Нельзя отрицать влияние ИИ на центры обработки данных и энергопотребление. Если с этим ничего не сделать, ситуация будет только ухудшаться. Недавний отчет IDC показывает, что по мере дальнейшего распространения ИИ потребность в энергии для поддержки рабочих нагрузок ИИ будет стремительно расти, при этом ожидается, что энергопотребление центров обработки данных увеличится более чем вдвое в период с 2023 по 2028 год. Ожидается, что только рабочие нагрузки, основанные на искусственном интеллекте, будут быстро расти к 2027 году, при этом совокупный годовой темп роста (CAGR) составит 44,7%, а спрос на энергию достигнет огромных 146,2 ТВтч. Последствия серьезны: центры обработки данных, на которые уже приходится 46% корпоративных расходов на электроэнергию, вскоре могут стать неустойчивыми.
Конечно, этого не может случиться. Однако, поскольку рабочие нагрузки ИИ быстро растут, центры обработки данных должны быстро развиваться и справляться с перспективой нового энергетического кризиса с ростом цен на электроэнергию из-за геополитической нестабильности на Ближнем Востоке. Растущее влияние инструментов искусственного интеллекта в различных отраслях — от здравоохранения до финансовых услуг — неоспоримо. Однако поиск с использованием искусственного интеллекта потребляет в 100 раз больше энергии, чем поиск без использования искусственного интеллекта, а создание базовых моделей искусственного интеллекта может использовать достаточно энергии для обеспечения электроснабжением 20 000 домов в течение шести месяцев.
Директор по системному проектированию в Nutanix.
Решение?
В отчете Atlantic Ventures «Повышение устойчивости центров обработки данных к 2024 году» предлагается решение и показано, как архитектуры центров обработки данных следующего поколения, такие как гиперконвергентная инфраструктура (HCI), снижают потребление энергии, сокращают выбросы углекислого газа и обеспечивают экономию средств по всем направлениям. регион EMEA. В отчете говорится, что модернизация центров обработки данных с помощью HCI в регионе EMEA может всего за шесть лет сэкономить до 19 миллионов тонн CO2-эквивалента, что эквивалентно выбросам почти 4,1 миллиона автомобилей. Повышение энергетической и операционной эффективности также может сэкономить 25 миллиардов евро к 2030 году.
Поскольку компании интегрируют искусственный интеллект в свои операции и решают проблему огромных масштабов энергопотребления, HCI может снизить риск роста затрат и гарантировать, что цели устойчивого развития не будут недостигнуты. Но речь идет не только о HCI, но и о том, как компании работают с ИИ. Акцент следует сместить на оптимизацию того, где и как обрабатываются рабочие нагрузки ИИ, и использование модернизации для более разумного управления рабочими нагрузками. Это имеет гораздо больше смысла, чем просто строить все больше и больше энергоэффективных центров обработки данных.
Это важно, потому что нам нужно учитывать, как работает ИИ и где увеличится спрос на электроэнергию. В то время как многие компании задаются вопросом о потреблении энергии, необходимой, например, для обучения базовых моделей ИИ, большая часть энергии используется для формирования выводов — ИИ, принимающего решения в реальном времени.
Базовое обучение модели происходит только один раз, но вывод — это непрерывный процесс, который повторяется миллионы раз, особенно в приложениях на основе искусственного интеллекта, таких как обнаружение мошенничества или профилактическое обслуживание. Оптимизация логических выводов, особенно на периферии, может стать панацеей, необходимой центрам обработки данных для более эффективного управления потребностями ИИ в мощности.
Обращение к возобновляемым источникам энергии
Как следует из отчета IDC, больше поставщиков центров обработки данных должны перейти на возобновляемые источники энергии, но также переосмыслить свою инфраструктуру. Гибридное облако, периферийные вычисления и локальные системы предлагают способ сбалансировать потребности ИИ в энергии за счет более разумного распределения рабочих нагрузок.
Например, обработка данных ближе к их источнику с помощью периферийных вычислений снижает энергопотребление, необходимое для передачи больших наборов данных туда и обратно с центральных серверов. Среды гибридных облачных вычислений теперь могут выполнять ресурсоемкие задачи обучения ИИ, позволяя делать выводы в реальном времени локально или на периферии.
Периферийные вычисления также играют ключевую роль, поскольку они обрабатывают данные ближе к месту их создания, например, в розничных магазинах или устройствах Интернета вещей. Это не только улучшает время отклика, но и значительно снижает затраты энергии, необходимые для вывода.
Современная инфраструктура имеет решающее значение для удовлетворения потребностей ИИ в мощности, а для эффективного выполнения рабочих нагрузок ИИ требуется контейнерная платформа, способная обрабатывать как ЦП, так и графические процессоры. Хранение также становится критически важным, поскольку ИИ обычно имеет дело с неструктурированными данными, такими как файлы и объекты. Инвестируя в высокопроизводительные системы хранения и оптимизированные вычислительные стеки, компании могут значительно сократить энергопотребление, необходимое для запуска приложений искусственного интеллекта.
Кроме того, решающее значение имеет способность измерять и управлять потреблением энергии. Платформы, которые обеспечивают видимость энергопотребления в режиме реального времени, позволяют центрам обработки данных оптимизировать каждый этап обработки ИИ — от обучения до вывода данных. Согласно отчету IDC, даже повышение энергоэффективности на 10% может привести к значительной экономии.
Принятие решений в режиме реального времени
Вместо того, чтобы сосредотачиваться исключительно на огромных энергетических затратах на обучение базовых моделей, компаниям необходимо обратить внимание на то, как часто эти модели используются при принятии решений в реальном времени. Сжатие моделей, уточнение их структуры и запуск их на платформах, предназначенных для повышения эффективности, станут ключом к снижению общего энергопотребления ИИ. Например, мы разработали контейнерные платформы и высокопроизводительные решения для хранения данных, специально предназначенные для вывода данных с помощью ИИ, что дает организациям возможность оптимизировать рабочие нагрузки ИИ и снизить потребности в энергии.
Истинная стоимость ИИ больше не зависит только от производительности и инноваций, но также и от энергии, необходимой для его поддержания. По мере того, как компании расширяют свои инициативы в области ИИ, вопрос заключается не в том, могут ли они позволить себе инвестировать в ИИ, а в том, могут ли они позволить себе потребляемую им энергию. Благодаря гибридной инфраструктуре и фокусу на эффективном рассуждении у компаний есть способ сдержать этот всплеск энергии. В противном случае те, кто игнорирует эту реальность, могут вскоре обнаружить, что их центры обработки данных оказались во власти энергетического кризиса ИИ.
Мы представили лучших провайдеров колокейшн.
Эта статья была создана в рамках канала Expert Insights от TechRadarPro, где мы рассказываем о лучших и ярких умах в области технологий сегодня. Мнения, выраженные здесь, принадлежат автору и не обязательно принадлежат TechRadarPro или Future plc. Если вы заинтересованы в участии, узнайте больше здесь:
