隨著人工智能在企業(yè)中的大規(guī)模應(yīng)用，其后果之一是其消耗了數(shù)據(jù)中心更大比例的工作負載。

人工智能不僅將加速對數(shù)據(jù)中心的需求，為投資創(chuàng)造新的動力，而且還將對數(shù)據(jù)中心的可持續(xù)性戰(zhàn)略和要部署的基礎(chǔ)設(shè)施的性質(zhì)產(chǎn)生影響。

例如，Tirias Research預(yù)測，按照目前的情況，到2028年，生成式人工智能數(shù)據(jù)中心服務(wù)器基礎(chǔ)設(shè)施加上運營成本將超過7600萬美元，是Amazon AWS目前估計年度運營成本的兩倍多，占全球云服務(wù)市場的三分之一。

預(yù)測硬件計算性能將提高400%，這與Tirias估計的處理工作負載將增加50倍相比，相形見絀。

更高的密度

根據(jù)Schneider Electric的一份新白皮書，大型訓(xùn)練集群和小型邊緣推理服務(wù)器的爆炸式增長，也將意味著向更高機架功率密度的轉(zhuǎn)變。

白皮書稱：“人工智能初創(chuàng)企業(yè)、企業(yè)、主機托管提供商和互聯(lián)網(wǎng)巨頭現(xiàn)在必須考慮這些密度對數(shù)據(jù)中心物理基礎(chǔ)設(shè)施的設(shè)計和管理的影響?！?/p>

Schneider能源管理研究中心對人工智能對能源需求的影響做出了自己的預(yù)測。據(jù)估計，人工智能目前代表著4.3GW的電力需求，到2028年將以26%至36%的復(fù)合年增長率增長。

這將導(dǎo)致總需求達到13.5GW至20GW，是數(shù)據(jù)中心整體電力需求增長的兩到三倍。到2028年，人工智能工作負載將占數(shù)據(jù)中心總能源的20%。

Schneider指出，雖然預(yù)計會比訓(xùn)練集群消耗更多的電量，但推理工作負載可以在各種機架密度下運行。

“另一方面，人工智能訓(xùn)練工作負載一直以非常高的密度運行，每個機架的功率在20-100 kW或更高?！?/p>

“網(wǎng)絡(luò)需求和成本推動這些培訓(xùn)機架聚集在一起。這些極高功率密度的集群從根本上挑戰(zhàn)了數(shù)據(jù)中心的電源、冷卻、機架和軟件管理設(shè)計。”

動力系統(tǒng)的挑戰(zhàn)

Schneider概述了四個關(guān)鍵領(lǐng)域可能產(chǎn)生的影響：電源、冷卻、機架和軟件管理。

在電力方面，人工智能工作負載對開關(guān)設(shè)備和配電系統(tǒng)的動力系統(tǒng)提出了挑戰(zhàn)。

目前使用的一些電壓將被證明部署起來不切實際，而較小的配電塊尺寸可能會浪費IT空間。較高的機架溫度也會增加發(fā)生故障和危險的機會。

隨著數(shù)據(jù)中心過渡到液體冷卻，冷卻將是至關(guān)重要的，也是需要進行重大改變的領(lǐng)域之一，半個多世紀以來，液體冷卻一直用于專業(yè)高性能計算。

Schneider表示：“盡管在不久的將來，空氣冷卻仍將存在，但預(yù)測，從空氣冷卻到液體冷卻的轉(zhuǎn)變將成為具有人工智能集群的數(shù)據(jù)中心的首選或必要解決方案?！?/p>

“與空氣冷卻相比，液體冷卻具有許多優(yōu)點，例如提高處理器可靠性和性能、節(jié)省空間和更高的機架密度、管道中水的熱慣性更大以及減少用水量?！?/p>

對于人工智能集群，服務(wù)器需要更深入，電力需求更大，冷卻也更復(fù)雜。

因此，機架需要具有更大的密度和承重能力。

數(shù)字孿生

最后，DCIM、BMS和電氣設(shè)計工具等軟件工具將成為管理人工智能集群的關(guān)鍵。

適當(dāng)配置和實施的軟件可以提供數(shù)據(jù)中心的數(shù)字孿生，以識別功率限制和冷卻資源的性能，從而為更好的布局決策提供信息。

在日益動態(tài)的環(huán)境中，容錯空間越小，操作風(fēng)險就會越高。因此，Schneider建議創(chuàng)建整個IT空間的數(shù)字孿生，包括機架中的設(shè)備和虛擬機。

”通過數(shù)字化添加或移動IT負載，可以驗證是否有足夠的電力、冷卻和地板承重能力來支持。這為決策提供了信息，以避免資源擱淺，并最大限度地減少可能導(dǎo)致停機的人為錯誤。“