Rozwój sztucznej inteligencji zmienia popyt na energię elektryczną
Systemy AI wymagają znacznie więcej niż tylko oprogramowania. Zależą one od-wydajnych chipów, serwerów, pamięci, sprzętu sieciowego, systemów chłodzenia i infrastruktury-centrów danych działających przez całą dobę.
Dla wielu osób „moc obliczeniowa AI” może brzmieć abstrakcyjnie. Zapotrzebowanie na energię staje się wyraźniejsze, gdy spojrzymy na zużycie energii przez same chipy.
Zaawansowany-akcelerator NVIDIA H100 może zużywać do700Ww konfiguracji SXM. Wersja PCIe firmy NVIDIA jest zwykle oceniana na około350–400W. Nowsza generacja akceleratorów sztucznej inteligencji-o dużej gęstości idzie jeszcze dalej: firma NVIDIA opublikowała maksymalne wartości TGP wynoszące do1,200Wza produkty klasy Blackwell Ultra-.
Instinct MI300X firmy AMD, kolejny szeroko stosowany akcelerator sztucznej inteligencji do-trenowania i wnioskowania dużych modeli, ma typową moc płyty do750W. Do oferty weszły także nowsze modele akceleratorów AMD1,000Wzakres mocy.
Akcelerator Intel Gaudi 3 OAM ma wydajność do900W, ilustrujący, jak szybko-wysokowydajny sprzęt AI zmierza w kierunku zużycia energii na poziomie kilowatów-na akcelerator.
Liczby te odnoszą się wyłącznie do samego akceleratora AI. Prawdziwy serwer AI obejmuje także procesory, pamięć, NVLink lub inne-szybkie połączenia wzajemne, pamięć masową, karty sieciowe, wentylatory chłodzące i-straty konwersji mocy.
Na przykład serwer z 8-GPU i akceleratorami klasy 700 W może wymagać:
Wokół5,6 kWdla samych procesorów graficznych
Inny1,5–3 kWdo procesorów, pamięci, sieci, pamięci masowej i chłodzenia wewnętrznego
Mniej więcej7–9 kWcałkowitej mocy serwera przy dużym obciążeniu
Dzięki akceleratorom nowej-generacji o mocy 1000 W-pojedynczy serwer AI może z łatwością przenieść się do10–15 kWzakres. W skali szafy stwarza to zupełnie inne wyzwanie energetyczne niż w przypadku tradycyjnego IT dla przedsiębiorstw.
Moc obliczeniowa wymaga niezawodnej energii
Obciążenia AI są często ciągłe, intensywne i wrażliwe na zakłócenia.
Szkolenie dużych-modeli może trwać kilka dni, a nawet tygodni. Usługi wnioskowania, asystenci AI, przemysłowe systemy wizyjne i inteligentne platformy decyzyjne-wymagają stabilnej i natychmiastowej reakcji. Krótka przerwa w zasilaniu może mieć wpływ na postęp szkolenia, przetwarzanie danych, dostępność usług i działalność biznesową.
Oznacza to, że infrastruktura sztucznej inteligencji potrzebuje czegoś więcej niż tylko „wystarczającej ilości energii elektrycznej”. Potrzebuje energii, czyli:
Niezawodny i stabilny
Skalowalny w miarę wzrostu zapotrzebowania na moc obliczeniową
Skuteczny w dostarczaniu mocy i chłodzeniu
Wystarczająco elastyczny, aby zarządzać szczytowym zapotrzebowaniem
Zrównoważony rozwój w dłuższej perspektywie
Tradycyjne dostawy z sieci nadal mają kluczowe znaczenie, ale rosnące zapotrzebowanie na energię elektryczną wywiera większy nacisk na sieci elektroenergetyczne, lokalne transformatory, systemy chłodzenia i zarządzanie-obciążeniem szczytowym.
Od pojedynczych chipów do-centrum-danych w skali popytu
Wpływ staje się znacznie bardziej znaczący, gdy chipy AI są wdrażane na dużą skalę.
Mały klaster AI ze 100-serwerami o wysokiej wydajności może już wymagać blisko1MW mocy IT, w zależności od konfiguracji chipa i obciążenia roboczego. Duży klaster szkoleniowy AI z tysiącami akceleratorów może wymagać dziesiątek megawatów.
A to zanim rozważymy chłodzenie, dystrybucję mocy, systemy UPS, oświetlenie, pompy i inną infrastrukturę pomocniczą.
