Почему в центрах обработки данных с ИИ потребляется так много воды?

Рабочие нагрузки искусственного интеллекта выполняются на физических серверах. Когда графические процессоры (GPU), центральные процессоры (CPU), память, системы хранения данных и сетевое оборудование потребляют электроэнергию, практически вся эта электроэнергия в конечном итоге превращается в тепло внутри центра обработки данных.

Обычный веб-сервер может обрабатывать несложные запросы, однако обучение и вычисления с использованием искусственного интеллекта могут приводить к тому, что ускорители работают с высокой загрузкой в течение длительного времени. Плотно заполненные стойки с графическими процессорами выделяют гораздо больше тепла на меньшей площади, чем традиционное корпоративное ИТ-оборудование.

Таким образом, охлаждение — это не просто дополнительная система, обеспечивающая комфорт. Это часть инфраструктуры, необходимой для поддержания рабочих температур микросхем в безопасных пределах, предотвращения снижения производительности, защиты оборудования и обеспечения надежного обслуживания пользователей.

В современных центрах обработки данных на базе искусственного интеллекта тысячи графических процессоров часто объединяются в кластеры. Эти графические процессоры предназначены для параллельных вычислений, поэтому они так полезны для обучения нейронных сетей и выполнения задач инференса.

Та же самая плотность, которая обеспечивает высокую производительность инфраструктуры ИИ, также создает тепловую нагрузку. Увеличение количества ускорителей в одной стойке означает более высокую потребляемую мощность, больше сетевых ресурсов, больше памяти и больше тепла, которое необходимо отводить от серверов.

Именно поэтому центры обработки данных, использующие ИИ, тесно связаны как с мощностями электроснабжения, так и с мощностями охлаждения. Даже если у объекта достаточно земельного участка или оптоволоконного подключения, его развитие всё равно может быть ограничено доступными мощностями электроснабжения, возможностями отвода тепла или местными ограничениями, связанными с водоснабжением.

Вода эффективна для охлаждения, поскольку способна хорошо отводить тепло. Во многих центрах обработки данных используются контуры с охлажденной водой, градирни, испарительное охлаждение или гибридные системы, сочетающие воздушное и водяное охлаждение в зависимости от внешних условий.

В испарительной системе часть воды намеренно выпаривается для отвода тепла. Это позволяет сократить потребление электроэнергии, необходимое для механического охлаждения, особенно по сравнению с интенсивной эксплуатацией чиллеров в жарких условиях, однако может привести к увеличению локального потребления воды.

Не все центры обработки данных используют одинаковую конструкцию. Некоторые объекты в большей степени полагаются на воздушное охлаждение, в других применяется жидкостное охлаждение с замкнутым контуром непосредственно у микросхем, а в третьих — регенерированная или непитьевая вода. Водный след зависит от архитектуры системы охлаждения, климатических условий и стратегии эксплуатации.

Под прямым потреблением воды понимается вода, потребляемая непосредственно на территории центра обработки данных, как правило, для охлаждения или регулирования влажности. Это наиболее заметная сторона проблемы, особенно когда объект использует испарительное охлаждение в регионе с дефицитом водных ресурсов.

Непрямое потребление воды также может иметь значение. Для производства электроэнергии может потребоваться вода — для охлаждения электростанций или производства топлива, в зависимости от особенностей местной энергосистемы. Дата-центр, который на месте потребляет мало воды, всё равно может быть связан с потреблением воды через потребляемую им электроэнергию.

Это одна из причин, по которой общедоступные оценки значительно различаются. В рамках серьезной оценки необходимо уточнить, учитываются ли в ней вода, используемая на объекте, вода в цепочке поставок, вода, связанная с производством электроэнергии, объемы забора воды, потребление или все эти категории.

Литр воды, потребленный в прохладном регионе с обильными водными ресурсами, не оказывает такого же влияния на местную экологию, как литр, потребленный в жарком и засушливом регионе с испытывающими дефицит водных ресурсов водосборными бассейнами. Таким образом, одна и та же технология охлаждения может иметь совершенно разные последствия в зависимости от местоположения.

Климат влияет на то, как часто используются естественное охлаждение, испарительное охлаждение или механическое охлаждение. Структура энергобаланса влияет на выбросы углерода. Наличие местных водных ресурсов определяет, будет ли дополнительный спрос незначительным, спорным или сложным с точки зрения эксплуатации.

Именно поэтому экологическую устойчивость центров обработки данных нельзя сводить к одному-единственному глобальному показателю. Важен не только вопрос о том, сколько воды потребляется, но и о том, где и когда она используется, а также какие альтернативные варианты охлаждения или энергоснабжения были доступны.

Сокращение потребления воды иногда может привести к увеличению потребления электроэнергии. Например, при проектировании, исключающем использование испарительного охлаждения, может возрастать зависимость от механических холодильных установок, что может привести к увеличению потребности в энергии в жаркие периоды.

Может произойти и обратное: использование воды для испарительного охлаждения может снизить потребление электроэнергии и, следовательно, сократить выбросы, если электросеть характеризуется высокой углеродной интенсивностью. Выбор оптимального варианта зависит от уровня дефицита водных ресурсов в данном регионе, углеродной интенсивности электросети, погодных условий и плотности оборудования.

Именно поэтому так важна прозрачность отчетности. Такие показатели, как PUE (энергоэффективность) и WUE (эффективность водопользования), являются полезными, но их необходимо рассматривать с учетом местных условий. Проект, ориентированный на экономию воды, не обязательно является низкоуглеродным, а проект, ориентированный на экономию энергии, не обязательно предполагает экономию воды.

Да, но универсального решения не существует. Среди возможных вариантов — оптимизация системы вентиляции, повышение рабочих температур, жидкостное охлаждение с замкнутым контуром, сухие охладители, использование регенерированной воды и воды, непригодной для питья, более рациональный подбор места установки, а также повышение эффективности аппаратного обеспечения искусственного интеллекта.

Важную роль играет также оптимизация моделей искусственного интеллекта. Использование более компактных моделей, эффективная инференция, пакетная обработка, кэширование и аппаратная специализация позволяют снизить вычислительные потребности конкретного сервиса, что косвенно сокращает тепловыделение и потребности в охлаждении.

В то же время общий спрос может по-прежнему расти, если темпы внедрения ИИ будут опережать темпы повышения эффективности. Поэтому практическая цель заключается не только в повышении эффективности охлаждения, но и в обеспечении более полного раскрытия информации, тщательном подборе площадок и планировании инфраструктуры с учетом местного дефицита водных ресурсов.