AI aplikace, zejména tréninkové klastry, vyžadují velké množství výpočetního výkonu, který poskytují GPU nebo specializované AI akcelerátory. To zatěžuje napájecí a chladicí infrastrukturu datových center.
Společnost Schneider Electric vydala vůbec oborovou příručku pro řešení nových výzev v oblasti návrhu fyzické infrastruktury datových center pro podporu zátěže související s využitím umělé inteligence (AI).
Schneider Electric má dlouhodobě významné postavení v oblasti vývoje infrastruktury datových center. Vydání dokumentu (White Paper 110) The AI Disruption: Challenges and Guidance for Data Center Design slouží jako komplexní plán společnostem, jež chtějí využít potenciál umělé inteligence ve svých datových centrech. Zaměřuje se také na nové technologie, které budou v budoucnu podporovat klastry s vysokou hustotou umělé inteligence.
Revoluce v oboru umělé inteligence přinesla do provozu datových center významné změny a výzvy. Aplikace umělé inteligence jsou stále rozšířenější a mají stále větší dopad na různá průmyslová odvětví – od zdravotnictví a financí až po výrobu, dopravu a zábavní průmysl, s čímž roste i poptávka po výpočetním výkonu. Aby datová centra tyto rostoucí nároky aplikací umělé inteligence uspokojila, musí se přizpůsobit.
„Rozvoj umělé inteligence klade vysoké nároky na návrh a řízení datových center a v této souvislosti je důležité zohlednit několik klíčových atributů a trendů AI zátěže, které ovlivňují nová i stávající datová centra,“ uvádí Pankaj Sharma, výkonný viceprezident divize Secure Power společnosti Schneider Electric. „Trh s umělou inteligencí se rychle rozvíjí a my věříme, že se stane základní technologií pro podniky, která jim umožní rychleji dosahovat výsledků a výrazně zvýšit produktivitu,“ uvedl Evan Sparks, produktový ředitel pro umělou inteligenci společnosti Hewlett Packard Enterprise.
Schneider Electric ukazuje budoucnost návrhu datových center
Předpokládá se, že zátěže spojené s umělou inteligencí porostou do roku 2028 složenou roční mírou růstu (CAGR) 26–36 %, což zvýší nároky na napájení ve stávajících i nových datových centrech. Obsluha této předpokládané energetické náročnosti zahrnuje několik klíčových aspektů popsaných v dokumentu White Paper 110, která se zabývá čtyřmi kategoriemi fyzické infrastruktury – napájením, chlazením, stojany a softwarovými nástroji.
„AI aplikace, zejména tréninkové klastry, jsou vysoce náročné na výpočetní výkon a vyžadují velké množství výpočetního výkonu, který poskytují GPU nebo specializované AI akcelerátory. To zatěžuje napájecí a chladicí infrastrukturu datových center. A protože náklady na energii stejně jako obavy o životní prostředí rostou, musí se datová centra zaměřit na energeticky účinný hardware, jako jsou vysoce efektivní napájecí a chladicí systémy, a obnovitelné zdroje energie, které pomohou snížit provozní náklady a uhlíkovou stopu,“ doplňuje Pankaj Sharma ze Schneider Electric.
„S tím, jak se umělá inteligence stává dominantní pracovní zátěží v datových centrech, musí organizace začít cíleně přemýšlet o návrhu celého systému zohledňujícího požadavky umělé inteligence. Již nyní zaznamenáváme masivní poptávku po AI akcelerátorech, ale vyvážení této poptávky správnou úrovní výpočetní a úložné kapacity a efektivní využití systémů tohoto rozsahu vyžaduje dobře navržené softwarové platformy. Podniky by se měly zaměřit na řešení, jako je specializovaný software pro vývoj strojového učení a správu dat, který poskytuje přehled o využívání dat a zajišťuje jejich bezpečnost a spolehlivost ještě před nasazením. Společně s implementací komplexních řešení pro datová centra, která jsou navržena tak, aby poskytovala udržitelnou výpočetní kapacitu, můžeme našim zákazníkům umožnit úspěšně a odpovědně navrhovat a nasazovat umělou inteligenci,“ dodává Evan Sparks ze společnosti Hewlett Packard Enterprise.
Využití potenciálu umělé inteligence
Příručka Schneider Electric pro datová centra připravená na využití AI zkoumá kritické průsečíky umělé inteligence a infrastruktury datových center a obsahuje pokyny a doporučení pro klíčové oblasti, jako například:
• Doporučení pro čtyři klíčové atributy a trendy umělé inteligence řešící výzvy fyzické infrastruktury v oblasti napájení, chlazení, stojanů a řídicího softwaru.
• Doporučení pro posuzování a podporu stojanů s extrémní hustotou výkonu pro tréninkové servery AI.
• Pokyny pro zajištění úspěšného přechodu ze vzduchového chlazení na chlazení kapalinou pro podporu rostoucího návrhového tepelného výkonu (TDP) AI zátěží.
• Navrhované specifikace stojanů pro lepší přizpůsobení AI serverům, které vyžadují vysoký výkon, chladicí rozvody a potrubí a velký počet síťových kabelů.
• Pokyny k používání softwaru pro správu infrastruktury datového centra (DCIM), systémů řízení elektrické energie (EPMS) a řídicích systémů budov (BMS) pro vytváření digitálních dvojčat datového centra, provoz a správu zařízení.
• Přehled budoucích technologií a přístupů k návrhu, které pomohou řešit vývoj umělé inteligence.
Dokument The AI Disruption: Challenges and Guidance for Data Center Design
