Plačiai pritaikius dirbtinio intelekto technologijas įvairiose srityse, pvz., sveikatos priežiūros, finansų, gamybos ir mokslinių tyrimų srityse, infrastruktūra - duomenų centrai - tampa svarbiu pasaulinio energijos vartojimo augimo šaltiniu. Dirbtinio intelekto modelių mokymas ir valdymas priklauso nuo didelio-našumo skaičiavimo išteklių, kuriems palaikyti reikia nuolat veikiančių duomenų centrų. Todėl dirbtinio intelekto duomenų centrai ne tik sukuria didžiulę skaičiavimo galią, bet ir sunaudoja daug energijos bei daro neigiamą poveikį aplinkai.
Dirbtinio intelekto infrastruktūros poveikis aplinkai daugiausia atsispindi didėjant elektros poreikiui, vandens išteklių naudojimui, techninės įrangos gamybai, infrastruktūros plėtrai ir t. t. Didėjant-dirbtinio intelekto technologijų plėtrai, kaip patenkinti skaičiavimo poreikius ir mažinti aplinkos naštą, tapo svarbiu vyriausybių, technologijų įmonių ir mokslinių tyrimų institucijų rūpesčiu.
Didelio dirbtinio intelekto duomenų centrų energijos suvartojimo priežastys
Dirbtinio intelekto sistemos turi atlikti modelio mokymo ir išvadų užduotis atlikdamos daugybę sudėtingų matematinių operacijų, kurias paprastai atlieka didelio našumo{0}}procesoriai, tokie kaip GPU, Tpus arba tam skirti AI lustai. Treniruojant-didelio masto modelius, dažnai reikia, kad tūkstančiai ar net dešimtys tūkstančių lustų veiktų vienu metu kelias dienas ar net savaites.
Pagrindinės priežastys, dėl kurių didėja energijos poreikis dirbtinio intelekto duomenų centruose, yra šios:
1. Didelio-tankio skaičiavimo aparatinė įranga
Dirbtinio intelekto lavinimas grindžiamas didelio našumo{0}}kompiuteriais, kurie sutelkia daug skaičiavimo išteklių į ploto vienetą, todėl labai padidėja galios tankis.
2. Nuolat veikianti serverių sistema
Kad būtų užtikrintas paslaugos stabilumas ir atsakymo realiuoju laiku-galimybės, duomenų centrai paprastai turi veikti serverius ir tinklo įrenginius visą parą be prastovų.
3. Didelės-masto duomenų saugyklos paklausa
Dirbtinio intelekto modeliai reikalauja didžiulio duomenų kiekio mokymui ir išvadoms, o duomenų saugojimas ir duomenų perdavimas taip pat sunaudoja daug elektros energijos.
4. Daug-energijos-naudojanti aušinimo sistema
Didelio{0}}našumo skaičiavimo įrenginiai veikimo metu išskiria daug šilumos ir turi būti pagrįsti sudėtingomis aušinimo sistemomis, kad išlaikytų stabilų jų veikimą.
Palyginti su tradicinėmis debesų kompiuterijos paslaugomis, dirbtinio intelekto kompiuterija turi didesnį skaičiavimo intensyvumą, todėl jos energijos suvartojimo augimo tempas yra akivaizdesnis.
Anglies dioksido išmetimo iš duomenų centrų šaltiniai
Duomenų centro anglies emisijos lygis labai priklauso nuo elektros šaltinio. Jei elektros energija gaunama iš anglies ar kito iškastinio kuro, jos anglies emisijos intensyvumas labai padidės. Atsinaujinančios energijos naudojimas gali žymiai sumažinti anglies pėdsaką.
Duomenų centrų emisijos paprastai skirstomos į šias tris kategorijas:
1. Tiesioginė emisija (1
Duomenų centrų darbe naudojami atsarginiai dyzeliniai generatoriai ir kita kuro įranga tiesiogiai išskiria šiltnamio efektą sukeliančias dujas.
2. Netiesioginės emisijos (2 sritis
Kai duomenų centrai naudoja elektros energiją, pagamintą iš iškastinio kuro, susidaro daug netiesioginių anglies dvideginio emisijų.
3. Įterptosios emisijos (Taikymo sritis3
Emisijos, susidarančios gaminant ir transportuojant serverius, lustus, saugojimo įrenginius ir aušinimo sistemas, taip pat sudaro svarbią anglies pėdsako dalį per visą duomenų centro gyvavimo ciklą.
Todėl vertinant dirbtinio intelekto duomenų centrų emisijas, reikėtų taikyti viso gyvavimo ciklo vertinimo metodą, pagal kurį būtų atsižvelgiama ne tik į energijos suvartojimą eksploatacijos etape, bet ir į emisijas aparatinės įrangos gamybos bei infrastruktūros kūrimo procesų metu.
Vandens išteklių suvartojimas ir aušinimo poreikis
Veikimo metu dirbtinio intelekto duomenų centrai išskiria daug šilumos. Todėl efektyvi aušinimo sistema yra raktas į įrangos stabilumą ir našumą. Skirtingi duomenų centrai naudoja įvairius aušinimo būdus, įskaitant:
Oro aušinimo sistema
Dažniausias aušinimo būdas tradiciniuose duomenų centruose yra šilumos pašalinimas iš serverių stelažų per oro kondicionavimo ir kanalų sistemas.
2. Skysčio aušinimo technologija
Sugeriant lusto generuojamą šilumą tiesiai per skystį, šilumos išsklaidymo efektyvumas yra didesnis, palyginti su oro aušinimu.
3. Garuojantis vandens aušinimas
Vandens išgarinimas šilumai pašalinti dažniausiai pastebimas dideliuose duomenų centruose, tačiau vandens išteklių poreikis yra gana didelis.
