ökande energibehoven i sina datacenter. Microsoft investerar kraftigt i förnybara energikällor och effektivitetsförbättrande tekniker för att minska energiförbrukningen i sina datacenter. Google har också tagit steg för att övergå till koldioxidfri energi och undersöka kylsystem som minimerar energiförbrukning i datacenter. ”Kärnkraft är troligen den snabbaste vägen till koldioxidfria datacenter. Stora datacenterleverantörer som Microsoft, Amazon och Google investerar nu heavily i denna typ av kraftgenerering för framtiden. Med små modulära reaktorer (SMR) gör flexibiliteten och tid till produktion detta till ett ännu mer livskraftigt alternativ för att uppnå nollutsläpp”, tillade AVEVA:s Chappell.

Kan AI och datacenterhållbarhet samexistera?

Ugur Tigli, CTO på AI-infrastrukturplattformen MinIO, säger att medan vi hoppas på en framtid där AI kan utvecklas utan en enorm ökning av energiförbrukning, är det inte realistiskt på kort sikt. ”Långsiktiga effekter är svårare att förutsäga”, sa han till mig, ”men vi kommer att se en förändring i arbetsstyrkan, och AI kommer att hjälpa till att förbättra energiförbrukningen över hela linjen.” Tigli tror att när energieffektivitet blir en marknadsprioritet, kommer vi att se tillväxt i beräkningskraft tillsammans med minskningar av energiförbrukning i andra sektorer, särskilt när de blir mer effektiva.

Han påpekade också att det finns ett växande intresse bland konsumenter för grönare AI-lösningar. ”Tänk dig en AI-applikation som fungerar med 90 % effektivitet men använder bara hälften så mycket kraft – det är den typen av innovation som kan verkligen ta fart”, sa han. Det är tydligt att framtiden för AI inte bara handlar om innovation, utan också om datacenterhållbarhet. Oavsett om det är genom att utveckla mer effektiv hårdvara eller smartare sätt att använda resurser, kommer hanteringen av AI:s energiförbrukning att ha en stor inverkan på designen och driften av datacenter.

Rydon betonade vikten av branschomfattande initiativ som fokuserar på hållbara datacenterdesigner, energisnåla AI-arbetsbelastningar och öppen resursdelning. ”Detta är avgörande steg mot grönare verksamhet”, sa han. ”Företag som använder AI bör samarbeta med teknikföretag för att skapa lösningar som minskar miljöpåverkan. Genom att arbeta tillsammans kan vi styra AI mot en mer hållbar framtid.”