Iznenadna pojava komercijalne umjetne inteligencije tijekom protekle dvije godine, posebno novih generativnih AI aplikacija kao što je ChatGPT, postavila je novi skup tehničkih zahtjeva pred objekte data centara u kojima se te aplikacije nalaze. Infrastruktura koja ih podržava crpit će više energije, obrađivati više podataka i koristiti veću propusnost nego ikad prije, a sve unutar pogona koji su možda izgrađeni prije 20 godina. Ti se objekti sada trebaju prilagoditi kako bi podržali ono što u nekim slučajevima može biti povećanje potrošnje snage po ormaru za red veličine. Jedini način da se to postigne je modularni dizajn, kakav koristi Digital Realty u svojim data centrima, uključujući i novi koji će uskoro biti podignut na zagrebačkom Jankomiru.

Data centri mogu izgledati kao vrlo statične cjeline. To su tipično goleme građevine s redovima za redovima generatora i druge opreme izvana, sve pažljivo dizajnirane kako bi postrojenje nastavilo bez prekida funkcionirati cijelo vrijeme, od tipičnih svakodnevnih uvjeta do potpunog prekida dotoka energije iz električne mreže. Međutim, moderni data centar sve je samo ne statičan; mnogi su objekti od samog početka projektirani tako da budu visoko modularni, a određeni kat centra može se prilagoditi promjenama u topologiji mreže, izmjenama protoka zraka i fizičkoj redundanciji nekoliko puta godišnje ako je potrebno. Što pokreće ovu potrebu i kako se ona ispunjava?

Raširena pojava implementacije umjetne inteligencije u data centru pokazuje koliko se brzo zahtjevi korisnika mogu promijeniti. Dok je samo prije koju godinu operator data centra mogao planirati prosječnu potrošnju od 10 kilovata po stalku korisničke opreme, potreba za sve većim blokovima od 25, 50 ili čak 100 kilovata na različitim mjestima diljem tog istog data centra danas je ovdje i samo će rasti. S tradicionalnim statičnim dizajnom, to može stvoriti mnoge probleme u smislu performansi, održavanja i redundancije. 

Prvo, tako gusti ormari često zahtijevaju veću propusnost mreže za rad na najvišoj razini učinkovitosti. Ovo se često zanemaruje, a korisnik će biti vrlo nezadovoljan ako postavi tako gust ormar (ili njih 10, ili 100) i onda ne može dobiti propusnost koja mu je potrebna.

Drugo, neravnomjerno povećanje potrošnje energije u data centru često može opteretiti sustav hlađenja koji nije dizajniran za prilagodbu takvim vrstama vrućih točaka. Gusti ormar na jednom kraju reda u data centru mogao bi lako dovesti do povišenih temperatura na drugom kraju.

Konačno, mjere otpornosti i redundancije temelje se na tome gdje su određena električna opterećenja u objektu i kako su raspoređena. Ako se u jedno područje doda vrlo gusta skupina opreme, statički dizajn možda neće moći osigurati da je objekt pokriven dovoljno pouzdanim kapacitetom generatora.

Kao što možete zamisliti, za korisnika data centra koji implementira AI, svaka od ovih briga je značajan problem u rasponu od nemogućnosti rada njihove AI opreme s maksimalnim potencijalom izvedbe, do potencijalnog neželjenog prekida rada u slučaju nestanka struje ili drugog stresa na lokalnoj električnoj mreži. Korištenjem visoko prilagodljivog okvira modularnog dizajna, ti se problemi mogu riješiti u data centrima, uključujući i one starije.

Kao prvo, prostori se mogu prenamijeniti ili projektirati od početka objekta da se koriste kao dodatne mrežne prostorije kako bi se omogućila instalacija više mrežnih sklopova, switcheva i routera kako bi se povećala propusnost mreže do korisnika tijekom vremena. Dodatno, modularna metoda projektiranja i postavljanja nadzemnih kabelskih polica omogućuje operateru data centra da fizički donese tu povezanost kupcu, što se često zanemaruje u statičnim, nefleksibilnim dizajnima. Neke tehnologije koje omogućuju umjetnu inteligenciju, kao što je InfiniBand, mogu koristiti velike, teške kablove, koji se izvedivo mogu instalirati samo modularno kako bi se izbjegli stvarni problemi s izvedbom i operativnim problemima. 

Razumijevanje pravog stanja hlađenja u cijelom objektu korištenjem CFD-a (Computational Fluid Dynamics) pruža operatoru podatkovnog centra sredstva za prepoznavanje zarobljenog protoka zraka, nenamjernih obrazaca protoka zraka koji mogu rezultirati hlađenjem ispod optimalnog i gdje postoji dodatni zračni kapacitet koji se može koristiti za hlađenje gustih, vrućih AI implementacija. Mnogi objekti data centara također mogu biti dovoljno modularni da se mogu nadograditi s konfiguracije samo zračnog hlađenja na hibridnu postavu gdje su dostupni zračno i tekuće hlađenje (AALC i DLC), prema potrebi, omogućujući implementaciju AI-ja kao dio postojećeg kata data centra ili većeg paketa.

S modularnom konfiguracijom napajanja – gdje je data centar konceptualiziran kao niz blokova od kojih svaki ima vlastitu potpornu infrastrukturu za napajanje, backup i hlađenje – osnovne komponente mogu se dimenzionirati i prikladno rasporediti na temelju postavljanja korisnika u relativno malim koracima. Na taj način osigurava se da se mogu podržati na očekivanoj razini otpornosti čak i ako se jako razlikuju u potrošnji energije.

Ovo je samo nekoliko primjera kako modularni pristup dizajnu data centra pomaže osigurati da se implementacije umjetne inteligencije, čak i pri vrlo velikoj gustoći ormara, mogu podržati na vrlo učinkovit, robustan i troškovno učinkovit način u postojećim objektima. Modularni dizajn predstavljat će razliku između mogućnosti podržavanja sadašnjih i budućih generacija implementacije umjetne inteligencije na postojećim lokacijama i potrebe za izgradnjom novih.