Dlaczego centra danych wykorzystujące sztuczną inteligencję zużywają tak dużo wody?

Obciążenia związane ze sztuczną inteligencją działają na maszynach fizycznych. Gdy procesory graficzne (GPU), procesory centralne (CPU), pamięć, urządzenia pamięci masowej i sprzęt sieciowy zużywają energię elektryczną, niemal cała ta energia ostatecznie zamienia się w ciepło wewnątrz centrum danych.

Tradycyjny serwer internetowy może obsługiwać niewielkie żądania, ale szkolenie modeli sztucznej inteligencji i wnioskowanie mogą powodować, że akceleratory będą pracować z wysokim stopniem wykorzystania przez długi czas. Gęsto upakowane szafy z procesorami graficznymi (GPU) generują znacznie więcej ciepła na mniejszej przestrzeni niż tradycyjny sprzęt IT stosowany w przedsiębiorstwach.

Chłodzenie nie jest zatem opcjonalnym systemem zapewniającym komfort. Stanowi ono część infrastruktury niezbędnej do utrzymania chipów w bezpiecznym zakresie temperatur roboczych, zapobiegania ograniczaniu wydajności, ochrony sprzętu oraz zapewnienia niezawodnej obsługi użytkowników.

Współczesne centra danych wykorzystujące sztuczną inteligencję często grupują tysiące procesorów graficznych w klastry. Procesory te są zaprojektowane z myślą o obliczeniach równoległych, dlatego tak dobrze sprawdzają się podczas uczenia sieci neuronowych i obsługi zadań wnioskowania.

Ta sama gęstość, która sprawia, że infrastruktura sztucznej inteligencji jest tak wydajna, powoduje również obciążenie termiczne. Więcej akceleratorów w jednej szafie oznacza większe zapotrzebowanie na energię, większe obciążenie sieci, więcej pamięci oraz więcej ciepła, które trzeba odprowadzić z serwerów.

Właśnie dlatego centra danych wykorzystujące sztuczną inteligencję są ściśle powiązane zarówno z dostępnością energii elektrycznej, jak i możliwościami chłodzenia. Lokalizacja może dysponować wystarczającą powierzchnią lub łącznością światłowodową, ale mimo to może być ograniczona przez dostępną moc, możliwości odprowadzania ciepła lub lokalne uwarunkowania związane z zaopatrzeniem w wodę.

Woda sprawdza się w chłodzeniu, ponieważ skutecznie odprowadza ciepło. Wiele centrów danych wykorzystuje obiegi wody lodowej, wieże chłodnicze, chłodzenie wyparne lub systemy hybrydowe łączące chłodzenie powietrzem i wodą w zależności od warunków zewnętrznych.

W systemie odparowującym część wody jest celowo odparowywana w celu odprowadzenia ciepła. Może to zmniejszyć zapotrzebowanie na energię elektryczną niezbędną do chłodzenia mechanicznego, zwłaszcza w porównaniu z intensywną eksploatacją agregatów chłodniczych w wysokich temperaturach, ale może też zwiększyć lokalne zużycie wody.

Nie każde centrum danych ma taką samą konstrukcję. Niektóre obiekty w większym stopniu opierają się na chłodzeniu powietrzem, inne stosują chłodzenie cieczą w obiegu zamkniętym w pobliżu układów scalonych, a jeszcze inne wykorzystują wodę odzyskaną lub nieprzeznaczoną do picia. Ślad wodny zależy od architektury systemu chłodzenia, klimatu oraz strategii eksploatacji.

Bezpośrednie zużycie wody oznacza wodę zużywaną na terenie centrum danych, zazwyczaj do chłodzenia lub regulacji wilgotności. Jest to najbardziej widoczny aspekt tego problemu, zwłaszcza gdy obiekt wykorzystuje chłodzenie wyparne w regionie dotkniętym niedoborem wody.

Znaczenie może mieć również pośrednie zużycie wody. Wytwarzanie energii elektrycznej może wymagać wody do chłodzenia elektrowni lub produkcji paliwa, w zależności od lokalnej sieci energetycznej. Centrum danych, które na miejscu zużywa niewiele wody, może mimo to mieć związek z zużyciem wody poprzez energię elektryczną, którą zużywa.

