ENERGETSKI PORTAL

Nova era vještačke inteligencije –i šta to znači za data centar segment

Foto: ljubaznošću Jelene Pejković

Vještačka inteligencija je trenutno najjača sila koja transformiše način na koji obrađujemo, analiziramo i koristimo podatke. Predviđanja kažu da će tržište vještačke inteligencije dostići nevjerovatnih 407  milijardi dolara do 2027. godine.

Pričamo o očekivanoj godišnjoj stopi rasta od oko 37 odsto u periodu do 2030. godine. Naša sagovornica Jelena Pejković, direktor prodaje Secure Power, Schneider Electric, ističe da je ključno razumjeti da ovdje ne govorimo samo o generativnoj AI, ova tehnologija će napraviti revoluciju u brojnim industrijama.

Šta je vještačka inteligencija?

– Vještačka inteligencija mnogo je više od ChatGPT-a, i sličnih Generative AI aplikacija namijenjenih najširoj publici. AI već ima primjene u industriji, medicini, obrazovanju, nauci, sistemima autonomne vožnje, i mnogim drugim oblastima. Njen eksponencijalni rast donosi sa sobom izazove, poput nedostatka novih lokacija i novi mega data centri zahtijevaju velike količine energije, a samim tim biće odgvorni i za veći procenat emisije CO2, što nas dovodi do pitanja održivosti. Ipak, odgovor na izazove održivosti upravo je digitalna transformacija, čiji je AI sastavni dio, pa ovo ne smije biti prepreka u njihovoj izgradnji, jer bi je to zapravo značajno usporilo.

Poput vječite dileme, šta je starije, kokoška ili jaje, i ova priča postaje veoma zanimljiva. Iskreno sam zaista srećna što se bavim ovim segmentom upravo u momentu kada je ova tema „vruća“. Možda je najjednostavnije da krenemo upravo od Generative AI, jer su se s time svi već sreli. Bilo da govorimo o Chat GPT ili Microsoft Copilot, čak 97odsto rukovodilaca preduzeća već vide prednosti korišćenja AI u svakodnevnom poslovanju, generisanje izvještaja i prezentacija, prevođenje informacija, generisanje web sajtova, itd. ali će ovaj pik u usvajanju nove tehnologije svakako zahtijevati veće investicije u infrastrukturu.

U Srbiji je trenutno aktuelna tema obnovljvih izvora energije, solarnih elektrana i vjetroparkova. I ovde AI algoritmi igraju ključnu ulogu u optimizaciji distribucije energije kroz mrežu u realnom vremenu. Ovi algoritmi kontinualno analiziraju podatke iz mreže, prilagođavaju tok električne energije kako bi odgovorili na potražnju dok u isto vrijeme moraju da obezbijede stabilnost i efikasnost cjelokupne mreže. Sa ova dva primjera želim da ilustrujem koliko je široko područje primjene AI.

U FOKUSU:

Kako da udovoljimo zahtjevima „ovog novog svijeta“ koji pokreće vještačka inteligencija?

– Data centri predstavljaju kritičnu infrastrukturu koja podržava ekosistem vještačke inteligencije. Ovdje je možda važno da naglasimo, ne ulazeći duboko u temu, da razlikujemo trening i inference model. Dakle postoje data centri u kojima se smještaju trening klasteri, u njima se vrši obuka, ili treniranje modela, i data centri u kojima se nalaze AI aplikacije koje mi kao korisnici koristimo za nekakvo donošenje odluka.

Ipak, bilo da pričamo o velikim klasterima za obuku, ili manjim edge serverima na kojima se vrte aplikacije, vještačka inteligencija postaje sve veći procenat u samim data centrima, i to trenutno utiče na veliki porast potrošnje po rijeku, tj na gustinu. Te nove, značajno povećane gustine, dalje utiču na dizajn i način upravljanja data centrima. Ovde govorimo o četiri ključna AI atributa i o novim trendovima koji daju odgovore na izazove fizičke infrastrukture data centara: njihovo napajanje, hlađenje, smještanje u rack-ove i upravljački softver.

