Защо центровете за изкуствен интелект използват толкова много вода?

AI-натоварванията се изпълняват на физически машини. Когато графичните процесори (GPU), централните процесори (CPU), паметта, устройствата за съхранение и мрежовото оборудване консумират електроенергия, почти цялата тази електроенергия в крайна сметка се превръща в топлина в центъра за данни.

Обикновеният уеб сървър може да обработва леки заявки, но обучението и извличането на заключения чрез изкуствен интелект могат да поддържат ускорителите да работят с висока степен на натоварване в продължение на дълги периоди. Плътните стелажи с графични процесори (GPU) концентрират много повече топлина в по-малко пространство, отколкото традиционното корпоративно ИТ оборудване.

Следователно охлаждането не е просто допълнителна система за комфорт. То е част от инфраструктурата, необходима за поддържане на чиповете в безопасни работни температури, за предотвратяване на ограничаването на производителността, за защита на хардуера и за осигуряване на надеждна услуга за потребителите.

Съвременните центрове за данни, използващи изкуствен интелект, често групират хиляди графични процесори (GPU) в клъстери. Тези графични процесори са проектирани за паралелни изчисления, поради което са толкова полезни за обучението на невронни мрежи и за обработката на задачи по извличане на заключения.

Същата плътност, която прави инфраструктурата за изкуствен интелект толкова мощна, създава и термично натоварване. Повече ускорители на един шкаф означават по-голямо енергопотребление, повече мрежови връзки, повече памет и повече топлина, която трябва да се отведе от сървърите.

Ето защо центровете за данни за изкуствен интелект са тясно свързани както с електроенергията, така и с охладителната мощност. Даден обект може да разполага с достатъчно земя или оптична връзка, но все пак да бъде ограничен от наличната електроенергия, капацитета за отвеждане на топлината или местните изисквания, свързани с водоснабдяването.

Водата е полезна за охлаждане, тъй като може ефективно да отвежда топлината. Много центрове за данни използват контури с охладена вода, охладителни кули, изпарително охлаждане или хибридни системи, които комбинират въздух и вода в зависимост от външните условия.

В изпарителната система част от водата се изпарява умишлено, за да се отведе топлината. Това може да намали количеството електроенергия, необходимо за механичното охлаждане, особено в сравнение с интензивната работа на охладителите при високи температури, но може да доведе до увеличаване на локалното потребление на вода.

Не всеки център за данни използва една и съща конструкция. Някои съоръжения разчитат в по-голяма степен на въздушно охлаждане, други използват течно охлаждане със затворен контур в близост до чиповете, а трети – рециклирана или непитейна вода. Водният отпечатък зависи от архитектурата на охлаждането, климата и стратегията за експлоатация.

„Прякото потребление на вода“ означава водата, изразходвана на територията на центъра за данни, обикновено за охлаждане или регулиране на влажността. Това е най-очевидната страна на проблема, особено когато даден обект използва изпарително охлаждане в регион с недостиг на вода.

Непрякото използване на вода също може да има значение. Производството на електроенергия може да изисква вода за охлаждане на електроцентралите или за производство на гориво, в зависимост от местната електроенергийна мрежа. Център за данни, който използва малко вода на място, все пак може да бъде свързан с потреблението на вода чрез електроенергията, която консумира.

Това е една от причините, поради които публичните оценки се различават значително. При една сериозна оценка трябва да се уточни дали се отчитат водите на място, водите в веригата на доставки, водите, свързани с електроенергията, извличанията, потреблението или всички тези категории.

Един литър вода, изразходван в хладен район с изобилие от вода, не оказва същото местно въздействие като един литър, изразходван в горещ и сух район с натоварени водосборни басейни. Една и съща технология за охлаждане може следователно да има много различни последствия в зависимост от местоположението.

Климатът оказва влияние върху честотата на използване на естественото охлаждане, изпарителното охлаждане или механичното охлаждане. Съставът на енергийната мрежа оказва влияние върху въглеродните емисии. Наличността на вода на местно ниво определя дали допълнителното търсене е незначително, спорно или трудно за реализиране от оперативна гледна точка.

Ето защо устойчивостта на центровете за данни не може да се сведе до една-единствена глобална цифра. Важният въпрос е не само колко вода се използва, но и къде се използва, кога се използва и какви алтернативни варианти за охлаждане или електрозахранване са били на разположение.

Намаляването на потреблението на вода понякога може да доведе до увеличаване на потреблението на електроенергия. Например, проект, при който се избягва охлаждането чрез изпаряване, може да разчита в по-голяма степен на механични охладители, което може да повиши потреблението на енергия през горещите периоди.

Може да се случи и обратното: използването на вода за изпарително охлаждане може да намали потреблението на електроенергия и по този начин да намали емисиите, ако електроенергийната мрежа е с висока въглеродна интензивност. Кой вариант е по-добър зависи от местния недостиг на вода, въглеродната интензивност на електроенергийната мрежа, метеорологичните условия и гъстотата на хардуера.

Ето защо прозрачното отчитане е от значение. Показатели като PUE за енергийна ефективност и WUE за водоползване са полезни, но трябва да се разглеждат в местния контекст. Проектът с ниска консумация на вода не означава автоматично ниски въглеродни емисии, а проектът с ниска енергийна консумация не означава автоматично ниска консумация на вода.

Да, но няма едно единствено универсално решение. Възможните варианти включват по-добро управление на въздушния поток, по-високи работни температури, течно охлаждане със затворен контур, сухи охладители, рециклирана вода, непитейна вода, по-добър избор на местоположение и по-ефективен хардуер за изкуствен интелект.

Оптимизацията на моделите за изкуствен интелект също е от значение. По-малките модели, ефективното извличане на заключения, обработката на партиди, кеширането и хардуерната специализация могат да намалят изчислителните изисквания за дадена услуга, което косвено намалява изискванията за охлаждане и отделянето на топлина.

В същото време общото търсене все пак може да нарасне, ако използването на изкуствен интелект се разширява по-бързо, отколкото се подобрява ефективността. Поради това практическата цел е не само по-ефективно охлаждане, но и по-добра прозрачност, внимателен подбор на местоположенията и планиране на инфраструктурата, което отчита местния недостиг на вода.