인공지능이 데이터센터 설계를 어떻게 변화시키고 있는가

AI 시스템에 대한 전 세계 지출이 2023년에서 2026년 사이에 두 배로 증가함에 따라 수요를 충족하기 위해 데이터 센터 용량이 빠르게 증가할 것이 분명합니다.

그러나 놀랍게도 많은 데이터 센터 운영자가 지난 1년 동안 새로운 프로젝트에 제동을 걸고 투자를 둔화했으며, 2022~23년 런던의 빈 용량은 6.3% 감소했습니다.

이 반직관적인 추세의 이유는 무엇인가요? 이를 설명하려면 AI 컴퓨팅 및 이를 지원하는 인프라와 관련된 몇 가지 문제를 이해해야 합니다.

AI가 데이터 센터 인프라를 변화시키는 방법

데이터 센터는 기존 컴퓨팅 작업 부하에 대처하기 위해 항상 CPU 성능을 중심으로 구축되었습니다. 그러나 AI 컴퓨팅에는 동일한 용량의 CPU보다 더 많은 전력을 소비하고 더 많은 열을 방출하며 더 많은 공간을 차지하는 GPU 기반 랙이 필요합니다.

실제로 이는 AI 컴퓨팅 성능을 의미합니다. 종종 더 많은 전원 연결 또는 대체 냉각 시스템이 사용됩니다. 필수입니다. 다음과 같이 바꿔 표현할 수 있습니다. 이것이 본질적으로 의미하는 바는 AI 컴퓨팅 성능에는 일반적으로 더 많은 전원 연결이나 대체 냉각 시스템이 필요하다는 것입니다.

이것은 임베디드 인프라이므로 재정적으로 완전히 불가능하지는 않지만 데이터 센터 단지의 패브릭에 내장됩니다. 교체 비용이 매우 높은 경향이 있습니다.

실제로 운영자는 새로운 데이터 센터에서 기존 컴퓨팅과 비교하여 AI에 얼마나 많은 공간을 할당해야 하는지 확인해야 합니다.

이 실수를 저지르고 AI에 과도하게 전념하면 데이터 센터 운영자가 영구적으로 활용도가 낮고 수익성이 없는 기능에 직면하게 될 수 있습니다.

이 문제는 더욱 악화됩니다. 가트너는 AI 시장이 아직 초기 단계에 있다는 점에서 현재 과대광고 사이클에서 과도한 기대가 정점에 있다고 주장하고 있다. 결과적으로 많은 운영자는 새로운 데이터 센터 프로젝트에서 AI 컴퓨팅의 비율을 성급하게 결정하기보다는 설계 단계에서 주저하는 것을 선택하고 있습니다.

설계 단계에서 전체적인 접근 방식을 취하세요

그러나 운영자들은 투자 지연의 위험을 감수하지 않으면 시장 점유율과 경쟁 우위를 잃게 될 것임을 절실히 인식하고 있습니다. 그러나 데이터 센터 인프라의 기본 요소 중 상당수가 실시간으로 재작성되고 ​​있다는 점을 고려하면 이는 어려운 주문입니다.

퍼스트 무버의 요구 사항과 위험 상쇄의 균형을 맞추기 위해 운영자는 데이터 센터를 미래의 탄력성을 갖도록 설계해야 합니다. AI 컴퓨팅 최대의 효율성과 유연성. 이를 위해서는 디자인에 대한 새롭고 전체적인 접근 방식이 필요합니다.

1. 더 많은 이해관계자 참여

운영자가 어떻게 인공 지능과 기존 컴퓨팅을 구별하기로 결정하더라도 인공 지능 컴퓨팅 기능을 갖춘 데이터 센터 사이트는 기존 시설보다 훨씬 더 복잡할 것입니다. 복잡성이 높을수록 실패 지점이 더 많아지는 경우가 많습니다. 특히 AI 컴퓨팅이 기존 컴퓨팅보다 요구 사항이 더 많기 때문입니다.

