Csupán kevesen sejtik, hogy a mesterséges intelligencia működéséhez meglepően nagy mennyiségű energia szükséges.
A mesterséges intelligencia (MI) rohamos előretörése komoly kihívásokat és egyúttal hatalmas lehetőségeket kínál az adatközpontok üzemeltetői számára. Az MI-alapú alkalmazások működtetéséhez elengedhetetlen az adattárolási és feldolgozási kapacitások bővítése, ami miatt ezeknek a létesítményeknek egyre nagyobb energiaigényük van. Ugyanakkor, a mesterséges intelligencia alkalmazása révén új utakat találhatunk a hatékonyabb energiagazdálkodás megvalósítására, így a kihívások mellett innovatív megoldások is születhetnek.
A mesterséges intelligencia napjainkra olyan erővé nőtte ki magát, amely gyökeresen átalakítja a globális gazdaságot, a vállalkozások mindennapi működését és az emberek életét. Ez a technológia nem csupán új lehetőségeket teremt, hanem alapjaiban formálja át az adatfeldolgozás, -elemzés és -felhasználás hagyományos módszereit. A MarketsandMarkets előrejelzése szerint az MI-hez kapcsolódó költségek 2027-re megközelíthetik a 407 milliárd dollárt. Ezen kívül a Grand View Research becslése alapján a mesterséges intelligencia piaca 2024 és 2030 között évi átlagban 36,6 százalékkal fog növekedni, számos iparágat radikálisan átalakítva.
Bár az MI alkalmazások működtetése jelentős energiaigénnyel jár, a technológiai alapú adatelemzés kulcsfontosságú szerepet játszhat az adatközpontok nettó zéró kibocsátásához való közeledésében, ezzel hozzájárulva a globális fenntarthatósági célok megvalósításához. A Schneider Electric részletes elemzése négy kritikus területet vizsgál: az energiaellátást, a rackek kialakítását, a hűtési megoldásokat és a szoftveres felügyeletet, melyek mind az adatközpontok fizikai infrastruktúrájával állnak összefüggésben, és amelyek kihívásait és trendjeit feltárva segíthetnek a jövő fenntarthatóbb működésében.
Az áramellátás, a hűtési megoldások, valamint a rackek – vagyis a szerverek és hálózati eszközök rendszerezett tárolására és védelmére szolgáló szekrények – mind alapvető fontosságú elemei az adatközpontok hatékony működésének. Az olyan fejlett technológiák, mint a gépi tanulás (ML) és a nagyméretű nyelvi modellek (LLM) tanítása, folyamatosan növekvő adatfeldolgozási igényeket támasztanak, ami jelentős energiafelhasználással jár. Például a GPT-3 modell betanítása körülbelül 1287 megawattóra elektromos energiát igényelt, ami 552 tonna szén-dioxid kibocsátását eredményezte – ez a mennyiség nagyjából egy évnyi üzemeltetése egy átlagos benzines autóval egyenértékű. Az adatközpontok emellett arra is törekednek, hogy fokozzák a rackek sűrűségét, ami azt jelenti, hogy egy adott helyen több szervert helyeznek el. Ez a megoldás azonban tovább növeli az energiaigényt, és komoly kihívások elé állítja az infrastruktúra fenntarthatóságát.
Hogyan tudjuk tehát kielégíteni a mesterséges intelligencia által generált energiaigényt, úgy, hogy közben a lehető legkisebb mértékben befolyásoljuk a Földünket?
Benyovszky-Aszódi Katalin, a Schneider Electric adatközponti megoldásokért felelős hazai vezetője a Portfolio-nak elmondta, hogy az adatközpontok energiaelosztó rendszereinek és energiahatékonyságának optimalizálása kulcsszerepet játszik a veszteségek csökkentésében. Ez biztosítja, hogy az áram a lehető leghatékonyabb módon érkezzen el a szerverekhez. Az üzemeltetőknek az adatközpontok tervezése és működtetése során prioritásként kell kezelniük az energiahatékony hardverek és szoftverek alkalmazását, miközben széles spektrumú energiaforrásokat kell integrálniuk, hogy garantálják a megbízható és bőséges energiaellátást, amely elengedhetetlen a mesterséges intelligencia fejlődéséhez.
A kiegészítő megoldások, mint például a fejlett energiaelosztó egységek (PDU-k) alkalmazása, az intelligens irányítás bevezetése és a nagy hatékonyságú energiarendszerek kiépítése a megújuló energiaforrásokkal együtt lehetővé teszik az adatközpontok számára az energiaköltségek és a szén-dioxid-kibocsátás csökkentését. Az MI tanításához használt szerverek esetében azonban az extrém racksűrűség az energiafogyasztás mellett egyéb problémákat is okozhat - a hűtés például szintén összetett kihívások elé állíthatja az üzemeltetőket.
