Реальна瓶ویهка штучного інтелекту: Потужність, Охолодження та Фізика Масштабу

Штучний інтелект розвивався надзвичайно швидкими темпами за останні десять років. Більш швидкі GPU, більші кластери та революційні архітектури розблокували прориви, які раніше здавалися неможливими. Однак, оскільки галузь рухається до моделей з трильйонами параметрів та гіпермасштабних фабрик штучного інтелекту, наступна бар’єр не пов’язана з алгоритмами. Реальна瓶ویهка сьогодні фізична: потужність, охолодження та інфраструктура, необхідна для підтримання обчислень у планетарному масштабі.

Питання вже не полягає в тому, скільки чіпів ви можете виробляти, а в тому, чи можете ви забезпечити гігавати, воду та лінії передачі, необхідні для їх роботи. Інфраструктура, а не кремній, визначатиме темп розвитку штучного інтелекту в найближчі роки.

Гігавати над гігафлопсами

Проект OpenAI “Stargate”, який будується разом з Oracle та SoftBank, націлений на майже 7 гігават потужності на території США — порівнювано з кількома ядерними реакторами. На такому рівні основною проблемою не є виробництво GPU, а забезпечення електростанцій та підстанцій для їх роботи.

Потрібності Microsoft не менш вражаючі. Її навантаження штучного інтелекту, як передбачається, потребуватиме такої ж кількості електроенергії, як весь регіон Нової Англії до 2030 року. Це пояснює, чому компанія інвестувала десятки мільярдів доларів у проекти з відновлюваної енергетики та також досліджує більш експериментальні варіанти, такі як ядерний синтез та передові ядерні реактори.

Ці динаміки впливають на енергетичну політику. У PJM Interconnection, регіональній організації передачі, яка керує мережею для понад 65 мільйонів людей у 13 штатах та Вашингтоні, комунальні служби досліджують механізми обмеження для центрів даних під час пікових навантажень. Великі технологічні компанії лобіюють проти таких обмежень, але те, що регулятори навіть розглядають їх, показує, наскільки штучний інтелект став центральним у плануванні мережі.

Виклик Охолодження

Постачання електроенергії — це тільки половина проблеми. Як тільки потужність досягає стелажів, наступною проблемою стає тепло. Кожен високопродуктивний GPU споживає близько 700 ват, а з стелажами, які приймають сотні GPU, густини досягають 100-600 кіловат на стелаж. Повітряне охолодження, яке є стандартом галузі протягом десятиліть, стає недієвим за межами приблизно 40 кіловат на стелаж через неефективність потоку повітря та рециркуляцію.

Тому рідке охолодження перейшло від нішевого до мейнстрімового. Останні рідкоохолоджувані платформи Blackwell від NVIDIA призначені для гіпермасштабних кластерів штучного інтелекту та забезпечують 25-кратну кращу енергоефективність та 300-кратну більшу водну ефективність порівняно з повітряноохолоджуваними стелажами. Компанія також співпрацює з Vertiv над референс-архітектурою, яка може обробляти понад 130 кіловат на стелаж, роблячи густі розгортання GPU можливими.

Стартапи також інновають. Corintis, швейцарська компанія, яка впроваджує мікроканали безпосередньо у підкладку чіпів, недавно отримала $24 мільйони фінансування та вже налічує Microsoft серед своїх клієнтів. Власна дослідницька команда Microsoft продемонструвала мікрофлюїдні канали, вирізані у упаковці чіпів, зменшуючи максимальну температуру GPU до 65 відсотків та потроєнню ефективності порівняно з традиційними холодними пластинами. Ці технології роблять можливим утримання GPU на повній потужності без перегріву центру даних.

Вода як Стратегічний Змінний

Рідке охолодження вводить ще одну змінну: споживання води. Парові та охолоджувані водяні системи можуть вимагати величезних об’ємів при масштабуванні до кампусів сотень мегават. У Феніксі кластери центрів даних можуть потребувати сотень мільйонів галонів води на день, що викликає занепокоєння в регіонах, що страждають від посухи.