따라서 사이트 수명 동안 가동 시간을 보장하고 비용이 많이 드는 문제의 위험을 줄이려면 팀은 데이터 센터의 계획 단계에서 더욱 철저해야 합니다.

특히 설계 단계에서는 프로젝트 초기에 더 많은 팀의 의견과 전문 지식을 구해야 합니다. 설계자는 전력 및 냉각에 대한 전문 지식을 찾는 것 외에도 운영, 케이블링 및 보안 팀과 조기에 협력하여 잠재적인 병목 현상이나 실패 원인을 이해해야 합니다.

2. 데이터 센터 운영에 AI를 통합합니다.

이제 운영자로서 AI 컴퓨팅을 현장에서는 AI를 활용하여 운영 효율성을 향상시키는 역량을 활용해야 합니다. 인공 지능은 매우 높은 정밀도와 품질로 워크플로를 실행할 수 있는 기술을 통해 데이터 센터에 오랫동안 채택되어 왔습니다. 예를 들어 AI는 다음을 도울 수 있습니다.

• 온도 및 습도 모니터링
• 보안 시스템 운영
• 전력 사용량 모니터링 및 분배
• 하드웨어 결함 감지 및 예측 유지 관리

데이터 센터 수명 주기의 모든 단계에서 AI를 사전에 사용 기술을 통해 운영자는 운영 효율성과 견고성을 크게 향상시킬 수 있습니다. 인공 지능은 결함 감지 및 예측 유지 관리를 통해 이러한 차세대 데이터 센터의 새롭고 복잡한 레이아웃을 채택할 때 직면하는 새로운 과제를 해결하는 데 매우 적합합니다.

3. 피크 시간대에 AI는 잘못된 경제를 피합니다. 교육 실행 중이나 프로덕션에서 엔터프라이즈 수준 모델을 실행할 때와 같이 데이터 허브에 더 많은 부하를 부과하게 됩니다. 이 시점에서 AI 컴퓨팅은 전력 소비, 냉각 요구 사항 및 데이터 처리량에 대해 전통적으로 예상되는 한도를 훨씬 초과하는 경우가 많습니다.

가장 기본적인 수준에서 이는 데이터 센터의 기본 재료가 더 큰 스트레스를 받고 있음을 의미합니다. 이러한 기본 재료 또는 구성 요소의 품질이 좋지 않으면 고장에 더 취약하다는 의미입니다. AI 컴퓨팅은 사이트의 구성 요소 및 연결 수의 극적인 증가를 의미하므로 이는 기존 사이트에서 잘 작동하는 저렴하고 품질이 낮은 재료로 인해 AI 컴퓨팅을 실행하는 데이터 센터가 중단될 수 있음을 의미합니다

잘못된 경제적 위험으로 인해 비용을 절약하려면 운영자는 표준 이하의 케이블과 같은 열등한 재료를 구매하지 않아야 합니다. 이러한 재료는 파손되기 쉽고 자주 교체해야 합니다. 더 심각하게는 표준 이하의 재료 및 부품의 고장으로 인해 공장 폐쇄 또는 속도 저하가 발생하여 수익성에 영향을 미치는 경우가 많습니다

인프라 문제 해결

AI 컴퓨팅에 대한 인프라 요구 사항이 운영자가 투자를 지연하는 주된 이유일 수 있지만 장기적으로는 그렇지 않을 것입니다.

시장 불확실성이 증가함에 따라 기업은 기존 컴퓨팅과 인공 지능 컴퓨팅 사이를 분할하게 됩니다. , "황금 분야"에 더 가까이 다가가기

이 경우 기업은 학습 및 성장 과정에서 성공하기 위해 웹 사이트 운영에서 가능한 모든 이점을 확보해야 합니다.

이는 AI를 활용하여 처음부터 전체적으로 설계하는 것을 의미합니다. 사이트의 새로운 효율성을 발견하고 AI 컴퓨팅의 더 큰 요구를 충족할 수 있는 고품질 재료에 투자합니다.

위 내용은 인공지능이 데이터센터 설계를 어떻게 변화시키고 있는가의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!