Kodėl dirbtinio intelekto duomenų centrai sunaudoja tiek daug vandens?

AI darbo krūviai vykdomi fizinėse mašinose. Kai GPU, CPU, atminties moduliai, saugojimo įrenginiai ir tinklo įranga sunaudoja elektros energiją, beveik visa ta elektros energija galiausiai virsta šiluma duomenų centro viduje.

Įprastas žiniatinklio serveris gali apdoroti nedidelius užklausų srautus, tačiau dirbtinio intelekto mokymas ir išvadų darymas gali užtikrinti, kad spartintuvai ilgą laiką veiktų esant dideliam apkrovos koeficientui. Tankiai užpildytos GPU stelažų eilės mažesnėje erdvėje kaupia žymiai daugiau šilumos nei tradicinė įmonių IT įranga.

Todėl aušinimas nėra paprasčiausia patogumą užtikrinanti sistema. Tai yra infrastruktūros dalis, reikalinga tam, kad mikroschemos veiktų saugioje temperatūroje, būtų išvengta našumo ribojimo, apsaugota aparatinė įranga ir užtikrintas patikimas paslaugų teikimas vartotojams.

Šiuolaikiniai dirbtinio intelekto duomenų centrai dažnai sugrupuoja tūkstančius GPU į klasterius. Šie GPU yra sukurti lygiagretiems skaičiavimams atlikti, todėl jie yra tokie naudingi mokant neuroninius tinklus ir vykdant išvadų darymo užduotis.

Tas pats tankis, kuris suteikia dirbtinio intelekto infrastruktūrai galingumą, taip pat sukelia šiluminį spaudimą. Kuo daugiau greitintuvų telpa į vieną stelažą, tuo daugiau energijos tiekimo, daugiau tinklo pajėgumų, daugiau atminties ir daugiau šilumos reikia pašalinti iš serverių.

Būtent dėl to dirbtinio intelekto duomenų centrai yra glaudžiai susiję tiek su elektros energijos tiek su aušinimo pajėgumais. Objekto teritorija gali turėti pakankamai žemės ploto ar šviesolaidinių ryšių, tačiau vis tiek gali būti ribojama dėl turimos elektros energijos, šilumos šalinimo pajėgumų ar vietinių vandens tiekimo sąlygų.

Vanduo yra naudingas aušinimui, nes jis gali efektyviai perduoti šilumą. Daugelis duomenų centrų naudoja atšaldyto vandens kontūrus, aušinimo bokštus, garavimo aušinimą arba hibridines sistemas, kuriose, priklausomai nuo išorinių sąlygų, derinamas oro ir vandens aušinimas.

Garavimo sistemoje tam tikras vandens kiekis sąmoningai išgarinamas, kad būtų pašalinta šiluma. Tai gali sumažinti mechaniniam aušinimui reikalingą elektros energiją, ypač palyginti su intensyviu šaldymo įrenginių veikimu šiltomis sąlygomis, tačiau gali padidinti vietinį vandens suvartojimą.

Ne kiekvienas duomenų centras naudoja tą pačią sistemą. Kai kurie objektai labiau pasikliauja oro aušinimu, kiti – uždaros grandinės skysčio aušinimu šalia lustų, o dar kiti – regeneruotu arba negertinu vandeniu. Vandens pėdsakas priklauso nuo aušinimo architektūros, klimato ir eksploatacijos strategijos.

Tiesioginis vandens naudojimas reiškia vandens suvartojimą pačiame duomenų centro objekte, paprastai aušinimo arba drėgmės reguliavimo tikslais. Tai yra labiausiai pastebima šios problemos pusė, ypač kai objektas naudoja garavimo aušinimą regione, kuriame trūksta vandens.

Taip pat svarbus gali būti ir netiesioginis vandens naudojimas. Elektros energijos gamyba gali reikalauti vandens elektrinės aušinimui arba kuro gamybai, priklausomai nuo vietinio elektros tinklo. Duomenų centras, kuris savo patalpose sunaudoja nedaug vandens, vis tiek gali būti susijęs su vandens naudojimu dėl jo suvartojamos elektros energijos.

