Schneider Electric: sztuczna inteligencja zmienia zasady projektowania centrów danych

Rozmowa z Sébastienem Cruz-Mermym, pełniącym w Schneider Electric funkcję Data Center Innovation and Tech Explore Lead, dotyczy trzech głównych wątków: zmian w infrastrukturze centrów danych wywołanych ekspansją AI, konieczności sprawniejszego i bardziej skoordynowanego zarządzania energią elektryczną oraz sposobów, w jakie sama sztuczna inteligencja może zwiększać efektywność data center i zmniejszać ich oddziaływanie na środowisko.

AI jako główny motor inwestycji w data center

Rozmówca potwierdza, że gwałtowny rozwój sztucznej inteligencji napędza dziś zapotrzebowanie na infrastrukturę centrów danych. Jak zaznacza, zbliżamy się do sytuacji, w której ponad połowa mocy nowo budowanych obiektów do 2030 roku będzie bezpośrednio związana z technologiami AI. Rośnie przy tym również zapotrzebowanie na usługi operatorów i dostawców centrów danych, a w Europie mówi się o konieczności podwojenia skali tej infrastruktury w ciągu zaledwie kilku lat.

Bariery w budowie nowych obiektów

Zdaniem Cruz-Mermy'ego kluczową trudnością pozostaje takie projektowanie centrów danych, by mogły w przyszłości obsłużyć wyższe obciążenia i większe gęstości mocy, zachowując przy tym maksymalną efektywność. Wymaga to elastyczności, ponieważ technologie obliczeniowe zmieniają się bardzo szybko. Analogiczna ewolucja zachodzi w systemach zasilania i chłodzenia – rosnąca gęstość mocy szaf serwerowych wymusza przejście na chłodzenie cieczą.

Wymagania energetyczne każdego obiektu są jednak inne i zależą od lokalizacji, dostępności różnych źródeł energii, stanu sieci dystrybucyjnej oraz możliwości korzystania z OZE. Jak podkreśla ekspert, niemal każdy kraj europejski charakteryzuje się w tym zakresie odmienną specyfiką, a w Polsce wyzwaniem może być zaprojektowanie infrastruktury zasilania tak, by efektywnie wykorzystywała zieloną energię dostępną w krajowym miksie energetycznym.

Schneider Electric odpowiada na te potrzeby, oferując rozwiązania zgodne z koncepcją „Grid to Chip and Chip to Chiller”, a także doradztwo dotyczące technologii zapewniających elastyczność i najwyższą efektywność we wszystkich obszarach działania centrum danych.

Nie brakuje mocy, brakuje zarządzania nią

Cruz-Mermy zaznacza, że przekonanie o niedoborze mocy energetycznej dla centrów danych jest tylko częściowo prawdziwe. Jego zdaniem europejski rynek energii dysponuje wystarczającymi rezerwami dla dalszego rozwoju tego sektora, choć sytuacja różni się w zależności od kraju. Prawdziwym wyzwaniem jest natomiast zarządzanie dostępną mocą tak, by trafiała tam, gdzie jest akurat potrzebna.

Odrębnym problemem jest rozbudowa sieci dystrybucyjnych i zwiększenie ich zdolności do przesyłu energii odnawialnej – tak, by zielona energia była faktycznie dostępna w miejscach planowanych inwestycji w centra danych. Podobne trudności występują w całej Europie, także na najbardziej dojrzałych rynkach regionu FLAPD, czyli we Frankfurcie, Londynie, Amsterdamie, Paryżu i Dublinie.

Szczególnym przypadkiem są wyspecjalizowane „fabryki AI”, budowane wyłącznie do trenowania modeli sztucznej inteligencji. Takie obiekty mogą powstawać praktycznie w dowolnym miejscu, ponieważ nie muszą sąsiadować z punktami, w których aplikacje AI są faktycznie wykorzystywane.

Nowy paradygmat lokalizacji centrów danych

Jak potwierdza ekspert Schneider Electric, ośrodki „AI-ready” dedykowane trenowaniu modeli mogą być lokalizowane wszędzie tam, gdzie dostępna jest odpowiednia moc energetyczna – w tym zielona – oraz powierzchnia pod zabudowę. Wynika to z faktu, że w systemach trenujących modele AI opóźnienia w transmisji danych mają drugorzędne znaczenie, w przeciwieństwie do tradycyjnych centrów danych czy infrastruktury do wnioskowania AI, gdzie niskie opóźnienia bywają krytyczne.

