Чому центри обробки даних штучного інтелекту споживають так багато води?

Робочі навантаження штучного інтелекту виконуються на фізичних машинах. Коли графічні процесори (GPU), центральні процесори (CPU), пам’ять, системи зберігання даних та мережеве обладнання споживають електроенергію, майже вся ця електрична енергія зрештою перетворюється на тепло всередині центру обробки даних.

Звичайний веб-сервер може обробляти не надто ресурсомісткі запити, але навчання та інференція штучного інтелекту можуть змушувати прискорювачі працювати з високим ступенем завантаження протягом тривалого часу. Щільно заповнені стійки з графічними процесорами (GPU) виділяють набагато більше тепла на меншій площі, ніж традиційне корпоративне ІТ-обладнання.

Отже, охолодження — це не просто додаткова система для забезпечення комфорту. Це частина інфраструктури, необхідної для підтримки мікросхем у межах безпечних робочих температур, запобігання зниженню продуктивності, захисту апаратного забезпечення та забезпечення надійного обслуговування користувачів.

Сучасні центри обробки даних на базі штучного інтелекту часто об’єднують тисячі графічних процесорів у кластери. Ці графічні процесори призначені для паралельних обчислень, саме тому вони так корисні для навчання нейронних мереж та виконання завдань інференції.

Та сама щільність, яка робить інфраструктуру штучного інтелекту потужною, також створює теплове навантаження. Більша кількість прискорювачів на стійці означає більшу потужність, більший обсяг мережевих ресурсів, більший обсяг пам’яті та більше тепла, яке потрібно відводити від серверів.

Саме тому центри обробки даних, що використовують штучний інтелект, тісно пов’язані як з електропостачанням, так і з потужністю систем охолодження. Навіть якщо об’єкт має достатню площу або підключення до оптоволоконної мережі, його розвиток все одно може бути обмежений наявними потужностями електропостачання, можливостями відведення тепла або місцевими вимогами щодо водопостачання.

Вода є ефективним охолоджувачем, оскільки здатна ефективно відводити тепло. Багато центрів обробки даних використовують контури з охолодженою водою, градирні, випарне охолодження або гібридні системи, що поєднують повітряне та водяне охолодження залежно від зовнішніх умов.

У випарній системі частина води навмисно випаровується для відведення тепла. Це дозволяє зменшити споживання електроенергії, необхідної для механічного охолодження, особливо порівняно з інтенсивним використанням холодильних установок у спекотних умовах, але може призвести до збільшення місцевого споживання води.

Не всі центри обробки даних мають однакову конструкцію. Деякі об’єкти в більшій мірі покладаються на повітряне охолодження, інші використовують рідинне охолодження із замкнутим контуром безпосередньо біля мікросхем, а треті — перероблену або непридатну для пиття воду. Водний слід залежить від архітектури системи охолодження, кліматичних умов та стратегії експлуатації.

Пряме споживання води — це вода, що витрачається безпосередньо на території центру обробки даних, зазвичай для охолодження або регулювання вологості. Це найпомітніша частина проблеми, особливо коли об’єкт використовує випарне охолодження в регіоні, де спостерігається дефіцит води.

Непряме використання води також може мати значення. Для виробництва електроенергії може знадобитися вода для охолодження електростанцій або виробництва палива, залежно від місцевої енергосистеми. Центр обробки даних, який на місці споживає мало води, все одно може бути пов’язаний із використанням води через електроенергію, яку він споживає.

Це одна з причин, через яку публічні оцінки значно розходяться. У рамках серйозної оцінки необхідно чітко вказати, чи враховуються в ній вода, що використовується на об’єкті, вода в ланцюгу постачання, вода, пов’язана з електроенергією, забір води, споживання води чи всі ці категорії.

Літр води, спожитий у прохолодному регіоні з достатніми запасами води, не має такого самого місцевого впливу, як літр, спожитий у спекотному й сухому регіоні з виснаженими водозбірними басейнами. Отже, одна й та сама технологія охолодження може мати дуже різні наслідки залежно від місця розташування.

Клімат впливає на те, як часто застосовуються природне охолодження, випарне охолодження або механічне охолодження. Структура енергобалансу впливає на викиди вуглецю. Наявність води на місцевому рівні визначає, чи є додатковий попит незначним, суперечливим чи складним з експлуатаційної точки зору.

Саме тому екологічну ефективність центрів обробки даних не можна звести до одного загального показника. Важливе значення має не лише те, скільки води споживається, а й те, де та коли вона використовується, а також які альтернативні варіанти охолодження чи енергозабезпечення були доступні.

Зменшення споживання води іноді може призвести до збільшення споживання електроенергії. Наприклад, проект, у якому не передбачено випарне охолодження, може в більшій мірі покладатися на механічні холодильні установки, що може збільшити споживання енергії в спекотні періоди.

Може статися й навпаки: використання води для випарного охолодження може знизити споживання електроенергії, а отже, і рівень викидів, якщо енергосистема є вуглецевоємною. Який варіант кращий, залежить від місцевого дефіциту води, вуглецевої інтенсивності енергосистеми, погодних умов та щільності обладнання.

Саме тому прозора звітність має велике значення. Такі показники, як PUE (енергоефективність) та WUE (ефективність використання води), є корисними, але їх слід розглядати з урахуванням місцевих умов. Проект, орієнтований на економію води, не обов’язково є низьковуглецевим, а проект, орієнтований на економію енергії, не обов’язково передбачає економію води.

Так, але єдиного універсального рішення не існує. Серед можливих варіантів — покращення управління повітряним потоком, підвищення робочих температур, рідинне охолодження із замкнутим контуром, сухі охолоджувачі, використання рекуперованої води, використання води, непридатної для пиття, вибір більш вдалого місця розміщення обладнання та підвищення ефективності апаратного забезпечення штучного інтелекту.

Важливе значення має також оптимізація моделей штучного інтелекту. Менші за розміром моделі, ефективне інференційне обчислення, пакетна обробка, кешування та спеціалізація апаратного забезпечення можуть знизити обчислювальні потреби певної служби, що опосередковано зменшує тепловиділення та вимоги до охолодження.

Водночас загальний попит все одно може зростати, якщо темпи поширення штучного інтелекту випереджатимуть темпи підвищення ефективності. Тому практичною метою є не лише підвищення ефективності охолодження, а й покращення прозорості, ретельний вибір місць розміщення об’єктів та планування інфраструктури з урахуванням місцевих проблем з дефіцитом води.