Obsah
Dátové centrá s umelou inteligenciou potrebujú chladenie, pretože výpočty sa premieňajú na teplo
Úlohy umelej inteligencie bežia na fyzických strojoch. Keď grafické procesory (GPU), centrálne procesory (CPU), pamäť, úložné zariadenia a sieťové zariadenia spotrebúvajú elektrickú energiu, takmer celá táto elektrická energia sa nakoniec premení na teplo v dátovom centre.
Bežný webový server síce dokáže spracovávať nenáročné požiadavky, avšak trénovanie umelej inteligencie a inferencia môžu spôsobiť, že akcelerátory budú dlhodobo pracovať s vysokým vyťažením. Husté rady grafických procesorov (GPU) koncentrujú v menšom priestore oveľa viac tepla než tradičné podnikové IT zariadenia.
Chladenie preto nie je voliteľným komfortným systémom. Je súčasťou infraštruktúry potrebnej na udržanie čipov v bezpečných prevádzkových teplotách, zabránenie obmedzovaniu výkonu, ochranu hardvéru a zabezpečenie spoľahlivej prevádzky pre používateľov.
GPU klastre sťažujú riešenie problému chladenia
Moderné dátové centrá využívajúce umelú inteligenciu často zoskupujú tisíce grafických procesorov do klastrov. Tieto grafické procesory sú navrhnuté na paralelné výpočty, a práve preto sú tak užitočné pri trénovaní neurónových sietí a spracovávaní inferenčných úloh.
Tá istá hustota, ktorá zaisťuje výkonnosť infraštruktúry umelej inteligencie, zároveň spôsobuje tepelné zaťaženie. Väčší počet akcelerátorov na jeden rack znamená vyšší príkon, väčší objem sieťových pripojení, väčšiu kapacitu pamäte a viac tepla, ktoré je potrebné odvádzať zo serverov.
Preto sú dátové centrá využívajúce umelú inteligenciu úzko prepojené s kapacitou dodávky elektrickej energie aj s chladiacou kapacitou. Lokalita môže mať dostatok pozemkov alebo optické pripojenie, napriek tomu však môže byť obmedzovaná dostupnou kapacitou elektrickej energie, kapacitou odvádzania tepla alebo miestnymi vodohospodárskymi podmienkami.
Ako funguje chladenie na báze vody
Voda je užitočná pri chladení, pretože dokáže efektívne odvádzať teplo. Mnohé dátové centrá využívajú okruhy s chladenou vodou, chladiace veže, odparovacie chladenie alebo hybridné systémy, ktoré v závislosti od vonkajších podmienok kombinujú vzduch a vodu.
V odparovacom systéme sa časť vody zámerne odparuje s cieľom odviesť teplo. Tým sa môže znížiť spotreba elektrickej energie potrebnej na mechanické chladenie, najmä v porovnaní s intenzívnym prevádzkovaním chladiacich zariadení v teplých podmienkach, môže to však zvýšiť miestnu spotrebu vody.
Nie každé dátové centrum využíva rovnakú konštrukciu. Niektoré zariadenia sa vo väčšej miere spoliehajú na vzduchové chladenie, iné využívajú uzavretý okruh kvapalinového chladenia v blízkosti čipov a ďalšie používajú recyklovanú alebo nepitnú vodu. Vodná stopa závisí od architektúry chladenia, podnebia a prevádzkovej stratégie.
Priama spotreba vody je len časťou celkového obrazu
Priama spotreba vody znamená vodu spotrebovanú priamo v areáli dátového centra, zvyčajne na chladenie alebo reguláciu vlhkosti. Ide o najviditeľnejšiu časť tohto problému, najmä ak zariadenie využíva odparovacie chladenie v regióne s nedostatkom vody.
Dôležitá môže byť aj nepriama spotreba vody. Výroba elektrickej energie môže vyžadovať vodu na chladenie elektrární alebo na výrobu paliva, v závislosti od miestnej elektrickej siete. Dátové centrum, ktoré priamo na mieste spotrebuje málo vody, môže byť napriek tomu spojené so spotrebou vody prostredníctvom elektrickej energie, ktorú spotrebúva.