Rosnąca specjalizacja centrów danych

Cruz-Mermy przewiduje postępującą specjalizację centrów danych w miarę rozwoju AI. Już dziś obiekty projektowane pod obciążenia typowe dla sztucznej inteligencji różnią się charakterystyką od tych przeznaczonych do zastosowań tradycyjnych – przede wszystkim wyższą gęstością mocy, wynikającą z architektury sprzętu zapewniającego najwyższą wydajność obliczeniową AI.

Dążenie do maksymalnej wydajności systemów AI wymusza minimalizację fizycznej odległości między kluczowymi komponentami serwerów, w tym układami GPU oraz urządzeniami tworzącymi klaster obliczeniowy. Serwery i szafy muszą stać jak najbliżej siebie, co bezpośrednio przekłada się na wzrost gęstości mocy.

Same układy GPU, najlepiej radzące sobie z obciążeniami AI, potrzebują dużo energii i generują znaczne ilości ciepła. W efekcie gęstość mocy serwerów przeznaczonych do AI jest znacznie wyższa niż w rozwiązaniach tradycyjnych, co wymusza nowe podejście do architektury zasilania i chłodzenia całego obiektu.

Charakter obciążeń AI oznacza, że centra danych trzeba projektować od podstaw, z uwzględnieniem nowych wymogów – dotyczy to zasilania, chłodzenia i zarządzania całą infrastrukturą. Jednocześnie, jak zauważa rozmówca, obciążenia związane z AI mogą pozwalać na większą elastyczność w zakresie dostępności i odporności systemów, zwłaszcza w infrastrukturze przeznaczonej do trenowania modeli.

Ewentualne przerwy w pracy takich systemów mogą wymusić powtórzenie części obliczeń, ale nie prowadzą do utraty danych czy korzyści biznesowych. Podobnie wymagania dotyczące dostępu do sieci i usług telekomunikacyjnych mogą być tu łagodniejsze niż w klasycznych centrach danych, gdzie oczekuje się wyższej niezawodności.

Cruz-Mermy podkreśla, że traktowanie AI jako narzędzia obniżania zużycia energii i poprawy efektywności energetycznej to jedyna zrównoważona droga rozwoju centrów danych w obliczu rosnących wymagań. Sztuczna inteligencja umożliwia nie tylko dynamiczną analizę danych, lecz również praktyczne wykorzystanie zdobytej w ten sposób wiedzy w różnych branżach.

Podział na obiekty AI i pozostałe

Ekspert spodziewa się postępującego podziału na centra danych wyspecjalizowane w obsłudze AI i te przeznaczone do innych obciążeń, choć granica między nimi nie zawsze będzie ostra. Wielkoskalowe obiekty AI będą budowane głównie przez największych dostawców infrastruktury i usług chmurowych, skupionych na trenowaniu modeli. Istotne pozostają też wymagania wobec infrastruktury sieciowej – ogromne wolumeny danych używanych do trenowania AI oznaczają nie tylko wzrost zapotrzebowania na moc obliczeniową, ale i konieczność szybkiego, niezawodnego przesyłu danych w obrębie klastrów.

Jak szacuje Cruz-Mermy, w typowym centrum danych o mocy całkowitej 500 MW, zoptymalizowanym pod trening modeli AI, nawet 100 MW może przypadać na sprzęt sieciowy – to ogromne wartości zarówno w kontekście zasilania, jak i chłodzenia.

Jako przykład podaje szafy serwerowe NVIDIA GB200 NVL72, które mogą pobierać do 132 kW mocy, podczas gdy sprzęt sieciowy osiąga gęstość rzędu 22 kW. Choć liczby te nie są oszałamiające, oznaczają radykalny wzrost gęstości mocy na poziomie samych szaf, a co za tym idzie – konieczność sięgnięcia po innowacyjne rozwiązania chłodzenia, zupełnie inne niż w przypadku tradycyjnych obciążeń.

