Trung Tâm Dữ Liệu AI Cần Thêm Nhiều Hơn Chỉ Là Làm Mát: Chúng Cần Kỹ Thuật Faster

Trí tuệ nhân tạo đang biến đổi công việc kỹ thuật số, nhưng tác động của nó ngày càng trở nên vật lý. AI với quy mô lớn đòi hỏi nhiều năng lượng hơn bao giờ hết. Và các trung tâm dữ liệu chứa các máy chủ AI này đang gặp khó khăn trong việc đáp ứng nhu cầu. Trên thực tế, một báo cáo từ Deloitte ước tính rằng vào năm 2035, nhu cầu năng lượng từ các trung tâm dữ liệu AI ở Hoa Kỳ alone có thể tăng hơn 30 lần.

Tuy nhiên, vấn đề không chỉ là vấn đề sử dụng năng lượng. Các trung tâm dữ liệu chứa các máy chủ AI này cần phải tính đến mức độ nhiệt mà công nghệ tạo ra. Các cụm GPU hiện đại có thể đạt đến 50 kW mỗi giá đỡ và hơn thế. Đó là một mức tăng đáng kinh ngạc gấp 10 lần so với các máy chủ tính toán tiêu chuẩn của chỉ một thập kỷ trước.

Các hệ thống làm mát đã được thiết lập từ lâu để quản lý các khối lượng công việc CNTT một cách hiệu quả đang bị tụt lại phía sau bởi các đầu ra nhiệt mới này. Cơ sở hạ tầng đơn giản không thể theo kịp, khiến những người phụ trách thiết kế hệ thống làm mát trung tâm dữ liệu phải đối mặt với một thách thức mới. Các kỹ sư phụ trách thiết kế cơ sở hạ tầng sẵn sàng cho AI ngày càng nhận thấy rằng các quy trình kỹ thuật truyền thống không thể theo kịp quy mô và tốc độ triển khai AI.

Có thể là nghịch lý, AI vừa làm tăng nhu cầu về khả năng của trung tâm dữ liệu vừa biến đổi quá trình kỹ thuật được sử dụng để xây dựng khả năng đó. Những tiến bộ trong AI đang thúc đẩy các yêu cầu cơ sở hạ tầng chưa từng có cũng đang bắt đầu tăng tốc quá trình mà các kỹ sư mô hình hóa, xác thực và tối ưu hóa các hệ thống vật lý hỗ trợ các khối lượng công việc đó.

Trên thực tế, AI đang trở thành một phần của quá trình được sử dụng để thiết kế cơ sở hạ tầng chạy AI.

Ánh sáng của điều này, nhiều nhóm kỹ sư đang áp dụng các quy trình mô phỏng tăng tốc bởi AI, bản địa trên đám mây, cho phép họ đánh giá hiệu suất nhiệt, chiến lược làm mát và các lựa chọn cơ sở hạ tầng trước khi bắt đầu xây dựng.

Khi nói đến cơ sở hạ tầng trung tâm dữ liệu ngày nay, các ставка có nghĩa là bất kỳ sai lầm nào có thể là thảm họa. Việc chứng minh hiệu suất trước khi xây dựng đã trở thành điều cần thiết cho thành công lâu dài, không phải dựa vào các giả định, quy tắc ngón tay, hoặc xác thực giai đoạn cuối.

Cơ Sở Hạ Tầng Làm Mát Truyền Thống Dưới Áp Lực

Thật không may cho các nhóm kỹ sư, các khối lượng công việc AI khác biệt cơ bản so với tính toán dựa trên đám mây truyền thống. Không có sự thay đổi với AI, nhu cầu mạng, đầu ra nhiệt và yêu cầu năng lượng là không đổi.