To jeden z powodów, dla których publiczne szacunki znacznie się od siebie różnią. Rzetelna ocena musi precyzyjnie określać, czy uwzględnia wodę zużywaną na miejscu, wodę w łańcuchu dostaw, wodę związaną z wytwarzaniem energii elektrycznej, pobór wody, zużycie wody, czy też wszystkie te kategorie.

Litr wody wypity w chłodnym regionie, gdzie wody jest pod dostatkiem, nie ma takiego samego lokalnego wpływu jak litr wypity w gorącym, suchym regionie, gdzie zlewnie borykają się z niedoborem wody. Ta sama technologia chłodzenia może zatem mieć bardzo różne konsekwencje w zależności od lokalizacji.

Klimat wpływa na częstotliwość stosowania chłodzenia swobodnego, chłodzenia wyparnego lub chłodzenia mechanicznego. Struktura sieci energetycznej wpływa na emisję dwutlenku węgla. Lokalna dostępność wody decyduje o tym, czy dodatkowe zapotrzebowanie jest niewielkie, budzi kontrowersje, czy też jest trudne do zaspokojenia pod względem operacyjnym.

Właśnie dlatego zrównoważonego rozwoju centrów danych nie da się sprowadzić do jednej ogólnej wartości liczbowej. Istotne jest nie tylko to, ile wody się zużywa, ale także gdzie i kiedy jest ona zużywana oraz jakie alternatywne rozwiązania w zakresie chłodzenia lub zasilania były dostępne.

Ograniczenie zużycia wody może czasami spowodować wzrost zużycia energii elektrycznej. Na przykład rozwiązanie projektowe, które nie wykorzystuje chłodzenia wyparnego, może w większym stopniu opierać się na chłodziarkach mechanicznych, co może zwiększyć zapotrzebowanie na energię w okresach upałów.

Może też zdarzyć się sytuacja odwrotna: wykorzystanie wody do chłodzenia wyparnego może zmniejszyć zużycie energii elektrycznej, a tym samym ograniczyć emisje, jeśli sieć energetyczna charakteryzuje się wysoką intensywnością emisji dwutlenku węgla. Wybór lepszego rozwiązania zależy od lokalnego niedoboru wody, intensywności emisji dwutlenku węgla w sieci energetycznej, warunków pogodowych oraz gęstości sprzętu.

Właśnie dlatego tak ważna jest przejrzystość sprawozdawczości. Wskaźniki takie jak PUE (efektywność energetyczna) i WUE (zużycie wody) są pomocne, ale należy je rozpatrywać w lokalnym kontekście. Projekt zakładający niskie zużycie wody niekoniecznie oznacza niski ślad węglowy, a projekt energooszczędny niekoniecznie wiąże się z niskim zużyciem wody.

Tak, ale nie ma jednego uniwersalnego rozwiązania. Możliwe opcje to: lepsze zarządzanie przepływem powietrza, wyższe temperatury robocze, chłodzenie cieczą w obiegu zamkniętym, chłodnice suche, woda z recyklingu, woda nieprzeznaczona do picia, lepsze decyzje dotyczące lokalizacji oraz bardziej wydajny sprzęt AI.

Ważna jest również optymalizacja modeli sztucznej inteligencji. Mniejsze modele, wydajne wnioskowanie, przetwarzanie wsadowe, buforowanie oraz specjalizacja sprzętowa mogą zmniejszyć zapotrzebowanie obliczeniowe danej usługi, co pośrednio zmniejsza ilość wytwarzanego ciepła i wymagania dotyczące chłodzenia.

Jednocześnie całkowity popyt może nadal rosnąć, jeśli wykorzystanie sztucznej inteligencji będzie się rozwijać szybciej niż poprawia się wydajność. Dlatego praktycznym celem jest nie tylko bardziej wydajne chłodzenie, ale także lepsze ujawnianie informacji, staranne dobieranie lokalizacji oraz planowanie infrastruktury uwzględniające lokalny niedobór wody.