Rozmówca zauważa, że trudno mówić o pełnej uniwersalności data center – takie wymagania dotyczą raczej wąskiej grupy obiektów zajmujących się trenowaniem modeli AI, podczas gdy infrastruktura obsługująca już wyćwiczone modele ma mniejsze wymagania, bliższe tradycyjnym aplikacjom. Niezbędne pozostaje jednak projektowanie infrastruktury z myślą o elastyczności i zdolności obsługi różnych profili obciążeń. Schneider Electric wspiera w tym klientów zgodnie z filozofią „Grid to Chip and Chip to Chiller”, doradzając wybór technologii zapewniających elastyczność i efektywność we wszystkich wymiarach działania centrum danych. Punktem wyjścia powinna być zawsze analiza charakterystyki obciążeń planowanych w danej przestrzeni serwerowej.

Chłodzenie bezpośrednio z procesorów

Odpowiadając na pytanie o zmiany w odprowadzaniu ciepła, Cruz-Mermy wskazuje, że przy systemach o wysokiej gęstości mocy i dużej skali niezbędne staje się chłodzenie bezpośrednio z procesorów. Schneider Electric oferuje w tym zakresie kompleksowe rozwiązania – od poziomu układu scalonego aż po agregat chłodniczy (chiller), a portfolio firmy zostało wzmocnione technologiami Motivair, specjalizującej się w chłodzeniu systemów wysokowydajnych (HPC).

Dzięki doświadczeniu w obszarze HPC, obejmującemu płyty chłodzące oraz wysokowydajne wymienniki ciepła CDU (Coolant Distribution Unit) montowane bezpośrednio na procesorach, wspierane dodatkowo zaawansowanymi blokami chłodzącymi i optymalizacjami, Schneider Electric dostarcza – jak podkreśla rozmówca – efektywny i energooszczędny system chłodzenia dla różnych zastosowań.

Architektura systemu odprowadzania ciepła musi umożliwiać opłacalne chłodzenie serwerów pracujących przy zróżnicowanych profilach obciążenia. Zdaniem eksperta odpowiednie technologie już istnieją i powinny być traktowane jako zintegrowany system, ale kluczowe znaczenie ma zaprojektowanie właściwej architektury oraz wdrożenie zautomatyzowanego, dynamicznego sterowania chłodzeniem. Ponownie przywołuje przykład obiektu o mocy 500 MW zoptymalizowanego pod trening AI, gdzie nawet 100 MW może trafiać na sprzęt sieciowy – co generuje ogromne wymagania zarówno wobec zasilania, jak i chłodzenia.

Koncepcja „Grid to Chip” w zasilaniu

Pytany o rozwój infrastruktury zasilania i dystrybucji energii, Cruz-Mermy odwołuje się do koncepcji „Grid to Chip”. Oznacza ona, że system zasilania trzeba projektować z myślą o wymaganiach AI – czyli zdolności dostarczania wysokiej jakości energii do szaf serwerowych o dużej gęstości mocy w jak najbardziej efektywny sposób. Kluczowe jest tu zastosowanie najnowszych technologii, takich jak nowy trójfazowy UPS Galaxy VXL, który pozwala zoptymalizować zajmowaną przestrzeń i efektywność energetyczną, radząc sobie jednocześnie z dynamicznym profilem zużycia energii typowym dla obciążeń AI.

AI jako narzędzie optymalizacji centrów danych

Możliwości wykorzystania sztucznej inteligencji do optymalizacji pracy centrów danych są, zdaniem Cruz-Mermy'ego, bardzo szerokie. Schneider Electric stosuje AI do projektowania optymalnego rozmieszczenia sprzętu IT, tak by maksymalizować odprowadzanie ciepła i zwiększać efektywność systemów chłodzenia, korzystając przy tym z oprogramowania CFD, takiego jak EcoStruxure IT Design.

Algorytmy AI są też wykorzystywane do poprawy efektywności energetycznej i ograniczania negatywnego wpływu centrów danych na sieci dystrybucyjne. Sztuczna inteligencja pozwala ponadto sterować pracą obiektów tak, by zmniejszać intensywność emisji dwutlenku węgla oraz ograniczać wpływ na okoliczne społeczności.