A modern világban a fenntartható és rugalmas adatközpontok tervezése elengedhetetlen a hatékony hűtési megoldásokra. A mesterséges intelligencia által támasztott kihívások következtében, amelyek a sűrűn elhelyezett szerverek energiaellátására vonatkoznak, új hűtési technológiákra van szükség ahhoz, hogy biztosítani lehessen az optimális teljesítményt és a minimális leállási időt. Az innovatív hűtési stratégiák alkalmazása kulcsfontosságú a jövő adatközpontjainak működésében.
Bár a léghűtés általános az iparágban, és még évekig létezni fog, a léghűtésről a folyadékhűtésre való áttérés lesz az előnyben részesített és szükséges megoldás az adatközpontok számára, hogy hatékonyan megbirkózzanak az MI alkalmazások jelentette kihívásokkal. Ennek oka, hogy
A hagyományos léghűtési megoldások hatékonysága csökken, különösen a sűrűn elhelyezett szerverek esetében.
Ebben a helyzetben a Direct-to-Chip folyadékhűtés, melynek során a hő elnyelése és elvezetése érdekében hűtőfolyadékot keringetnek a szervereken keresztül, gyorsan népszerűvé válik, mivel hatékonyabban kezeli az MI-t támogató eszközök által termelt koncentrált hőt.
"A folyadékhűtés a léghűtéssel összehasonlítva számos előnnyel jár az adatközpontok számára. A processzorok nagyobb megbízhatóságától és teljesítményétől kezdve a nagyobb rack-sűrűséggel elérhető helytakarékosságon át a vezetékekben lévő víz nagyobb hőtehetetlenségéig a folyadékhűtés számos módon növeli az energiahatékonyságot és csökkenti az energiafelhasználást" - mondta Benyovszky-Aszódi Katalin.
Az adatközpontok üzemeltetői számára a mesterséges intelligencia új távlatokat nyithat meg. Az MI-alapú automatizálás, adatelemzés és gépi tanulás révén képesek lehetnek felfedezni a hatékonyság növelésére és a szén-dioxid-kibocsátás csökkentésére irányuló innovatív megoldásokat. A részletes és alapos elemzések révén új, fenntartható üzemeltetési modellek válhatnak elérhetővé, amelyek hozzájárulhatnak a környezettudatos működéshez. E folyamatok sikerét a megfelelő fizikai infrastruktúra, az adatközpontok menedzsmentjét segítő szoftvereszközök, valamint a digitális iker koncepciója biztosítja, amely lehetővé teszi az adatközpont valós idejű, virtuális modellezését.
Ezek az alkalmazások csökkentik a rendkívül összetett elektromos hálózatok bonyolultságából adódó kockázatokat, az adatközpontok pontos digitális másolatai pedig támogatják a nem megfelelő energiaellátási és hűtési erőforrások feltárását, így már a tervezés fázisában kiküszöbölhetők az ilyen problémák. Az MI hasznosítására jó példa az Equinix adatközpont-szolgáltató esete, amely mesterséges intelligencia alapú hűtést vezetett be, ami lehetővé tette a vállalat számára, hogy hatékonyabban szabályozza a hűtőrendszereket és ezáltal csökkentse azok energiafogyasztását. Ezzel a módszerrel a társaság 9 százalékkal javította adatközpontjának energiahatékonyságát.
Kétségtelen, hogy a mesterséges intelligencia (MI) alkalmazások jelentős mértékben fokozzák az adatközpontok energiafelhasználását, különösen egy olyan időszakban, amikor elengedhetetlen lenne, hogy ezek a létesítmények fenntartható módon működjenek. Ugyanakkor az MI lehetőséget teremt arra is, hogy az adatközpontokat okosabban és energiahatékonyabban tervezzük és üzemeltessük. Ha az MI-t megfelelően integráljuk, akkor komoly segítséget nyújthat a nettó zéró kibocsátás eléréséhez vezető úton.
"Az adatközpontok fizikai infrastruktúrájának legfontosabb jellemzőit a mesterséges intelligencia hatékonyságot növelő képességeivel kombinálva a tulajdonosok, üzemeltetők és végfelhasználók eredményesebben tudják kezelni az MI-t támogató, nagy sűrűségben elhelyezett eszközök energiaigényét, miközben biztosítják a hatékonyságot, a megbízhatóságot és a fenntarthatóságot" - tette hozzá Benyovszky-Aszódi Katalin.
