Адаптация устаревших центров обработки данных для ИИ может быть быстрее и экологичнее, чем их перестройка, но при этом необходимо решить такие проблемы, как электроснабжение и охлаждение.
Бум искусственного интеллекта привел к строительству десятков так называемых центров обработки данных для ИИ — то есть объектов, построенных с нуля для удовлетворения уникальных потребностей рабочих нагрузок ИИ. Но большинство проектов центров обработки данных для ИИ займут годы. Даже когда они будут готовы, их самих может оказаться недостаточно, чтобы удовлетворить постоянно растущие потребности в инфраструктуре ИИ.
Именно поэтому индустрия центров обработки данных должна адаптировать существующие объекты для поддержки ИИ и инвестировать в совершенно новые, специально построенные центры обработки данных для ИИ. Во многих случаях модернизация центров обработки данных для размещения ИИ является более быстрым, дешевым и устойчивым путем к внедрению ИИ, чем строительство новых объектов.
Однако это может быть и непросто. Рабочие нагрузки ИИ предъявляют особые требования, которые традиционные центры обработки данных не всегда могут удовлетворить. В некоторых случаях затраты на модернизацию с целью внедрения ИИ могут перевесить выгоды.
Продолжайте читать, чтобы узнать, когда следует адаптировать существующие центры обработки данных для ИИ, а когда лучше отказаться от традиционных объектов в пользу новых, специально построенных центров обработки данных для ИИ.
Почему традиционные центры обработки данных не всегда могут поддерживать ИИ
Теоретически, любой центр обработки данных может поддерживать любой тип рабочей нагрузки. Центры обработки данных — это просто здания, в которых размещаются серверы, и серверы, на которых размещаются рабочие нагрузки ИИ, принципиально не отличаются по размеру или типу от тех, на которых размещаются более традиционные сервисы, такие как веб-приложения или базы данных.
Однако проблема запуска ИИ в традиционных центрах обработки данных заключается в том, что рабочие нагрузки ИИ, особенно те, которые основаны на больших языковых моделях , работают в масштабе, с которым традиционные центры обработки данных не всегда могут справиться. В частности, устаревшие центры обработки данных могут испытывать трудности с поддержкой рабочих нагрузок ИИ следующего поколения из-за ограничений в следующих областях:
Энергопотребление : Как во время обучения, так и во время вывода результатов, модели ИИ потребляют больше энергии , чем большинство других типов рабочих нагрузок. Это означает, что даже если в устаревшем центре обработки данных могут разместиться серверы, на которых выполняются задачи ИИ, он может не обеспечить всю необходимую для работы этих серверов электроэнергию.
Охлаждение : Высокий уровень потребления электроэнергии влечет за собой высокие потребности в охлаждении, поскольку большее потребление энергии приводит к большему выделению тепла. И здесь опять же системы охлаждения в традиционных помещениях не всегда обладают достаточной мощностью для удовлетворения потребностей искусственного интеллекта.
Размеры и компоновка стоек : Серверы для ИИ — даже те, которые содержат специализированные аппаратные устройства, такие как графические процессоры, — обычно помещаются в стандартные серверные стойки центров обработки данных . Однако стойки в существующих центрах обработки данных могут быть слишком малы для размещения необходимого количества серверов для ИИ. Компоновка стоек также может создавать проблемы, поскольку она может недостаточно эффективно рассеивать тепло.
Сетевые возможности : Некоторые задачи искусственного интеллекта требуют чрезвычайно низкой задержки и высокой пропускной способности. Традиционная сетевая инфраструктура центров обработки данных может оказаться неспособной справиться с этими задачами.
Таким образом, хотя традиционные центры обработки данных, как правило, в некоторой степени могут поддерживать современные рабочие нагрузки ИИ, им может не хватать мощности, охлаждения, размеров стоек и масштабируемости сети, необходимых для работы моделей ИИ на уровне, требуемом бизнесом.
Способы модернизации устаревших центров обработки данных для внедрения ИИ
Благодаря модернизации устаревшие объекты также могут быть приспособлены для рабочих нагрузок искусственного интеллекта. В частности, операторы центров обработки данных могли бы инвестировать в такие области, как:
Изменение размеров стоек или планировки серверных помещений — относительно недорогой и простой способ модернизации серверной инфраструктуры, но он окупается только в том случае, если помещение также обладает достаточной мощностью и системой охлаждения для поддержки более крупных и плотных серверных установок.
Внедрение более эффективных систем охлаждения (например, системы охлаждения непосредственно на чип ), которые могут увеличить мощность охлаждения для ИИ без существенного увеличения энергопотребления. Хотя это требует значительных первоначальных инвестиций, в долгосрочной перспективе это может принести экономию.
Модернизация энергетической инфраструктуры позволит центрам обработки данных потреблять больше электроэнергии и распределять её между серверами. Это относительно дорогостоящее вложение, и ситуация осложняется тем, что электросети иногда просто не обладают достаточной мощностью для обеспечения центров обработки данных большей мощностью. В этом случае может быть целесообразно развертывание собственных источников электроэнергии , но это ещё больше увеличит затраты на проекты модернизации.
Повышение эффективности существующей электроинфраструктуры центров обработки данных для минимизации « неиспользуемой мощности ». Это позволяет центрам обработки данных более эффективно использовать уже имеющиеся мощности. Это меньшие инвестиции, чем масштабная модернизация электроэнергетической инфраструктуры, но недостаток заключается в том, что это, вероятно, приведет лишь к постепенному увеличению мощности, чего может быть недостаточно для превращения устаревшего центра обработки данных в центр обработки данных мирового класса для искусственного интеллекта.
Модернизация сетевой инфраструктуры для снижения задержки и увеличения пропускной способности. Стоимость таких изменений может сильно варьироваться. В частности, она зависит от того, насколько близко центр обработки данных расположен к корпоративной сетевой инфраструктуре: улучшить производительность сети проще в местах, где центры обработки данных могут подключаться к уже существующим высокопроизводительным сетевым соединениям, чем прокладывать новую сетевую инфраструктуру на большой территории.
Модернизация или перестройка центров обработки данных для ИИ: как сделать выбор
Альтернативой модернизации является строительство совершенно новых центров обработки данных, способных с самого начала поддерживать рабочие нагрузки ИИ. Главный недостаток – значительные затраты и время, необходимые для этого. Также существует риск того, что к моменту ввода в эксплуатацию новых центров обработки данных для ИИ рабочие нагрузки изменятся настолько, что новый объект перестанет быть подходящим решением.
Выбор между модернизацией и полной перестройкой во многом зависит от разрыва между возможностями существующего оборудования и требованиями рабочих нагрузок ИИ. Требования к рабочим нагрузкам ИИ могут значительно различаться по масштабу и объему; например, развертывание предварительно обученной модели, как правило, потребует меньше энергии, чем запуск модели, которую необходимо обучить перед началом вывода. Конкретные типы оборудования, используемого для работы с рабочими нагрузками ИИ, могут сильно различаться, как и требования к энергопотреблению и охлаждению.
Поэтому крайне важно провести детальный анализ требований к планируемым рабочим нагрузкам в области ИИ и текущей мощности центров обработки данных. Этот анализ необходим для определения того, будет ли достаточно проекта модернизации, чтобы привести центр обработки данных в соответствие с современными требованиями ИИ, или же оправдана полная перестройка.
