Центри даних для штучного інтелекту потребують більшої швидкості інженерії: вони потребують швидшої інженерії

Штучний інтелект трансформує цифрову роботу, але його вплив все більше фізичний. Штучний інтелект у масштабах вимагає значно більше енергії, ніж раніше. А центри даних, які розміщують ці сервери штучного інтелекту, борються за те, щоб впоратися з попитом. Насправді, звіт компанії Deloitte оцінює, що до 2035 року попит на енергію від центрів даних штучного інтелекту тільки в США може зростати більш ніж у тридцять разів.

Однак, проблема не лише в питанні використання енергії. Центри даних, які розміщують ці сервери штучного інтелекту, повинні враховувати рівень тепла, який створює ця технологія. Сучасні кластери GPU можуть досягати 50 кВт на стелаж і більше. Це десятикратне збільшення порівняно зі стандартними серверами обчислень лише останнього десятиліття.

Системи охолодження, які протягом тривалого часу були встановлені в центрах даних для ефективного управління ІТ-навантаженням, тепер відстають від цих нових теплових навантажень. Інфраструктура просто не може впоратися, залишаючи тих, хто займається проектуванням систем охолодження центрів даних, перед новим викликом. Інженери, які відповідають за проектування інфраструктури, готової до штучного інтелекту, все частіше виявляють, що традиційні інженерні робочі процеси не можуть впоратися з масштабом і швидкістю розгортання штучного інтелекту.

Можливо, парадоксально, але штучний інтелект одночасно збільшує попит на потужність центрів даних і трансформує інженерний процес, який використовується для будівництва цієї потужності. Ті самі досягнення в галузі штучного інтелекту, які призводять до безпрецедентних вимог до інфраструктури, також починають прискорювати процес моделювання, перевірки та оптимізації фізичних систем, які підтримують ці навантаження.

По суті, штучний інтелект стає частиною процесу проектування інфраструктури, яка використовується для його роботи.

У світлі цього багато інженерних команд приймають хмарні, прискорені штучним інтелектом робочі процеси моделювання, які дозволяють їм оцінювати теплову продуктивність, стратегії охолодження та компроміси в інфраструктурі до початку будівництва.

Коли мова йде про сучасну інфраструктуру центрів даних, ставки означають, що будь-яка помилка може бути катастрофічною. Доказування продуктивності до початку будівництва стало імперативом для довгострокового успіху, а не залежністю від припущень, правил і пізньої перевірки.

Традиційна інфраструктура охолодження під тиском

На жаль, для інженерних команд навантаження штучного інтелекту фундаментально відрізняються від традиційних хмарних обчислень. Не існує коливань з штучним інтелектом, мережеві вимоги, тепловиділення та енергоспоживання постійні.

Ця зміна частково розкриває ключову слабкість багатьох центрів даних. Багато з них були побудовані під припущенням, що такого тривалого попиту не буде потрібно. І оскільки ці системи охолодження часто дуже енергозатратні, швидко стає неможливим “переохолоджувати” і припускати, що це покриє потреби центру даних. Прийняття такого підходу та пріоритет надійності спричинить швидке зростання витрат і енергоспоживання.

У кінцевому підсумку, роздоріжжя, на якому багато центрів даних знаходяться, не є питанням “більше тепла”. Визначальною ризиком, який приносить зростання штучного інтелекту, є значно менший запас безпеки.

Для розробників центрів даних кожна затримка у процесі перевірки може вплинути на зобов’язання перед клієнтами, планування потужності або енергоспоживання.

Історично інженерні команди могли компенсувати невизначеність шляхом надрозрахунку, консервативних проектних припущень і пізньої перевірки. Інфраструктура штучного інтелекту змінює цю рівність. Темп розгортання, капіталовкладення, необхідні для цього, та зростаючі щільності стелажів залишають значно менше місця для інженерії методом проб і помилок. Рішення, які можна було б перевірити пізніше, тепер потрібно довести значно раніше на етапі проектування.

Нова реальність: доведення теплової продуктивності до початку будівництва

Зменшення запасу безпеки призводить до того, що інженерні команди переносять аналіз тепла на раніші етапи проектування, коли зміни все ще дешеві та проект залишається гнучким. Натомість ніж чекати до початку експлуатації, щоб виявити, чи достатні повітряні потоки, плани стелажів, стратегії утримання або розміщення обладнання охолодження, вони можуть моделювати повітряні потоки та теплопередачу до початку будівництва.

