Czy rozwiązania, takie jak DCIM, pomogą branży centrów danych znaleźć złoty środek pomiędzy potrzebą większej mocy a zrównoważonym rozwojem i wymaganiami regulatorów?

Branża centrów danych rzeczywiście musi wdrażać szereg restrykcyjnych regulacji. Na przykład dyrektywa EED wymaga, aby centra danych do 1 lipca 2026 roku osiągnęły efektywność zużycia energii (PUE) na poziomie 1,5, a do 1 lipca 2030 roku na poziomie 1,3. Ponadto już od początku tego roku operatorzy muszą co najmniej 50 procent energii czerpać ze źródeł odnawialnych. Cały sektor stoi też przed wyzwaniem spełnienia celu UE w zakresie zerowej emisji netto do roku 2050, co oznacza, że działania i inwestycje w tym obszarze trzeba podejmować już teraz. Firmy z branży data center muszą więc balansować między potrzebami w zakresie mocy z jednej z strony, a z drugiej jej mniejszą dostępnością, a do tego z wymaganiami regulatorów. Odpowiednie narzędzia analityczne i opracowane przez nas rozwiązania pomagają znaleźć tę równowagę w ramach planowanych oraz wdrażanych rozwiązań i praktyk. Co istotne, regulacje to kolejny czynnik, który będzie napędzał inwestycje w infrastrukturę centrów danych. Warto podkreślić, że w związku z rozwojem hybrydowego środowiska IT przedsiębiorstwa muszą sobie poradzić z zapewnieniem zrównoważonego rozwoju i bezpieczeństwa rozproszonej infrastruktury i te wyzwania pozostaną z nami w długoterminowej perspektywie. Dlatego niezbędne są narzędzia do monitorowania i zarządzania infrastrukturą obejmującą kompleksowo zarówno systemy lokalne oraz chmurowe, jak i rozproszone lokalizacje. Rozbudowaliśmy więc portfolio o takie rozwiązania.

Czy jednak możemy sprostać zwiększonemu zapotrzebowaniu na energię dla sztucznej inteligencji, a jednocześnie zminimalizować jej wpływ na środowisko w kontekście inwestycji w centrach danych? To wydaje się trudne do pogodzenia.  

Sztuczna inteligencja oznacza nie tylko zwiększone zapotrzebowanie na moc, lecz także nowe narzędzia, które wesprą cele zrównoważonego rozwoju. Przykładowo modele AI dzięki zaawansowanej analityce mogą zarządzać zasilaniem, chłodzeniem, utrzymaniem, monitorowaniem infrastruktury, jak również wspomóc projektowanie centrów danych i ich elementów tak, by poprawić ich efektywność energetyczną i zmniejszyć ślad węglowy. AI pomoże podejmować lepsze decyzje i automatyzować działania. Należy ją więc postrzegać nie jako problem na drodze do transformacji centrów danych i zeroemisyjności, lecz jako wsparcie.

Jakie są jeszcze wyzwania związane z AI i zrównoważonym rozwojem centrów danych?

Zwiększenie gęstości mocy sprawi, że trzeba będzie przeprojektować już działające centra danych, ponieważ tradycyjna architektura może nie sprostać wymaganiom obciążeń AI i efektywnego chłodzenia. Naszym zdaniem, aby pomieścić niezbędne elementy potrzebne będą chociażby szafy serwerowe o większej niż standardowa szerokości, tj. 750 mm zamiast 600 mm. Taką architekturę rekomendujemy, gdyż pozwoli to pomieścić kolektory do chłodzenia cieczą. Według naszych badań chłodzenie powietrzem nie wystarczy przy zasilaniu ponad 20 kW na szafę, a w klastrach AI często jest to kilkukrotnie więcej. Co istotne w kontekście zrównoważonego rozwoju data center, technologia liquid cooling zmniejsza zapotrzebowanie serwerów na moc. Zalecamy więc, by centra danych realizowały projekty pozwalające stosować takie systemy chłodzenia i dostarczamy odpowiednią architekturę.