Đó là sự thay đổi một phần, đang暴 lộ một điểm thất bại chính của nhiều trung tâm dữ liệu. Nhiều trung tâm dữ liệu được xây dựng dưới giả định rằng nhu cầu như vậy không cần thiết. Và vì các hệ thống làm mát thường rất tốn năng lượng, điều này nhanh chóng trở nên không thể chấp nhận được để ‘làm mát quá mức’ và giả định rằng sẽ đáp ứng nhu cầu của trung tâm dữ liệu. Việc tiếp cận này và ưu tiên thời gian hoạt động sẽ khiến chi phí và sử dụng năng lượng tăng nhanh chóng.

Vào cuối ngày, điểm giao nhau mà nhiều trung tâm dữ liệu gặp phải không phải là vấn đề ‘nhiệt’. Rủi ro được xác định bởi sự tăng trưởng AI là một biên độ sai sót chặt chẽ hơn.

Đối với các nhà phát triển trung tâm dữ liệu, mọi sự chậm trễ trong quá trình xác thực có thể ảnh hưởng đến các cam kết của khách hàng, kế hoạch năng lực hoặc chi phí năng lượng.

Trong lịch sử, các nhóm kỹ sư có thể bù đắp cho sự không chắc chắn thông qua việc cung cấp quá mức, giả định thiết kế bảo thủ và xác thực giai đoạn cuối. Cơ sở hạ tầng AI thay đổi phương trình đó. Tốc độ triển khai, đầu tư vốn cần thiết và mật độ giá đỡ ngày càng tăng để lại ít phòng cho kỹ thuật thử nghiệm. Các quyết định có thể được xác thực sau này bây giờ cần phải được chứng minh sớm hơn trong quá trình thiết kế.

Thực Tại Mới: Chứng Minh Hiệu Suất Nhiệt Trước Khi Xây Dựng

Với biên độ sai sót thu hẹp, các nhóm kỹ sư đang di chuyển phân tích nhiệt sớm hơn trong quá trình thiết kế, trong khi các thay đổi vẫn còn rẻ và thiết kế vẫn còn linh hoạt. Thay vì chờ đến khi ủy thác để khám phá xem các mẫu không khí, bố cục giá đỡ, chiến lược chứa và thiết bị làm mát có đủ hay không, họ có thể mô hình hóa không khí và truyền nhiệt trước khi bắt đầu xây dựng.

Điều đó cho phép các kỹ sư xác định các điểm nóng, kiểm tra các chiến lược làm mát và so sánh các tùy chọn thiết kế dưới các điều kiện hoạt động thực tế. Một nhóm có thể đánh giá xem không khí lạnh có đến được các giá đỡ có mật độ cao, liệu không khí nóng có được tái lưu vào các lối vào thiết bị hay không và liệu khả năng làm mát có được sử dụng hiệu quả hay không.

Đây là nơi kiến trúc nền tảng trở nên quan trọng. Đối với các nhóm làm việc dưới áp lực mạnh, mô phỏng không thể bị giới hạn trong một nhóm nhỏ các chuyên gia có quyền truy cập vào các tài nguyên HPC chuyên dụng. Sử dụng một nền tảng mô phỏng bản địa trên đám mây làm cho phân tích độ trung thực cao có thể truy cập được vào toàn bộ nhóm kỹ sư, không chỉ một nhóm nhỏ các cá nhân. Điều này cho phép các nhóm chạy các nghiên cứu, so sánh các tùy chọn thiết kế và cộng tác mà không cần xây dựng hoặc duy trì cơ sở hạ tầng tính toán của riêng họ.

Với Kỹ Thuật AI được tích hợp vào quy trình đó, vai trò của mô phỏng bản thân bắt đầu thay đổi. Trong lịch sử, mô phỏng đã bị giới hạn bởi chuyên môn, thời gian và tài nguyên tính toán. Chạy các nghiên cứu độ trung thực cao thường đòi hỏi kiến thức chuyên môn, phần cứng chuyên dụng và các chu kỳ lặp lại dài.

