AI가 데이터센터 설계를 어떻게 변화시키고 있는가-일체 포함-php.cn

AI가 데이터센터 설계를 어떻게 변화시키고 있는가

AI 시스템에 대한 전 세계 지출은 2023년부터 2026년까지 두 배로 늘어날 것이며, 수요를 충족하기 위해 데이터 센터 용량이 급격히 증가할 것이 분명합니다.

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

이 반직관적인 추세 뒤에는 무엇이 있습니까? 이를 설명하려면 AI 컴퓨팅과 이를 지원하는 인프라를 둘러싼 몇 가지 문제를 이해해야 합니다.

AI가 데이터 센터 인프라를 변화시키는 방법

데이터 센터는 역사적으로 기존 컴퓨팅 작업 부하를 처리하기 위해 CPU를 사용하는 랙을 중심으로 구축되었지만 대신 AI 컴퓨팅에서는 동일한 CPU 용량을 갖춘 GPU 기반 랙을 사용해야 합니다. 더 많은 열을 방출하고 더 많은 공간을 차지합니다.

실제로 이는 AI 컴퓨팅 성능에 더 많은 전원 연결이나 대체 냉각 시스템이 필요한 경우가 많다는 것을 의미합니다.

임베디드 인프라가 데이터 센터 단지의 패브릭에 내장되어 있기 때문에 경제적으로 완전히 불가능하지 않는 한 교체 비용이 매우 높은 경우가 많습니다.

실제로 운영자는 새로운 데이터를 보장해야 합니다.

AI가 실수로 과도하게 약속되고 이를 무시할 경우 데이터 센터 운영자는 영구적으로 활용도가 낮고 수익성이 떨어질 수 있습니다. 수익성 부담

AI 시장이 아직 초기 단계라는 사실이다. Gartner에 따르면 우리는 현재 기대치가 과장되는 과대광고 사이클의 한가운데에 있습니다. 결과적으로 많은 운영자는 새로운 데이터 센터 프로젝트의 AI 컴퓨팅에 성급하게 투자하기보다는 설계 단계에서 방관하는 쪽을 선택하고 있습니다.

설계 단계에서 포괄적인 접근 방식을 취하세요

그러나 운영자는 이를 잘 알고 있습니다. 시장 점유율 상실 위험 점유율과 경쟁 우위를 확보하기 전에 투자를 지연할 위험이 있지만 데이터 센터 인프라의 많은 기본 요소가 실시간으로 재작성되고 있다는 점을 고려하면 이는 어려운 일입니다.

위험을 상쇄하는 동시에 선두주자로서의 요구를 충족하기 위해 운영자는 AI 컴퓨팅 시대에 효율성과 탄력성을 극대화할 수 있도록 데이터 센터를 설계해야 하며, 이는 새로운 전체적인 설계 접근 방식이 필요합니다.

1. 더 많은 이해관계자 참여

운영자가 결정하는 AI와 기존 컴퓨팅의 정확한 구분에 관계없이 AI 컴퓨팅 기능을 갖춘 데이터 센터 사이트는 기존 시설보다 훨씬 더 복잡할 것으로 예상됩니다. 복잡성이 높을수록 실패 지점이 더 많아지는 경우가 많습니다. 특히 AI 컴퓨팅이 기존 컴퓨팅보다 더 많은 요구 사항을 갖고 있는 경우에는 더욱 그렇습니다.

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

프로젝트 시작 시, 특히 설계 단계에서는 더 폭넓은 팀의 의견과 전문 지식을 찾아야 합니다. 설계자는 전력 및 냉각 전문 지식을 찾는 것 외에도 운영, 케이블링 및 보안 팀과 조기에 협력하여 잠재적인 병목 현상이나 장애 원인을 파악해야 합니다.

2. 데이터 센터 운영에 AI 통합

이제 운영자가 현장에 있으므로 AI 컴퓨팅 사용 , 그들은 자신의 능력을 활용하여 운영의 새로운 효율성을 이끌어내야 합니다. AI는 오랫동안 데이터 센터에 채택되었으며, 이 기술은 매우 높은 정확도와 품질로 워크플로를 수행할 수 있습니다. 예를 들어 AI는 다음을 도울 수 있습니다. - 데이터 분석: AI는 대량의 데이터를 빠르고 정확하게 분석하여 귀중한 통찰력과 의사결정 지원을 제공할 수 있습니다. - 고객 서비스: AI는 자주 묻는 질문에 자동으로 답변하고, 개인화된 제안을 제공하고, 문제를 해결함으로써 고객 서비스 경험을 향상시킬 수 있습니다. - 예측 및 최적화: AI는 빅데이터와 머신러닝 알고리즘을 사용하여 미래 동향을 예측하고 운영 전략을 최적화할 수 있습니다. - 보안 보증: AI는 잠재적인 네트워크 공격을 식별 및 차단하고 실시간 보안 모니터링 및 조기 경고를 제공할 수 있습니다. - 자동화된 프로세스: AI는 반복 작업을 자동화하고 작업 효율성을 향상하며 인적 오류를 줄일 수 있습니다. AI 기술을 최대한 활용함으로써 운영자는 운영 효율성을 향상하고 더 나은 서비스를 제공하며 경쟁이 치열한 시장에서 우위를 점할 수 있습니다

온도 및 습도 모니터링.
보안 시스템 운영.
전력 소비 모니터링 및 분배.
하드웨어 오류 감지 및 예측 유지 관리.

데이터 센터 수명 주기의 모든 단계에서 이 기술을 적극적으로 사용함으로써 운영자는 운영의 효율성과 견고성을 크게 향상시킬 수 있습니다. 인공 지능은 결함 감지 및 예측 유지 관리

3와 같은 차세대 데이터 센터의 새롭고 복잡한 레이아웃을 채택할 때 직면하는 새로운 과제를 해결하는 데 매우 적합합니다. 훈련하는 동안 AI는 런타임 동안이나 프로덕션에서 엔터프라이즈급 모델을 실행할 때 데이터 센터에 더 큰 부하를 가합니다. 이 기간 동안 AI 컴퓨팅은 전력 소비, 냉각 요구 사항 및 데이터 처리량 측면에서 기존 기대치를 크게 초과하는 경향이 있습니다.

가장 기본적인 수준에서 이는 데이터 센터의 기본 재료에 대한 더 큰 압력을 의미합니다. 이러한 기본 재료 또는 구성 요소의 품질이 좋지 않으면 실패할 가능성이 더 높습니다. AI 컴퓨팅은 사이트의 구성 요소 및 연결 수의 극적인 증가를 의미하므로 이는 기존 사이트에서 잘 작동하는 저렴하고 품질이 낮은 재료가 AI 컴퓨팅을 실행하는 데이터 센터를 정지시킬 수 있음을 의미합니다

잘못된 경제적 위험이 있으므로 운영자는 비용을 절약하기 위해 표준 이하의 케이블과 같은 낮은 품질의 재료를 구매하지 않아야 합니다. 이러한 재료는 고장이 나기 쉬우며 더 자주 교체해야 하며, 가장 심각하게는 표준 이하의 재료 및 구성 요소의 고장으로 인해 현장의 가동 중지 시간이 발생하여 수익성에 영향을 미치는 경우가 많습니다. 따라서 운영자는 신중하게 재료를 선택하고 신뢰할 수 있는 품질인지 확인해야 합니다.