Von grossen Trainingsclustern bis hin zu kleinen Edge-Inference-Servern – der Anteil von KI an den Workloads in Datacentern steigt kontinuierlich. Dadurch sind auch mehr Racks mit höheren Leistungsdichten erforderlich. KI-Start-ups, Unternehmen, Colocation-Anbieter und Internet-Giganten müssen die Auswirkungen dieser Entwicklung bei Planung und Management der technischen Infrastruktur berücksichtigen.
Ein Beitrag von unserem Premium-Sponsor Schneider Electric.
In den vergangenen Jahren hat die Verbreitung von KI-Lösungen extrem zugenommen und die Art und Weise, wie wir leben, arbeiten und mit Technologie umgehen, stark verändert. Generative KI (z. B. ChatGPT) ist eine Art Katalysator für dieses Wachstum. Prädiktive Algorithmen wirken sich auf verschiedene Branchen aus, vom Gesundheitswesen über das Finanzwesen bis hin zur Fertigung, dem Transportwesen und der Unterhaltung.
Die mit der KI verbundenen Anforderungen treiben neue Chip- und Servertechnologien voran, die zu extremen Leistungsdichten im Rack führen. Gleichzeitig gibt es eine massive Nachfrage nach KI-Lösungen. Diese Faktoren gilt es bei Planung und Betrieb von Datacentern zu berücksichtigen.
Prognosen zum KI-Wachstum
Nach Schätzungen von Schneider Electric entfallen heute auf KI Anwendungen 4,3 GW des Strombedarfs. Schneider geht davon aus, dass dieser Anteil mit durchschnittlichen jährlichen Steigerungsraten (CAGR) von 26% bis 36% wachsen wird, was zu einem Gesamtbedarf von 13,5 GW bis 20 GW im Jahr 2028 führen wird. Dieses Wachstum ist zwei- bis dreimal so hoch wie die durchschnittliche jährliche Steigerung (CAGR) des Gesamtstrombedarfs von Datacentern (11%). Tabelle 1 zeigt weitere Details.
Eine wichtige Erkenntnis ist, dass die Inference Load, also die Serverlast durch die Inferenz im Laufe der Zeit zunimmt, wenn mehr neu trainierte Modelle in den produktiven Einsatz überführt werden. Der tatsächliche Energiebedarf hängt in hohem Masse von technischen Faktoren ab, u. a. von aufeinander folgenden Servergenerationen, effizienteren Befehlssätzen, verbesserter Chipleistung und zukünftiger KI-Forschung.
Erfahren Sie mehr über die relevanten Spezifikationen und Trends sowie die resultierenden Herausforderungen für Datacenter im White Paper "KI verändert moderne Datacenter: Empfehlungen für die Planung" – auf der Webseite von Schneider Electric.