Kỹ Thuật AI, sử dụng các tác nhân gần như tự động hóa để tự động hóa và tăng tốc các quy trình thiết kế, mô phỏng và phân tích kỹ thuật, giúp giảm các rào cản đó bằng cách tăng tốc thiết lập mô hình, đưa ra các thông tin liên quan và cho phép các nhóm đánh giá nhiều tùy chọn thiết kế hơn trong thời gian ngắn hơn. Thay vì dành mô phỏng cho bước xác thực cuối cùng, các nhóm kỹ sư có thể sử dụng các quy trình tăng tốc bởi AI để khám phá các giải pháp thay thế liên tục trong suốt quá trình thiết kế.

Kết quả không chỉ là mô phỏng nhanh hơn. Đó là sự đổi mới nhanh hơn.

Vậy, điều này trông như thế nào trong thực tế đối với các nhóm kỹ sư? Hãy xem xét một công ty sản xuất hệ thống làm mát và thông gió cho các cơ sở lớn cần một cách nhanh hơn để kiểm tra các thiết kế thiết bị mới. Thông thường, các công ty này phải xây dựng các mẫu vật lý, đưa vào các chuyên gia bên ngoài và mất vài tuần để kiểm tra xem không khí di chuyển và trộn lẫn đúng cách trong hệ thống.

Nhưng khi công ty này quyết định sử dụng phần mềm mô phỏng để tạo một phiên bản ảo của thiết lập kiểm tra, phương trình thay đổi. Việc tiếp cận này cho phép các kỹ sư kiểm tra hiệu suất không khí và nhiệt trên máy tính trước khi xây dựng sản phẩm thực.

Và kết quả thường mang lại tác động thực sự. Giai đoạn kiểm tra trước có thể được cắt giảm xuống chỉ còn 2-3 ngày và thời gian kỹ thuật có thể giảm xuống 40 giờ thay vì 85 giờ trong các quy trình truyền thống.

Và giá trị ở đây cũng lớn hơn nhiều so với chỉ tiết kiệm thời gian. Giá trị thực sự nằm ở khả năng của nhóm kỹ thuật để đặt ra nhiều câu hỏi và khám phá các khả năng sớm hơn. Điều gì xảy ra nếu mật độ giá đỡ tăng? Điều gì xảy ra nếu các đường dẫn không khí thay đổi? Điều gì xảy ra nếu các giả định về sự dư thừa thất bại?

Sự cho phép khám phá như vậy là điều nâng cao mô phỏng từ một công cụ phân tích lên một thành phần quan trọng của chiến lược thiết kế cơ sở hạ tầng.

Cơ Sở Hạ Tầng AI Yêu Cầu Kỹ Thuật Tăng Tốc Bởi AI

Giai đoạn tiếp theo của cơ sở hạ tầng AI sẽ không được xác định bởi kích thước cơ sở, mật độ giá đỡ hoặc khả năng làm mát alone. Nó cũng sẽ được xác định bởi mức độ nhanh chóng mà các nhóm kỹ sư có thể chứng minh rằng những hệ thống đó sẽ hoạt động trước khi chúng được xây dựng.

Đó là nơi lợi thế cạnh tranh tiếp theo của ngành sẽ xuất hiện. Các nhà phát triển trung tâm dữ liệu đưa mô phỏng vào quy trình thiết kế sớm hơn, làm cho nó có thể truy cập được vào các nhóm kỹ sư và kết hợp nó với các quy trình tăng tốc bởi AI sẽ được đặt ở vị trí tốt hơn để đưa ra các quyết định tự tin trước khi cam kết vốn và bắt đầu xây dựng.

Khi AI tiếp tục biến đổi các yêu cầu vật lý đặt lên các trung tâm dữ liệu, nó cũng sẽ biến đổi cách các cơ sở đó được thiết kế. Các tổ chức dẫn đầu giai đoạn tiếp theo này sẽ không chỉ phản ứng với các tải nhiệt cao hơn hoặc các ràng buộc năng lượng chặt chẽ hơn. Họ sẽ xây dựng các quy trình thiết kế có khả năng dự đoán chúng.