Možda i veće pitanje od porasta potrošnje energije, jeste njeno efikasnije korišćenje. Schneider Electric nudi brojna rješenja, dok istovremeno ne prestaje da radi na razvoju novih, kako samostalno tako i sa brojnim partnerima, poput nedavno najavljene saradnje sa NVIDIA-om.

Na koji način obezbijediti neophodnu električnu energiju za Al?

– Regulatorni zahtjevi su strogi, ali i mimo toga, internet giganti zapravo i prednjače kada pričamo o ciljevima održivosti i društveno odgovornog poslovanja, gurajući tako kompletnu industriju naprijed. Vodeći svjetski data centar operateri uveliko nabavljaju energiju iz zelenih izvora, uvode cirkularni pristup korišćenju energije, otpadnu toplotu predaju toplanama u lokalnim zajednicama, ograničavaju upotrebu vode, recikliraju…

Iako vještačka inteligencija zahtjeva velike količine energije, analitika podataka zasnovana na AI algoritmima može pomoći da se data centri približe net zero i adresiraju upravo pitanja održivosti. Dakle AI je i izazov i rješenje.

Meni je zanimljiv podatak da je za nastanak GPT-3 potrošeno 1.287 MWh električne energije i proizvedeno 552 tone CO2, što je ekvivalentno emisiji koju bi za godinu dana vožnje proizvela 123 benzinska vozila.

Kako ispuniti povećanje zahtjeva za snagom AI i istovremeno minimizirati uticaj na planetu?

– Data centri se neprestano razvijaju kako bi se prilagodili zahtjevima AI. Poboljšanje sistema distribucije energije i energetske efikasnosti unutar data centra pomaže da se minimiziraju gubici i da se energija isporučuje serverima na najefikasniji mogući način. Operatori se fokusiraju na energetski efikasniji hardver i softver, i diversifikuju izvore napajanja. Napredne jedinice za distribucije električne energije, inteligentno upravljanje, visokoefikasni sistemi napajanja, pored obnovljivih izvora energije, omogućavaju data centrima da smanje troškove energije i emisiju ugljenika. Međutim, ekstremne gustine AI servera dovode do izazova vezanih za metode hlađenja.

Tranzicija sa vazdušnog na tečno hlađenje imperativ je prevashodno sa aspekta održivosti. Tečno, Direct-to-Chip hlađenje, gdje rashladna tečnost cirkuliše kroz servere da apsorbuje toplotu, brzo dobija na popularnosti. Prednosti su brojne: od povećanja pouzdanosti i performansi procesora, uštede prostora, povećanja energetske efikasnosti, poboljšanje PUE koeficijenta i smanjenje upotrebe vode.

Operateri data centara uz to mogu koristiti automatiku zasnovanu na AI algoritmima, analitici i mašinskom učenju, kako bi pronašli nove prilike za povećanje efikasnosti i dekarbonizaciju. Efikasnijim korišćenjem uvida u podatke možemo pokrenuti nova, održivija ponašanja.

Ovdje prvenstveno mislim na DCIM, EPMS, BMS i slične aplikacije koje smanjuju rizik od neočekivanog ponašanja i obezbjeđuju digitalnu repliku Sistema na osnovu koje je jednostavnije donositi odluke. Jedan primjer je Equinix koji je poboljšao energetsku efikasnost svog data centra za devet odsto koristeći hlađenje zasnovano na AI. Kompanija je smanjila potrošnju energije tako što je na efikasniji način regulisala sistem hlađenja.

Dakle, jasno je da AI aplikacije dovode do velikog porasta potrošnje električne energije u data centrima u momentu kada oni moraju da postanu održiviji. Međutim, AI je taj koji nam istovremeno obezbjeđuje inteligenciju uz pomoć koje ćemo tim istim data centrima upravljati na pametniji način.

Da zaključim, kombinovanjem kvalitetne i efikasne opreme, uz doprinose koje može donijeti nadzorni sistem zasnovan na AI algoritmima, vlasnici, operateri i korisnici data centara mogu efikasnije odgovoriti na zahtjeve AI klastera velike gustine, bez rizikovanja energetske efikasnosti, pouzdanosti i održivosti.

Schneider Electric

Tekst je objavljen u novom izdanju Magazina Energetskog portala OČUVANJE PRIRODE.

slični tekstovi

komentari

izdvojene vesti