Całkowite zapotrzebowanie obiektu jest często mierzone za pomocą PUE, czyli efektywności zużycia energii. Jeśli centrum danych AI ma obciążenie IT o mocy 1 MW:
Na PUE o1.20, całkowite zapotrzebowanie obiektu na moc wynosi około1,20 MW
Na PUE o1.35, całkowite zapotrzebowanie obiektu na moc wynosi około1,35 MW
Na PUE o1.50, całkowite zapotrzebowanie obiektu na moc wzrasta do ok1,50 MW
Wraz ze wzrostem gęstości szaf tradycyjne-systemy chłodzenia powietrzem również stają się mniej praktyczne. Właśnie dlatego chłodzenie cieczą,-dystrybucja wysokiego napięcia, magazynowanie energii i inteligentne systemy-zarządzania energią stają się głównymi elementami planowania infrastruktury AI.
Sztuczna inteligencja i energia odnawialna rozwijają się razem
Sztuczna inteligencja i energia odnawialna nie są odrębnymi trendami. Są coraz bardziej ze sobą połączeni.
Sztuczna inteligencja może ulepszyć prognozowanie energii słonecznej, identyfikować usterki sprzętu, optymalizować ładowanie i rozładowywanie akumulatorów, zarządzać cenami energii elektrycznej i pomagać operatorom w podejmowaniu lepszych decyzji w złożonych systemach energetycznych.
Jednocześnie energia odnawialna może pomóc w zaspokojeniu rosnącego zapotrzebowania na energię generowanego przez sztuczną inteligencję.
Energia słoneczna szczególnie nadaje się do tego przejścia, ponieważ jest modułowa, skalowalna i szeroko dostępna. Dachowe systemy fotowoltaiczne,-naziemne projekty fotowoltaiczne i rozwiązania w zakresie energii rozproszonej mogą pomóc centrom danych, fabrykom, budynkom komercyjnym i parkom przemysłowym zmniejszyć ich zależność od konwencjonalnej energii elektrycznej z sieci.
Kiedy energia słoneczna jest połączona z magazynowaniem energii, wartość staje się jeszcze większa.
W ciągu dnia systemy fotowoltaiczne mogą zasilać część obciążenia obiektu lub ładować systemy akumulatorów. W okresach szczytowego-zapotrzebowania magazyn może uwolnić energię elektryczną, aby zmniejszyć obciążenie sieci i ograniczyć opłaty za zapotrzebowanie. W niektórych lokalizacjach systemy magazynowania energii słonecznej-plus- mogą również poprawić odporność na zużycie energii i zapewnić rezerwowe wsparcie dla obciążeń krytycznych.
Infrastruktura sztucznej inteligencji następnej generacji nie powinna po prostu zużywać więcej energii. Powinien inteligentniej wykorzystywać energię.
Inteligentniejszy system energetyczny może w czasie rzeczywistym koordynować wytwarzanie fotowoltaiki, magazynowanie akumulatorów, zasilanie sieciowe, sprzęt chłodzący i obciążenia AI.
Na przykład nie-pilne zadania szkoleniowe w zakresie sztucznej inteligencji można zaplanować w okresach dużej produkcji energii słonecznej lub niższych cen energii elektrycznej. Systemy akumulatorowe mogą obsługiwać krótkotrwałe-obciążenia szczytowe. Inteligentne platformy-zarządzania energią mogą równoważyć zapotrzebowanie na energię pomiędzy sprzętem komputerowym, systemami chłodzenia i siecią.
Stwarza to bardziej efektywną relację między mocą obliczeniową a zasobami energii.
Zamiast traktować energię elektryczną jako stały wkład, infrastruktura-ery sztucznej inteligencji może dynamicznie zarządzać energią za pomocą danych, automatyzacji i inteligentnego sterowania.
Budowanie bardziej ekologicznej przyszłości AI
Rozwój sztucznej inteligencji jest nieunikniony. Kluczowym pytaniem jest, jak go odpowiedzialnie zasilać.
W miarę jak wysokowydajne chipy AI będą spadać z kilkuset watów do poziomów mocy klasy{{3} 1000 W, dostawy energii, chłodzenie, wydajność sieci i emisje gazów cieplarnianych staną się coraz ważniejszymi elementami rozwoju sztucznej inteligencji.
Przyszłości sztucznej inteligencji nie należy definiować jedynie za pomocą szybszych chipów i większych modeli. Należy go również definiować jako czystszą energię elektryczną, bardziej wydajne systemy energetyczne i inteligentniejsze zarządzanie energią.
Fotowoltaika,magazynowanie energii, a inteligentne zarządzanie energią może pomóc w stworzeniu podstaw pod bardziej ekologiczną erę sztucznej inteligencji.
Dzięki niezawodnym kablom i złączom fotowoltaicznym, systemom magazynowania energii i zintegrowanym rozwiązaniom fotowoltaicznym-branża energii odnawialnej może wspierać kolejny etap rozwoju cyfrowego-, w którym zaawansowane obliczenia i czysta energia będą wspólnie działać.
Era sztucznej inteligencji potrzebuje energii. Era energetyczna potrzebuje inteligencji. Razem mogą stworzyć bardziej wydajną, odporną i zrównoważoną przyszłość.