Sztuczna inteligencja ma ogromny apetyt na energię. Sieci muszą nadążyć za chipami AI

• Zużycie energii przez centra danych może wzrosnąć z około 415 TWh w 2024 roku do około 945 TWh w 2030 roku. To skala większa niż obecne roczne zużycie energii elektrycznej Japonii.
• AI zmienia sposób pracy serwerowni, bo procesory GPU działają długo pod wysokim obciążeniem i generują ogromne ilości ciepła. Dlatego rośnie znaczenie chłodzenia cieczą, magazynów energii, UPS-ów i projektowania infrastruktury „od sieci do chipu”.
• Przyszłość centrów danych nie zależy już tylko od dostępności układów AI. Bez efektywnego zasilania, mniejszych strat, automatyki i współpracy z siecią cyfrowy boom może zacząć blokować sam siebie.

Jedno zapytanie do modelu AI wygląda dla użytkownika niewinnie. Odpowiedź pojawia się po kilku sekundach, obraz po chwili, analiza danych niemal od ręki. Za tą wygodą stoi jednak infrastruktura, która coraz bardziej przypomina przemysł ciężki: hale pełne serwerów, potężne przyłącza energetyczne, chłodzenie cieczą i systemy zasilania awaryjnego. Według Międzynarodowej Agencji Energetycznej zużycie energii przez centra danych ma wzrosnąć z około 415 TWh w 2024 roku do około 945 TWh w 2030 roku. To więcej niż obecne roczne zużycie energii elektrycznej Japonii.

AI zmienia profil zużycia energii

Klasyczne centrum danych działało zmiennie. Obciążenia chmurowe rosły i malały w ciągu dnia, a infrastruktura energetyczna mogła być projektowana z myślą o pewnej elastyczności. AI zmienia ten schemat. Trening i obsługa dużych modeli wymagają gęsto upakowanych procesorów graficznych, które pobierają dużo mocy i przez długi czas pracują pod wysokim obciążeniem.

Różnica między typowym procesorem serwerowym a układem GPU dla AI jest znacząca. W uproszczeniu: klasyczny CPU może pobierać kilkaset watów, podczas gdy pojedynczy zaawansowany GPU dla AI potrafi wymagać wielokrotnie większej mocy. To dlatego coraz częściej mówi się nie o zwykłych centrach danych, ale o „fabrykach AI” – obiektach, które przetwarzają energię elektryczną na moc obliczeniową.

Skutki widać także po stronie chłodzenia. Im więcej energii trafia do chipów AI, tym więcej ciepła trzeba z nich odebrać. Tradycyjne chłodzenie powietrzem przestaje wystarczać przy największych gęstościach mocy, dlatego rośnie znaczenie chłodzenia cieczą, w tym rozwiązań direct-to-chip, które odprowadzają ciepło bezpośrednio z CPU i GPU.

• Zobacz również: Sztuczna inteligencja zabiera prąd ludziom. Dlaczego cyfrowe giganty mogą zgasić światło w Twoim domu?

Centrum danych jako dobry obywatel sieci

Nowe podejście do zasilania można opisać hasłem „grid-to-chip”, czyli „od sieci do chipu”. Chodzi o zaprojektowanie całej ścieżki energii – od przyłącza elektroenergetycznego, przez magazyny, UPS-y i rozdzielnie, aż po szafę serwerową i sam układ AI. Eaton, jeden z producentów infrastruktury energetycznej, prezentuje takie podejście jako odpowiedź na rosnące potrzeby centrów danych AI i rozwój architektury 800 V DC.

W praktyce centrum danych nie powinno być tylko odbiorcą ogromnej ilości prądu. Może stać się sterowalnym zasobem dla systemu energetycznego. Pomagają w tym interaktywne systemy UPS, które nie tylko zabezpieczają serwery przed zanikiem napięcia, ale mogą też reagować na potrzeby sieci. Połączenie UPS z bateryjnymi magazynami energii pozwala gromadzić energię z sieci lub lokalnych źródeł OZE i wykorzystywać ją w godzinach szczytu. To zmniejsza obciążenie systemu i poprawia odporność samego obiektu.

Mniej konwersji, mniej strat

Kolejnym krokiem jest przejście z klasycznej dystrybucji prądu przemiennego na bardziej bezpośrednią dystrybucję prądu stałego. Dziś energia w centrum danych przechodzi przez wiele etapów konwersji, zanim dotrze do serwerów. Każdy etap oznacza straty i dodatkowe ciepło.

Architektura 800 V DC ma ten łańcuch uprościć. Konwersja średniego napięcia AC z sieci na prąd stały o wyższym napięciu pozwala ograniczyć natężenie prądu, a więc także straty na przesyle wewnątrz obiektu. W istniejących centrach danych można to wdrażać etapami, np. przez moduły dostarczające DC bezpośrednio do szaf IT. W nowych obiektach docelowym rozwiązaniem mogą być półprzewodnikowe transformatory średniego napięcia, które łączą funkcje konwersji, sterowania i ochrony infrastruktury.

Moduły zamiast budowy od zera

Presja czasu jest ogromna. Popyt na moc obliczeniową rośnie szybciej niż możliwość budowania klasycznych centrów danych. Dlatego coraz ważniejsza staje się modułowość. Zasilanie, chłodzenie, magazyny energii i szafy serwerowe mogą być prefabrykowane poza placem budowy, a później dostarczane jako gotowe bloki.

Taki model skraca czas realizacji i częściowo rozwiązuje problem niedoboru specjalistów. Jednocześnie wymaga bardzo dobrego oprogramowania zarządzającego energią – takiego, które widzi zarówno infrastrukturę IT, jak i systemy techniczne budynku.

AI nie rozwinie się bez energii. Pytanie brzmi więc nie tylko, skąd wziąć więcej prądu, ale jak go dostarczyć efektywnie, stabilnie i bez dokładania problemów sieci. Przyszłość sztucznej inteligencji będzie zależeć nie tylko od chipów, lecz także od tego, czy infrastruktura energetyczna nadąży za ich apetytem.

Źródła: Maurent Public Relations