Regionuose, kuriuose vandens ištekliai palyginti riboti, didelio masto{0}}duomenų centrai gali kelti spaudimą vietiniams vandens ištekliams. Todėl balanso tarp energijos vartojimo efektyvumo ir vandens išteklių apsaugos nustatymas tapo dideliu iššūkiu kuriant duomenų centrus.
Pagrindinės priemonės, mažinančios dirbtinio intelekto poveikį aplinkai
Siekdama sumažinti dirbtinio intelekto infrastruktūros keliamą aplinkos spaudimą, technologijų pramonė tiria įvairius sprendimus. Šiuo metu daugiausia dėmesio skiriama šiems aspektams:
Platus atsinaujinančios energijos taikymas
Vis daugiau duomenų centrų pradedama maitinti iš atsinaujinančių energijos šaltinių, tokių kaip saulės, vėjo ir vandens energija. Pasirašius ilgalaikes-žalios energijos sutartis su energijos tiekėjais, galima žymiai sumažinti anglies dvideginio išmetimą eksploatacijos proceso metu.
2. Energiją{1}}taupanti kompiuterinė įranga
Lustų gamintojai nuolat optimizuoja procesorių architektūrą, kad padidintų „našumą per vatą“, ty suteiktų didesnę skaičiavimo galią su mažesnėmis energijos sąnaudomis. Šio tipo didelio efektyvumo{1}}lustas gali žymiai sumažinti bendrą duomenų centrų energijos suvartojimą.
3. Atnaujinkite aušinimo technologiją
Nauji vėsinimo sprendimai, pvz., aušinimas panardinamuoju skysčiu, uždaros{0} kilpos vandens sistemos ir šilumos energijos atgavimo technologija, gali pagerinti šilumos išsklaidymo efektyvumą ir sumažinti energijos ir vandens sąnaudas.
4. Duomenų centro vietos pasirinkimo optimizavimas
Kai kurios įmonės stato savo duomenų centrus šaltesnio klimato regionuose, kad sumažintų vėsinimo poreikį. Be to, buvimas netoli vietovių, kuriose gausu atsinaujinančios energijos, taip pat gali padėti sumažinti anglies dvideginio išmetimą.
Dirbtinio intelekto darnaus vystymosi perspektyvos
Dirbtinio intelekto poveikis aplinkai nėra atskira techninė problema, o kartu lemia daugybė veiksnių, tokių kaip politika, technologinės naujovės, infrastruktūros planavimas ir energetikos struktūra. Kadangi dirbtinio intelekto programų mastas ir toliau plečiasi, jo skaičiavimo poreikiai vis tiek augs.
Siekdamos tvarios plėtros, daugelis šalių ir regionų stiprina energijos naudojimo ir anglies dvideginio išmetimo reguliavimą duomenų centruose. Pavyzdžiui:
Skatinti įmones atskleisti duomenis apie energijos suvartojimą ir anglies dvideginio išmetimą
Nustatyti griežtesnius duomenų centrų energijos vartojimo efektyvumo standartus
Skatinti ekologiškos energijos pirkimą ir anglies dvideginio mažinimo technologijas
Tuo tarpu energijos tiekėjų ir technologijų įmonių bendradarbiavimas taip pat tampa vis svarbesnis. Sukūrus švaresnę energijos sistemą, galima sumažinti naštą aplinkai ir kartu palaikyti skaitmeninės ekonomikos plėtrą.
Reikia pabrėžti, kad darnus vystymasis nereiškia technologinės pažangos ribojimo. Vietoj to, juo siekiama išlaikyti technologinę plėtrą suderintą su aplinkos apsauga, sukuriant racionalesnę energijos struktūrą ir efektyviau projektuojant infrastruktūrą.
Būsimų dirbtinio intelekto duomenų centrų plėtros kryptis
Ateityje naujos-kartos dirbtinio intelekto duomenų centrai gali rodyti šias plėtros tendencijas:
Visiškai pritaikyti atsinaujinančią energiją energijos tiekimui
Įdiegti anglies dioksido surinkimo ir anglies dioksido valdymo technologijas
Modulinės energijos ir serverio architektūros projektavimas
Optimizuokite energijos valdymo sistemą pasitelkdami dirbtinį intelektą
Naudodamiesi išmaniąja energijos valdymo sistema, duomenų centrai gali optimizuoti energijos paskirstymą, apkrovos planavimą ir aušinimo strategijas realiuoju laiku, taip padidindami bendrą energijos panaudojimo efektyvumą.
Santrauka
Sparti dirbtinio intelekto duomenų centrų plėtra, skatindama technologinę pažangą, kelia ir didelių aplinkosaugos iššūkių. Dėl nuolat-augančios elektros, anglies dvideginio išmetimo ir vandens suvartojimo poreikio duomenų centrų tvarumo problemos tapo vis svarbesnės.
Tačiau taikydama atsinaujinančią energiją, energiją taupančios aparatinės įrangos naujoves,{0}}pažangias aušinimo technologijas ir pagrįstą infrastruktūros planavimą, dirbtinio intelekto pramonė pradėjo ieškoti tvaresnių plėtros būdų. Ateityje koordinuota švarios energijos sistemos pažanga, technologinės naujovės ir politikos reguliavimas iš esmės nulems dirbtinio intelekto ekosistemos pėdsakų mastą ir kryptį.
Šiame procese išmaniosios infrastruktūros kūrimas, kuri gali palaikyti didelio{0}}našumo skaičiavimą ir sumažinti poveikį aplinkai, taps svarbia užduotimi dirbtinio intelekto eroje.
