Реальна бутілька штучного інтелекту: потужність, охолодження та фізика масштабу

Штучний інтелект зробив надзвичайний стрибок за останні десять років. Більш швидкі графічні процесори, більші кластери та революційні архітектури розблокували прориви, які раніше здавалися неможливими. Однак, оскільки галузь рухається до моделей з трильйонами параметрів і гіпермасштабних фабрик штучного інтелекту, наступна бар’єр не пов’язана з алгоритмами. Реальна бутілька сьогодні фізична: потужність, охолодження та інфраструктура, необхідна для підтримки обчислень у планетарному масштабі.

Питання вже не полягає в тому, скільки чіпів можна виготовити, а в тому, чи можна забезпечити гігавати, воду та лінії передачі, необхідні для їх роботи. Інфраструктура, а не кремній, буде визначати темп розвитку штучного інтелекту в майбутньому.

Гігавати над гігафлопсами

Проект OpenAI “Stargate”, який будується разом з Oracle (ORCL ) і SoftBank, має на меті досягти майже 7 гігават потужності на території США – це порівняно з кількома ядерними реакторами. На такому рівні основною проблемою не є виробництво графічних процесорів, а забезпечення електростанцій і підстанцій для їх роботи.

Потужність Microsoft (MSFT ) також є надзвичайною. Її навантаження штучного інтелекту передбачається вимагатиме такої ж кількості електроенергії, як весь регіон Нової Англії до 2030 року. Це пояснює, чому компанія вклала десятки мільярдів доларів у проекти з відновлюваної енергетики та також проводить експерименти з ядерним синтезом та передовими ядерними реакторами.

Ці процеси впливають на енергетичну політику. У регіональній організації передачі електроенергії PJM Interconnection, 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.

Проблема охолодження

Постачання електроенергії – це тільки половина проблеми. Як тільки електроенергія досягає стелажів, наступною проблемою стає тепло. Кожен високопродуктивний графічний процесор споживає близько 700 ват, а з урахуванням того, що стелажі містять сотні графічних процесорів, 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 рідинне охолодження перейшло від ніші до мейнстріму. Останні рідинно-охолоджувані платформи Blackwell компанії NVIDIA (NVDA ) призначені для гіпермасштабних кластерів штучного інтелекту та забезпечують на 25 кращу енергетичну ефективність та на 300 кращу водну ефективність, ніж повітряно-охолоджувані стелажі. Компанія також уклала партнерську угоду з Vertiv щодо референс-архітектури, яка може обробляти понад 130 кіловат на стелаж, що робить можливим щільне розгортання графічних процесорів.

Стартапи також інновають. Компанія Corintis, швейцарська компанія, яка впроваджує мікроканали безпосередньо у підкладку чіпів, недавно отримала 24 мільйони доларів фінансування та вже має серед своїх клієнтів Microsoft. Власна дослідницька команда Microsoft продемонструвала мікрофлюїдні канали, вирізані у упаковці чіпів, що знижує максимальну температуру графічних процесорів на 65 відсотків та збільшує ефективність у три рази порівняно з традиційними холодними плитами. Ці технології роблять можливим підтримання графічних процесорів на повній потужності без перегріву центру даних.

Вода як стратегічна змінна

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

Це сприяло розробці систем охолодження без води та закритих контурів. IEEE Spectrum задокументував стратегії, такі як герметичні діелектричні ванни, сухі охолоджувачі та охолоджувачі без води, 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 охолодження 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 або сухі системи споживають більше енергії, тоді як парові конструкції економлять енергію, 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

Навіть з наявними рішеннями з потужності та охолодження останньою бутількою є інфраструктура. Рішення щодо розміщення тепер визначають переможців і переможених у гонці штучного інтелекту.

Кампус Fairwater компанії Microsoft у Вісконсині, вартістю 80 мільярдів доларів, демонструє, як стратегічне розміщення стало важливим. Територія займає 315 акрів, містить сотні тисяч графічних процесорів та була вибрана за доступом до підстанцій, волоконно-оптичних ліній та підземних вод. Проект також підкреслює закриту систему охолодження для мінімізації впливу на воду.

Для підтримки зростаючого навантаження Microsoft уклала договір з компанією Brookfield щодо додавання 10,5 гігават відновлюваної потужності до 2030 року. Тим часом компанія також підтримала більш експериментальні проекти, такі як ядерний синтезний завод, який будується компанією Helion Energy, який має забезпечити живлення центрів даних до 2028 року, та 20-річну угоду про перезапуск ядерної станції Три Міля у Пенсільванії.

Amazon (AMZN ) і Google (GOOGL ) проводять аналогічні кроки, забезпечуючи місця біля ядерних станцій та розробляючи власні портфелі чистої енергії. В Ірландії, де центри даних вже споживають більше енергії, ніж усі домогосподарства разом взяті, регулятори заморозили нові схвали до至少 2028 року, підкреслюючи, як політика та дозволи можуть зірвати навіть найкраще фінансовані проекти.

Розумніша експлуатація: штучний інтелект керує штучним інтелектом

Цікаво, що сам штучний інтелект використовується для керування інфраструктурним навантаженням. Вкріплена навчання була розгорнута в робочих центрах даних для оптимізації систем охолодження, що дало 14-21 відсотковий енергозбереження без порушення безпеки. Цифрові двійники та прогнозне моделювання також використовуються для передбачення гарячих точок, попереднього охолодження обладнання та перенесення навантажень на більш прохолодні години або періоди надлишкової відновлюваної енергії.

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 енергію та охолодження зростають, ці операційні заощадження стають важливим конкурентним перевагою.

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 загального світового споживання енергії до 2050 року. Хоча NVIDIA та інші виробники мікросхем продовжують просувати вперед продуктивність кремнію, практичний фронт штучного інтелекту буде визначатися тим, як швидко комунальні служби зможуть побудувати нову генерацію, передачу та охолодження інфраструктури.

Для компаній, які будують продукти штучного інтелекту, це означає, що їхні дорожні карти все більше 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 графічних процесорів. А для політиків дебати щодо штучного інтелекту переходять від питань етики та управління даними до питань мегават, води та модернізації мережі.

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