Wykorzystanie sztucznej inteligencji to duże koszty energetyczne. Czy bez inwestycji w strukturę centrodanową i energetyczną rozwój AI wyhamuje?
Coraz więcej danych
Z prognoz firmy doradczej IDC wynika, że w ciągu najbliższych pięciu lat konsumenci i przedsiębiorstwa mają wygenerować dwa razy więcej danych niż wytworzono ich w ciągu ostatniej dekady. Nie są to prognozy na wyrost, o czym świadczą inne statystyki dotyczące zapotrzebowania na moc obliczeniową i energię elektryczną niezbędną do ich przetwarzania. Ma w tym swój spory udział sztuczna inteligencja.
Według Irish Examiner, centra danych w Irlandii, jednym z największych rynków przetwarzania danych na świecie, mogą odpowiadać do 2030 roku już za 30% całkowitego zużycia energii elektrycznej w tym kraju. W 2022 roku było to około 19%. W Danii przewiduje się, że zużycie energii elektrycznej w centrach danych wzrośnie w tym czasie do 15% krajowej konsumpcji. W Polsce zapotrzebowanie na energię też systematycznie rośnie. Według analiz PMR, moc polskich centrów danych ma wzrosnąć istotnie, bo ze 120 MW w 2022 roku do 500 MW w 2030 roku. Błyskawiczny rozwój sztucznej inteligencji może te liczby jeszcze skorygować i przyczynić się do zwiększenia energochłonności branży centrodanowej. Warto podkreślić, że zapotrzebowanie na energię ze źródeł odnawialnych rośnie w każdej branży, co będzie wpływać na coraz większą konkurencję o energię z odnawialnych źródeł, której cały czas jest mało.
Efektywność energetyczna centrów danych
Sztuczna inteligencja, oprócz konsumpcji dużej ilości energii, niesie ze sobą także szereg innych wyzwań dla centrów danych. Z raportu „Data Center Outlook Global 2024”opublikowanego przez specjalizującą się w rynku nieruchomości firmę JLL wynika, że AI generuje zapotrzebowanie na obiekty nowego typu, spełniające określone wymagania technologiczne. O czym mowa? Operatorzy muszą zmienić sposób projektowania i eksploatacji obiektów. Jednym z priorytetów jest efektywność energetyczna centrów danych.
– Firmy, które rozwijają swoje projekty oparte na sztucznej inteligencji muszą mieć świadomość, że uczenie algorytmów trwa oraz wymaga bardzo dużej mocy obliczeniowej i energii. Dlatego ogromne znaczenie ma pochodzenie energii – czy pochodzi ona z odnawialnych źródeł, czy z paliw kopalnych. Kolejne wskaźniki to efektywność energetyczna centrum danych, czyli PUE oraz wykorzystanie wody, który określa wskaźnik WUE (Water Usage Effectivieness). PUE określa stosunek całkowitej mocy pobieranej przez data center, przez moc zużywaną wyłącznie przez urządzenia. Im jest niższy, czyli bliższy 1, tym lepiej. Pod warunkiem, że centra danych odpowiedzialnie podchodzą do wykorzystywania wody w celu chłodzenia infrastruktury. Istotne jest, aby jej zużycie nie przekraczało określonych norm, które określone są tzw. WUEmax i było po prostu możliwie niskie. Ma to znaczenie w kontekście środowiskowym, ale także kosztowym – mówi Piotr Kowalski, Head of Innovation w Beyond.pl, dostawcy usług data center, chmury i Managed Services oraz właściciela centrów danych.
W ostatnich latach w obszarze efektywności energetycznej dokonał się co prawda znaczny postęp, bo wg danych Uptime Institute średni roczny wskaźnik PUE w ujęciu globalnym od 2007 roku zmalał z poziomu 2,5 do 1,58 w 2023 roku. Jednak stopień marnotrawienia energii wciąż jest wysoki, a celem nadrzędnym jest wartość PUE jak najbardziej bliska 1. Projektując lub modernizując swoje obiekty pod projekty AI operatorzy będą musieli poszukiwać nowych rozwiązań optymalizujących wydajność i jednocześnie zachowujących najlepszą możliwą efektywność energetyczną.
Kolejnym obszarem do zredefiniowania są rozwiązania chłodzenia komór serwerowych. W przypadku utrzymywania infrastruktur wykorzystywanych pod rozwiązania AI klasyczne systemy okazują się technologicznie niewystarczające. Pojawia się konieczność zastosowania innowacyjnych rozwiązań, jak chociażby chłodzenia procesorów cieczą (liquid cooling), które zdecydowanie wydajniej odbiera generowane ciepło. Taki system to obieg zamknięty, w ramach którego minimalizowana jest nie tylko energia potrzebna do chłodzenia, ale także utrata wody. Modernizacja obiektów wymagana by mogły stosować tą technologię, funkcjonujących w głównej mierze na mocno nasyconym rynku FLAP-D (Frankfurt, Londyn, Amsterdam, Paryż, Dublin) jest jednak zbyt czasochłonna i kosztowna oraz często niemożliwa z uwagi na architekturę i wyposażenie budynku.
Kto widzi szansę w AI?
– Przestarzałe obiekty centrodanowe, problemy z dostępem do mocy elektrycznej i legislacja, będą wpływały na kolokowanie infrastruktur AI w rynkach, które mogą zapewnić dostęp do wysokiej mocy o zielonych parametrach. Nasz kraj posiada świetnych inżynierów, nowoczesne i bezpieczne obiekty, które charakteryzują się m.in. korzystnym PUE, oraz odpowiednie zasoby i co ważniejsze lejek projektów energii odnawialnej – mówi Wojciech Stramski, CEO Beyond.pl.
To, że w związku z rozwojem AI rynek centrów danych i generalnie cały biznes będzie się zmieniał potwierdzają opinie przedstawicieli największych uczestników rynku. Jensen Huang, dyrektor generalny Nvidii, firmy mającej aż 80 proc. udział w produkcji wysokowydajnych chipów dla AI zapowiedział już kilka miesięcy temu, że w ciągu najbliższych 4 lat na nowe obiekty i modernizację istniejących centrów danych zostaną wydane 2 biliony dolarów w skali globalnej. Większość nakładów mają ponieść hiperskalerzy oraz inne firmy technologiczne, które będą uczestniczyły w rozwoju sztucznej inteligencji.
Zobacz także: Generatywna sztuczna inteligencja a wzrost gospodarczy
Sztuczna inteligencja wywoła wojnę atomową? Niepokojąca prognoza
Więcej ważnych informacji znajdziesz na stronie głównej Infor.pl