快速發展的人工智能可以激發數據中心創新

　　數據中心人工智能人工智能(AI)的指數級增長為未來提供了令人興奮的前景，并為包括數據中心在內的各行業提供了無數的潛在好處。然而，人工智能的發展給數據中心行業帶來了重大挑戰，其中最重要的是鼓勵進一步發展所需的資產的概念和實施。

　　數據中心老化帶來的挑戰和行業對實現更高可持續性標準的廣泛期望是重大的，但這也激發了運營商、供應商和其他人的創新思維。當涉及到所需的巨大電力負載和冷卻計算基礎設施的能力時，業界最優秀和最聰明的人正在探索新的途徑，將概念從繪圖板轉化為數據中心的安全、智能和可持續的實際應用。

　　據2023年的一項研究預測，到2030年，我們將需要約35GW的云數據中心電力容量來滿足人工智能需求，而2022年底所需的電力容量約為17GW。顯然，這意味著必須建設更多的數據中心，可以在短時間內進行操作。從根本上說，由于負載曲線并不像當今大多數數據中心那樣平坦、一致和靜態，因此最重要的是新建建筑，而不是重新利用設施。

　　另一個重大挑戰是機架密度的增加，或者機架中IT設備的總千瓦數的增加，因此需要消散的熱量。如今，大多數托管數據中心每個機架的功率約為7kW。一些超大規模的機架功率更高，達到30-50kW，但對人工智能的預測是每個機架80-150kw。由于在狹小的空間中需要如此多的電力，現有的數據中心無法有效地重新利用。

　　考慮到人工智能對電網的需求，公用事業企業目前沒有額外的30GW可以交付。結合預計的發電能力需求和從化石燃料轉向可再生能源的推動力，在電網和輸電系統老化不足以滿足長期人工智能需求的背景下，電力供應商需要在短時間內進行大規模優化。

　　當人工智能進入學習模式時，我們將觀察幾個快速負載步驟，其中設備將在50%到70%左右運行，然后上升到100%。它會在那里停留50到100毫秒，然后回落，然后每分鐘重復這個過程2到4次，持續10分鐘。

　　行業動態

　　從機架密度和可持續性的角度來看，隨著我們對人工智能應用的了解越來越多，數據中心行業的理解也在不斷發展。共識似乎是，當人工智能進入學習模式時，我們將觀察幾個快速加載步驟，其中設備將運行大約50%到70%，然后升至100%。它會停留50到100毫秒，然后下降，然后每分鐘重復該序列2到4次，持續10分鐘。

　　這給系統帶來了很大的壓力，而發電機無法承受如此大的階躍負載。然而，它提供了一個很好的創新機會。

　　潛在的解決方案

　　新產品和解決方案將帶來變革，以滿足電力生產和管理可持續標準日益增長的需求。例如，機架密度的增加是人工智能發展的一個功能，但從可持續發展的角度來看，它也增加了壓力。如果我們在更小的空間內放置更高的功率密度，我們將使用更少的鋼材、混凝土和其他建筑材料，從而減少碳排放。

　　此外，許多數據中心運營商選擇在建筑物外的開關設備屋中，安裝低壓不間斷電源(UPS)系統、配電盤和配電設備。現場制造解決方案為可持續性提供了幾個優勢;它限制和加快了建設，并提供了更好的廢物回收。

　　由于機架密度的原因，液體冷卻的容量將繼續增長，超出我們目前使用的系統。多年來，IT設備的關鍵電源在數據中心中最為重要。展望未來，冷卻將成為同樣重要的功能。如果在芯片上升和下降時停止對芯片進行液體冷卻，那么當芯片再次上升時，就會失去對冷卻的控制。我們正在評估幾種可能的解決方案，以幫助轉移電力并轉移現有拓撲的影響，這樣它就不會僅僅影響發電機和/或公用事業。

　　對于數據中心市場來說，這是一個非常激動人心的時刻，因為我們預計即將推出的創新將解決優化問題以及人工智能的指數級增長。隨著新技術的發展，數據中心歷來都在適應變化。那些有可能在人工智能挑戰中獲得最大成功的人是那些擁抱機遇、跳出眾所周知的框框思考并尋求在不增加成本或犧牲可靠性的情況下解決問題的方法的前瞻性思考者。從宏觀角度來看，相關的創新有可能超越數據中心，進入其他市場和行業，尋求利用人工智能的諸多優勢來推進業務目標，并以促進可持續發展的方式實現這一目標。