Це дозволяє інженерам визначити гарячі точки, протестувати стратегії охолодження та порівняти проектні варіанти в реалістичних умовах експлуатації. Команда може оцінити, чи досягає холодне повітря високощільних стелажів, чи гарячий вихід повторно циркулює в входи обладнання, та чи використовується охолоджувальна потужність ефективно.

Це місце, де архітектура платформи має значення. Для команд, які працюють під інтенсивним тиском, моделювання не може залишатися обмеженим малим колом спеціалістів з доступом до спеціалізованих ресурсів ХПК. Використання хмарної платформи моделювання робить високоякісний аналіз доступним для всієї інженерної команди, а не лише для малої групи осіб. Це дозволяє командам проводити дослідження, порівнювати проектні варіанти та співпрацювати без будівництва чи підтримки власної інфраструктури обчислень.

З інженерним штучним інтелектом, який інтегрований у цей робочий процес, роль моделювання починає змінюватися. Історично моделювання обмежувалося експертизою, часом та обчислювальними ресурсами. Виконання високоякісних досліджень часто вимагало спеціалізованих знань, спеціального обладнання та тривалих циклів ітерацій.

Інженерний штучний інтелект, який використовує майже автономні агенти для автоматизації та прискорення інженерних робочих процесів моделювання, аналізу та оптимізації, допомагає знижувати ці бар’єри шляхом прискорення налаштування моделі, надання відповідних знань та надання командам можливості оцінювати більше проектних варіантів за менший час. Натомість ніж резервувати моделювання для остаточного етапу перевірки, інженерні команди можуть використовувати прискорені штучним інтелектом робочі процеси для дослідження альтернатив безперервно протягом усього проектного процесу.

Результатом не є просто швидше моделювання. Це швидша інновація.

Отже, як це виглядає на практиці для інженерних команд? Розгляньте компанію, яка виготовляє системи охолодження та вентиляції для великих об’єктів, яким потрібний швидший спосіб тестування нових проектів обладнання. Зазвичай ці компанії повинні будувати фізичні прототипи, запрошувати зовнішніх спеціалістів та витрачати кілька тижнів на перевірку, чи рухається повітря та змішується правильно всередині системи.

Але коли ця компанія вирішує використовувати програмне забезпечення моделювання для створення віртуальної версії тестового обладнання, рівняння змінюється. Цей підхід дозволяє інженерам тестувати повітряні потоки та температуру до будівництва реального продукту.

І результати часто приносять реальний вплив. Фаза попереднього тестування може бути скорочена до 2-3 тижнів, а інженерний час може знизитися до 40 годин замість 85 в традиційних робочих процесах.

Але справжня цінність тут значно більша, ніж просто економія часу. Справжня цінність полягає в здатності інженерної команди ставити більше питань та досліджувати можливості раніше.

Надання такого рівня дослідження є тим, що піднімає моделювання з аналітичного інструменту до важливої складової стратегії проектування інфраструктури.

Інфраструктура штучного інтелекту вимагає інженерії, прискореної штучним інтелектом

Наступна фаза інфраструктури штучного інтелекту не буде визначатися лише розміром об’єктів, щільністю стелажів або охолоджувальною потужністю. Вона також буде визначатися тим, як швидко інженерні команди можуть довести, що ці системи працюватимуть до їх будівництва.

Саме там з’явиться наступна конкурентна перевага галузі. Розробники центрів даних, які раніше включають моделювання у проектний процес, роблять його доступним для інженерних команд та поєднують його з прискореними штучним інтелектом робочими процесами, будуть краще підготовлені до прийняття впевнених рішень до того, як буде вкладений капітал та розпочнеться будівництво.

Когда штучний інтелект продовжує змінювати фізичні вимоги, які ставить перед центрами даних, він також змінює спосіб, яким ці об’єкти проектуються. Організації, які очолять цю наступну епоху, не просто реагуватимуть на більші теплові навантаження чи тісніші енергетичні обмеження. Вони створять проектні процеси, які зможуть передбачати їх.