Jak dodaje rozmówca, AI wnosi wartość również na poziomie scentralizowanego zarządzania złożonymi, energochłonnymi obiektami. Wspierane sztuczną inteligencją systemy chłodzenia mogą dynamicznie optymalizować przepływ powietrza, ograniczając zużycie energii przez chłodzenie – a co za tym idzie koszty, które w typowym centrum danych mogą stanowić ponad 30–33% całkowitego zużycia energii.

Kolejnym obszarem, w którym AI odgrywa istotną rolę, jest ułatwianie integracji rozproszonych źródeł energii (DER), w tym energii odnawialnej. Konieczność dywersyfikacji źródeł zasilania i wykorzystania OZE prowadzi do powstawania coraz bardziej złożonych systemów energetycznych, łączących różne technologie, które muszą być precyzyjnie zsynchronizowane. AI pomaga dostosowywać działanie takiego systemu do przyjętych priorytetów – niezależnie od tego, czy chodzi o dostępność, koszt, emisyjność CO2, czy ich kombinację.

W Schneider Electric wierzymy, że sztuczna inteligencja odegra kluczową rolę w cyfrowej transformacji obiektów o wysokim zużyciu energii – nie tylko centrów danych, lecz także biurowców czy fabryk.

Sébastien Cruz-Mermy, Schneider Electric

Cruz-Mermy podsumowuje, że AI jest akceleratorem digitalizacji i przyspiesza procesy dekarbonizacji gospodarek. Sztuczna inteligencja nie jest więc wyłącznie źródłem nowych wyzwań po stronie popytu na energię, lecz również ich rozwiązaniem – dla każdego obiektu trzeba jedynie znaleźć scenariusz, w którym te dwa aspekty da się pogodzić w najbardziej efektywny sposób.

Pierwsze kroki w budowie centrum danych pod AI

Zapytany, od czego zacząć budowę centrum danych na potrzeby projektów AI, Cruz-Mermy radzi najpierw zrozumieć specyfikę obciążeń AI oraz rozeznać się w dostępnych na rynku rozwiązaniach i usługach. W wielu przypadkach budowa specjalistycznego obiektu o wysokiej gęstości mocy nie będzie konieczna, jeśli organizacja nie planuje tworzenia własnych modeli AI. Jeśli jednak taka potrzeba się pojawi, warto – jego zdaniem – wybrać partnera pokroju Schneider Electric, zdolnego kompleksowo wesprzeć taką inwestycję.

Firma ściśle współpracuje z NVIDIA, by rozpoznać wymagania stawiane przez najwydajniejsze układy GPU, testując różne konfiguracje w poszukiwaniu najbardziej efektywnych rozwiązań zasilania i chłodzenia. Tworzy również projekty referencyjne centrów danych, które mogą stanowić podstawę realnych wdrożeń – doradzając, jak budować i eksploatować optymalny klaster NVIDIA GB200 NVL72, jak skalować i powielać taką infrastrukturę oraz jak dobrać odpowiednie zasilanie i system chłodzenia.

Wsparcie w zakupie i dystrybucji energii

Na pytanie, czy Schneider Electric oferuje też usługi bezpośrednio związane z dostawami energii do centrów danych, Cruz-Mermy odpowiada twierdząco, zaznaczając, że dotyczy to nie tylko tego sektora. Firma jest jednym z największych pośredników w zakresie zakupu energii i pomaga klientom w zaopatrzeniu energetycznym, optymalizacji procesów zasilania oraz definiowaniu i wdrażaniu strategii ukierunkowanych na wykorzystanie zielonej energii.

Jak podsumowuje rozmówca, Schneider Electric wspiera klientów w opracowywaniu, a następnie wdrażaniu kompleksowej strategii budowy i uruchamiania infrastruktury centrów danych, uwzględniającej specyficzne wymagania sztucznej inteligencji. Firma oferuje pełen zakres rozwiązań zgodnych z koncepcją „Grid to Chip and Chip to Chiller” – łącznie z oprogramowaniem i usługami wspierającymi efektywne projektowanie oraz bezpieczną eksploatację.