Līdz 2027. gadam zaļo datu centru tirgus apjoms palielināsies par aptuveni 147 miljardiem ASV dolāru
Strauji attīstoties ģeneratīvajam mākslīgajam intelektam, piemēram, populārajam ChatGPT, pieprasījums pēc skaitļošanas jaudas datu centros ir palielinājies. Mākslīgā intelekta lietojumprogrammas nolasa lielu datu apjomu un patērē vairāk elektroenerģijas nekā tradicionālā programmatūra. GPU, ko izmanto ģeneratīvo AI modeļu apmācībai, ir liels enerģijas patēriņš, un tam ir nepieciešama arī papildu dzesēšanas enerģija.
Saskaņā ar aplēsēm makrodatu izteiksmē mākslīgais intelekts līdz 2030. gadam varētu nodrošināt 3% līdz 4% no globālā elektroenerģijas pieprasījuma. Mākslīgā intelekta serveru pieauguma dēļ datu centros ir ievērojami pieaudzis enerģijas patēriņš. McKinsey prognozē, ka līdz 2030. gadam elektroenerģijas patēriņš datu centros pieaugs vairāk nekā divas reizes.
Elektroenerģijas patēriņa un izmaksu pieaugums ir galvenais tirgus izaugsmes faktors. Datu centra enerģijas patēriņš ir ļoti augsts, un, pieaugot pieprasījumam pēc jaudīgākām lietojumprogrammām, piemēram, autonomais transportlīdzeklis, straumēšanas multivide un 5G, datu centra enerģijas patēriņš var pieaugt eksponenciāli, un to piegādei ir nepieciešams daudz enerģijas. dažādas iekārtas.
Lai risinātu milzīgās enerģijas pieprasījuma problēmas datu centros, ir jāveic dažādi pasākumi, tostarp enerģiju taupoša aparatūra, inovatīvi dzesēšanas risinājumi, zaļā enerģija un plašākas ilgtspējīgas attīstības stratēģijas.
Enerģijas taupīšanas mikroshēmu izmantošana ir stūrakmens energoefektivitātes uzlabošanai datu centros. Enerģijas taupīšanas mikroshēmām ir uzlabota arhitektūra un jaudas pārvaldības funkcijas, kurām ir izšķiroša nozīme datu centra aparatūras enerģijas patēriņa samazināšanā. Šīs mikroshēmas var efektīvāk piešķirt un izmantot aparatūras resursus, tādējādi uzlabojot veiktspēju uz vatu. Piemēram, salīdzinot ar iepriekšējām Intel Xeon procesoru paaudzēm, ceturtās paaudzes Xeon uzlaboja vidējo veiktspējas efektivitāti uz vatu mērķa darba slodzei 2,9 reizes, izmantojot iebūvētos paātrinātājus. 2022. gadā Nvidia H100 GPU AI mikroshēmas energoefektivitāte ir gandrīz divas reizes lielāka nekā iepriekšējās paaudzes produktam A100.
Turklāt vēl viens efektīvs pasākums enerģijas patēriņa samazināšanai datu centros ir efektīvāku dzesēšanas risinājumu pieņemšana plašā mērogā, samazinot dzesēšanas enerģijas patēriņa īpatsvaru, un galvenais rādītājs ir "Jaudas izmantošanas efektivitāte" (PUE). Pēdējo desmit gadu laikā, neskatoties uz 6-kārtīgu skaitļošanas jaudas pieaugumu un 25-kārtīgu krātuves jaudas pieaugumu, globālo datu centru enerģijas patēriņš no 2006. līdz 2018. gadam palielinājās tikai par 6%. Šī ievērojamā efektivitāte uzlabojums ir saistīts ar PUE samazināšanos.
Saskaņā ar aplēsēm paredzams, ka zaļo datu centru tirgus pieaugs par 146,95 miljardiem ASV dolāru laikā no 2022. līdz 2027. gadam ar salikto gada pieauguma tempu 24,63%. Ar šķidruma dzesēšanas (īpaši tiešās šķidruma dzesēšanas DLC) plašā mērogā arvien lielāku izplatību datu centru PUE, kas nonāk šķidruma dzesēšanas laikmetā, būs zem 1,3. Šķidruma dzesēšanas tehnoloģija var ne tikai uzlabot datu centru kopējo dzesēšanas efektivitāti, bet arī apmierināt lielas jaudas blīvuma mikroshēmu dzesēšanas vajadzības, samazināt atkarību no lieljaudas gaisa kondicionēšanas sistēmām un veicināt ilgtspējīgu vides attīstību.
