Quando ChatGPT è stato lanciato nel novembre 2022, ha innescato la rivoluzione dell’intelligenza artificiale (IA). Tra le sue numerose capacità, l’IA offre la possibilità di migliorare l’efficienza e la produttività nel settore manifatturiero, sviluppare progressi nella ricerca medica e migliorare attività creative, come la produzione di contenuti, immagini e video.
L’intelligenza artificiale viene solitamente suddivisa in AI generativa (GenAI), che utilizza i dati esistenti come base per creare nuovi contenuti originali, e AI predittiva, che viene utilizzata per fare previsioni basate sulle tendenze dei dati per migliorare il processo decisionale.
I data center non solo ospitano apparecchiature di AI, ma possono anche trarre vantaggio da questi potenti sistemi. Gli algoritmi avanzati e le capacità di apprendimento automatico dell’AI predittiva possono analizzare enormi quantità di dati in tempo reale, consentendo ai data center di diventare sempre più intelligenti e adattivi.
Le nuove GPU alimentano la crescita dell’AI
La figura seguente mostra sia l’aumento di potenza che l’aumento della velocità di elaborazione per tre diversi server NVIDIA ciascuno con 8 GPU.
Un rack completo di quattro NVIDIA DGX B200 avrà bisogno di 60 kW, ma per il SuperPod NVL72 di fascia alta (computer exascale) che utilizza il Superchip GB200 servirà fino a 120 kW e richiederà un raffreddamento a liquido diretto su chip. NVIDIA ha annunciato che la sua prossima GPU chiamata Rubin, il cui rilascio è potenzialmente previsto nel 2026, sarà progettata per ottimizzare l’efficienza energetica.
Al DC World 2024, Ali Fenn, presidente di Lancium, ha affermato che “l’intelligenza artificiale costituirà la più grande formazione di capitale della storia” e ha osservato che sarà l’offerta di energia, più della tecnologia GPU, a determinare la velocità con cui potrà crescere. Esistevano già preoccupazioni sulla fornitura di energia prima dell’avvento dell’AI, quando un rack medio necessitava solo di 10 kW, ma ha assunto un senso di urgenza completamente nuovo ora che la potenza del rack potrebbe richiedere 12 volte di più.
Raffreddamento e densità di cablaggio tra le sfide da risolvere
L’aumento della domanda di capacità di calcolo nei data center, causata dalle applicazioni di AI, sta accelerando la necessità di opzioni di raffreddamento a liquido, che dovrebbe essere utilizzato quando la potenza del rack è superiore a 40 kW. L’aggiunta di sistemi di raffreddamento a liquido a un data center esistente non è banale e richiede anche di dover avere esperti di idraulica nello staff.
Per connettere tutte le GPU per creare un cluster (o pod) necessario per l’AI su larga scala, sono necessari cavi in fibra e ricetrasmettitori ottici ad alta velocità. Con un massimo di 8 GPU per server, ciascuna in esecuzione a velocità dati fino a 800G, molti data center vedranno un aumento di 4 volte del numero di cavi in fibra. Ciò a sua volta aumenta la congestione nei percorsi dei cavi e spesso porta alla necessità di percorsi più ampi, come quelli larghi 24” o 36”, e con più livelli se lo spazio del soffitto lo consente.
Inoltre, i data center dovranno essere progettati per garantire scalabilità e flessibilità per gestire i carichi di lavoro dell’IA. Le reti ad alta velocità e a bassa latenza sono fondamentali per un’efficiente elaborazione dei dati IA, insieme a robusti sistemi di archiviazione e tecniche avanzate di gestione dei dati. Gli operatori dei data center saranno inoltre sottoposti a una pressione ancora maggiore per mitigare l’impatto ambientale delle loro operazioni e l’uso di fonti energetiche rinnovabili sarà un must. A causa delle limitazioni della rete elettrica in molte aree del mondo, anche l’energia nucleare sta ricevendo una seria attenzione come modo per ridurre l’impronta di carbonio aggiungendo allo stesso tempo un’ulteriore fonte di energia. Scalabilità, flessibilità, sicurezza e sostenibilità ambientale sono tutti fattori essenziali da considerare quando si progettano e gestiscono i data center IA.
I nuovi data center AI richiederanno nuovi edifici
L’intelligenza artificiale sta interessando tutti i mercati, ma il suo impatto maggiore viene avvertito da coloro che operano nel settore della costruzione di data center. Molte aziende di data center hanno convenuto che il retrofitting dei data center esistenti non è sempre fattibile. Dovranno essere costruiti nuovi edifici situati in aree con energia elettrica abbondante e poco costosa. I nuovi data center AI saranno costruiti appositamente con sistemi di raffreddamento a liquido (acqua o fluido dielettrico), percorsi di cablaggio più ampi e pavimenti in cemento più spessi necessari per ospitare le apparecchiature AI più pesanti.
Nonostante gli immensi vantaggi dell’AI, la transizione necessaria per implementarla nei data center presenta quindi molte sfide:
- Più energia per accompagnare la crescita dei dati
- Sistemi di raffreddamento innovativi
- Aumento fino a 4 volte della quantità di fibre utilizzate per collegare server e switch
- Percorsi aerei più ampi
- Progetti per aggiungere capacità senza interrompere le reti di cablaggio esistenti
- Migliore sostenibilità
In termini più semplici, i proprietari dei data center devono essere in grado di gestire più cavi in fibra, più spazio per i percorsi, più calore e, soprattutto, più energia. Nonostante questi ostacoli, è un momento entusiasmante per operare nel settore dei data center poiché la costruzione di nuovi data center è ai massimi storici e non è ancora in grado di tenere il passo con la domanda.
Per maggiori informazioni sulle soluzioni Panduit AI clicca QUI