Tai yra viena iš priežasčių, kodėl viešai skelbiami įvertinimai labai skiriasi. Atliekant rimtą vertinimą, būtina nurodyti, ar į jį įtraukiamas vietoje sunaudojamas vanduo, tiekimo grandinėje sunaudojamas vanduo, su elektros energijos gamyba susijęs vanduo, vandens paėmimas, suvartojimas ar visos šios kategorijos.

Vienas litras vandens, suvartotas vėsioje, vandens gausioje vietovėje, neturi tokio paties poveikio vietos aplinkai kaip litras, suvartotas karštoje, sausoje vietovėje, kurioje vandens baseinai patiria didelę naštą. Todėl ta pati aušinimo technologija, priklausomai nuo vietovės, gali turėti labai skirtingas pasekmes.

Klimatas daro įtaką tam, kaip dažnai naudojamas natūralus aušinimas, garinis aušinimas ar mechaninis aušinimas. Elektros energijos šaltinių struktūra daro įtaką anglies dioksido išmetimui. Vietinis vandens prieinamumas lemia, ar papildomas poreikis yra nedidelis, ginčytinas ar sudėtingas eksploatacijos požiūriu.

Būtent todėl duomenų centrų tvarumo negalima vertinti vien tik pagal vieną bendrą skaičių. Svarbu ne tik tai, kiek vandens sunaudojama, bet ir kur jis sunaudojamas, kada sunaudojamas bei kokios alternatyvios aušinimo ar energijos tiekimo galimybės buvo prieinamos.

Sumažinus vandens suvartojimą, kartais gali padidėti elektros energijos suvartojimas. Pavyzdžiui, projektuojant sistemą, kurioje nenaudojamas garavimo aušinimas, gali tekti labiau pasikliauti mechaniniais šaldytuvais, o tai karštuoju laikotarpiu gali padidinti energijos poreikį.

Gali nutikti ir atvirkščiai: vandens naudojimas garavimo aušinimui gali sumažinti elektros energijos suvartojimą ir taip sumažinti išmetamųjų teršalų kiekį, jei elektros tinklas yra anglies dioksido intensyvus. Kuris variantas yra geresnis, priklauso nuo vietos vandens trūkumo, elektros tinklo anglies dioksido intensyvumo, oro sąlygų ir įrangos tankio.

Būtent todėl svarbu teikti skaidrią ataskaitą. Tokie rodikliai kaip energijos vartojimo efektyvumą atspindintis PUE ir vandens naudojimo efektyvumą atspindintis WUE yra naudingi, tačiau juos reikia vertinti atsižvelgiant į vietos sąlygas. Mažai vandens naudojantis projektas nebūtinai reiškia mažą anglies dioksido išmetimą, o mažai energijos naudojantis projektas nebūtinai reiškia mažą vandens suvartojimą.

Taip, tačiau nėra vieno visuotinai tinkamo sprendimo. Galimi sprendimai apima geresnį oro srautų valdymą, aukštesnes veikimo temperatūras, uždarosios grandinės skysčio aušinimą, sausus aušintuvus, regeneruotą vandenį, negertiną vandenį, geresnius vietos parinkimo sprendimus ir efektyvesnę dirbtinio intelekto įrangą.

Taip pat svarbus ir AI modelių optimizavimas. Mažesni modeliai, efektyvus išvadų darymas, duomenų apdorojimas partijomis, talpinimas į talpyklą ir aparatinės įrangos specializacija gali sumažinti tam tikros paslaugos skaičiavimo poreikį, o tai netiesiogiai sumažina šilumos išskyrimą ir aušinimo poreikius.

Tuo pačiu metu bendra paklausa vis dar gali augti, jei dirbtinio intelekto naudojimas plėsis sparčiau nei didės efektyvumas. Todėl praktinis tikslas yra ne tik efektyvesnis aušinimas, bet ir geresnis informacijos atskleidimas, kruopštus vietos parinkimas bei infrastruktūros planavimas, atsižvelgiant į vietos vandens trūkumo problemą.