Це спонукало розвиток систем охолодження без води та замкнених контурів. IEEE Spectrum задокументував стратегії, такі як герметичні діелектричні ванни, сухі охолоджувачі та водяні охолоджувачі, які скорочують споживання питної води майже до нуля. Тим часом деякі оператори експериментують з повторним використанням відходів тепла. Проекти, такі як Aquasar та iDataCool, показали, як гарячі водяні контури можуть живити системи опалення будівель або абсорбційні охолоджувачі, переробляючи більшу частину енергії, яка інакше була б втрачена.

Компроміс часто полягає між водою та електроенергією: закриті контури або сухі системи споживають більше енергії, тоді як парові конструкції економлять потужність, але сильно залежать від води. У регіонах, де не вистачає води, політика все частіше віддає перевагу збереженню води, навіть якщо це означає більшу споживання енергії.

Інфраструктура та Мережа

Дажи з наявними рішеннями щодо потужності та охолодження, останньою瓶ویهкою є інфраструктура. Рішення щодо розміщення тепер визначають переможців та переможених у гонці штучного інтелекту.

Інвестиції Microsoft у розмірі 80 мільярдів доларів у кампус Fairwater у Вісконсині демонструють, як стратегічне розміщення стало важливим. Територія займає 315 акрів, містить сотні тисяч GPU та була обрана за доступом до підстанцій, волоконно-оптичних ліній та ґрунтових вод. Проект також підкреслює закритий контур охолодження для мінімізації впливу на воду.

Щоб підтримати зростаюче навантаження, Microsoft підписала історичну угоду з Brookfield щодо додавання 10,5 гігават оновленої потужності до 2030 року. Тим часом компанія також підтримала більш експериментальні проекти, такі як ядерний синтезний завод, який будує Helion Energy, призначений для живлення центрів даних до 2028 року, та 20-річну угоду про перезапуск ядерної станції Три Міля у Пенсільванії.

Amazon та Google здійснюють подібні кроки, забезпечуючи місця біля ядерних станцій та розробляючи власні портфелі чистої енергетики. В Ірландії, де центри даних вже споживають більше потужності, ніж усі домогосподарства разом, регулятори заморозили нові схвалення до至少 2028 року, підкреслюючи, як політика та дозволи можуть зірвати навіть найкраще фінансовані проекти.

Розумніша Експлуатація: Штучний Інтелект, який Керує Штучним Інтелектом

Цікаво, що штучний інтелект сам використовується для керування інфраструктурним навантаженням. Вкріплений навчання було розгорнуто у виробничих центрах даних для оптимізації систем охолодження, що дало 14-21 відсоток енергозбереження без компромісу безпеки. Цифрові двійники та прогнозне моделювання також використовуються для передбачення гарячих точок, попереднього охолодження обладнання та перенесення навантажень на більш прохолодні години чи періоди надлишкової оновленої енергетики.

Google вже продемонструвала, як машинне навчання може скоротити потреби центрів даних у охолодженні на 40 відсотків, а інші оператори приймають подібні системи. Коли витрати на потужність та охолодження зростають, ці операційні заощадження стають важливим конкурентним优势.

Стратегічний Огляд

Траєкторія ясна. Попит на штучний інтелект очікується подвоїти споживання електроенергії центрами даних у світі до 2030 року, а навантаження штучного інтелекту самі по собі становитимуть середній однозначний відсоток від загального світового споживання енергії до 2050 року. Хоча NVIDIA та інші виробники чіпів продовжують просувати вперед продуктивність кремнію, практичний рубіж штучного інтелекту буде визначатися тим, як швидко комунальні служби зможуть побудувати нову генерацію, передачу та інфраструктуру охолодження.

Для компаній, які будують продукти штучного інтелекту, це означає, що дорожні карти все частіше пов’язані з тим, де існує потужність. Для інвесторів найбільш цінними можуть бути комунальні послуги, розробники передачі та стартапи з охолодження, а не лише постачальники GPU. А для політиків дискусія про штучний інтелект зміщується від питань етики та управління даними до питань мегават, води та модернізації мережі.

Майбутнє штучного інтелекту буде визначатися не лише в дослідницьких лабораторіях та фабриках з виробництва чіпів, а на підстанціях, контурах охолодження та електростанціях. Фізика масштабу — а не лише математика алгоритмів — визначатиме швидкість та масштаб штучного інтелекту в наступному десятилітті.