To je jeden z dôvodov, prečo sa verejné odhady výrazne líšia. Seriozné posúdenie musí upresniť, či zohľadňuje vodu spotrebovanú priamo na mieste, vodu v dodávateľskom reťazci, vodu súvisiacu s elektrinou, odbery, spotrebu alebo všetky tieto kategórie.

Miesto ovplyvňuje dopad v reálnom svete
Liter vody spotrebovaný v chladnej oblasti s dostatkom vody nemá rovnaký miestny dopad ako liter spotrebovaný v horúcej a suchej oblasti s ohrozenými povodiami. Rovnaká chladiaca technológia môže preto mať v závislosti od miesta veľmi odlišné dôsledky.
Klimatické podmienky ovplyvňujú, ako často sa využíva prirodzené chladenie, odparné chladenie alebo mechanické chladenie. Zloženie energetickej siete ovplyvňuje emisie uhlíka. Dostupnosť vody v danej lokalite ovplyvňuje to, či je dodatočný dopyt zanedbateľný, sporný alebo prevádzkovo náročný.
Preto nemožno udržateľnosť dátových centier zredukovať na jediný globálny údaj. Kľúčovou otázkou nie je len to, koľko vody sa spotrebuje, ale aj to, kde a kedy sa spotrebuje a aké alternatívne možnosti chladenia alebo napájania boli k dispozícii.
Voda, elektrina a uhlík sú navzájom prepojené
Zníženie spotreby vody môže niekedy viesť k zvýšeniu spotreby elektrickej energie. Napríklad konštrukcia, ktorá nevyužíva odparovacie chladenie, môže vo väčšej miere závisieť od mechanických chladiacich zariadení, čo môže v horúcich obdobiach zvýšiť spotrebu energie.
Môže sa stať aj opak: využitie vody na odparovacie chladenie môže znížiť spotrebu elektrickej energie, a tým aj emisie, ak je elektrická sieť uhlíkovo náročná. Ktorá možnosť je vhodnejšia, závisí od miestneho nedostatku vody, uhlíkovej náročnosti elektrickej siete, počasia a hustoty zariadení.
Preto je dôležité transparentné vykazovanie. Ukazovatele ako PUE pre energetickú účinnosť a WUE pre spotrebu vody sú užitočné, ale je potrebné zohľadniť miestny kontext. Návrh s nízkou spotrebou vody nemusí automaticky znamenať nízke emisie uhlíka a návrh s nízkou spotrebou energie nemusí automaticky znamenať nízku spotrebu vody.
Môžu dátové centrá využívajúce umelú inteligenciu spotrebovávať menej vody?
Áno, neexistuje však žiadne univerzálne riešenie. Medzi možnosti patrí lepšie riadenie prúdenia vzduchu, vyššie prevádzkové teploty, kvapalinové chladenie s uzavretým okruhom, suché chladiče, recyklovaná voda, nepitná voda, lepšie rozhodnutia o umiestnení a efektívnejší hardvér pre umelú inteligenciu.
Dôležitá je aj optimalizácia modelov umelej inteligencie. Menšie modely, efektívna inferencia, spracovanie v dávkach, ukladanie do vyrovnávacej pamäte a hardvérová špecializácia môžu znížiť výpočtové nároky danej služby, čo nepriamo znižuje tepelné zaťaženie a požiadavky na chladenie.
Zároveň však môže celkový dopyt naďalej rásť, ak sa využívanie umelej inteligencie bude rozširovať rýchlejšie, ako sa bude zvyšovať efektívnosť. Praktickým cieľom je preto nielen efektívnejšie chladenie, ale aj lepšie zverejňovanie informácií, starostlivý výber lokalít a plánovanie infraštruktúry, ktoré zohľadňuje miestny nedostatok vody.

