弗吉尼亞州及其位于華盛頓郊外的數(shù)百個數(shù)據(jù)中心經(jīng)常被認為是熱點地區(qū)。 事實上,當?shù)毓檬聵I(yè)公司 Dominion Energy 最近大幅提高了對未來電力需求的預(yù)測,這完全是由于滿足人工智能需求的數(shù)據(jù)中心的增加。 加州能源和信息技術(shù) (IT) 專家喬納森·庫米 (Jonathan Koomey) 表示:“但這種情況發(fā)生在弗吉尼亞州并不意味著它會發(fā)生在整個國家。” 他指出,2023 年美國的電力總需求低于 2022 年。“需求爆炸性增長是怎么回事?事實并非如此。”
不是“危機”
Koomey 表示,IT 和電信行業(yè)約占全球電力需求的 5%,其中約 2% 用于最終用戶設(shè)備,另外 2% 用于骨干網(wǎng)和本地網(wǎng)絡(luò),只有 1% 用于數(shù)據(jù)中心。 他補充道,就能源使用而言,人工智能約占所有數(shù)據(jù)中心的 10%。 “未來幾年,這 1% 中的 10% 可能會增加一倍或三倍,所以這遠低于用電量的 1% 增長;這不是一場危機,而且它也將取代其他一些數(shù)據(jù)中心的用電量 ”。
這些數(shù)字在歐盟委員會在最近對已發(fā)表報告的審查中發(fā)現(xiàn)的估計的“顯著范圍”之內(nèi)。這些人認為數(shù)據(jù)中心的功耗占全球需求的0.8%-1.6%。然而,法國電信監(jiān)管機構(gòu)Arcep最近發(fā)布了一份低得多的法國0.5%的估計,而國際能源署(IEA)發(fā)現(xiàn)全球數(shù)字略高,為1.7%,但中國為2.7%,歐洲為3.8%,美國為4.6%。該機構(gòu)認為,在這三個地方,未來幾年數(shù)據(jù)中心功耗可能每年增長7%-10%,達到總需求的3%-6%。
近年來事實證明,通過微型化半導(dǎo)體來提高計算效率(即摩爾定律)變得更加困難。
麻省理工學(xué)院一組研究人員最近在《科學(xué)》雜志上發(fā)表的一篇文章表示同意:“隨著小型化的衰落,硅制造的改進將不再提供社會 50 多年來所享有的可預(yù)測的、廣泛的計算機性能提升。”
但他們補充稱,“軟件性能工程、算法開發(fā)和硬件精簡可以繼續(xù)讓計算機應(yīng)用在后摩爾時代變得更快,與摩爾定律多年來積累的收益相媲美。”另一篇文章發(fā)現(xiàn),在2010年至2020年期間,典型數(shù)據(jù)中心服務(wù)器的每計算耗電量下降了四分之一,這主要是由于處理器效率的提高和閑置功耗的減少,每TB已安裝存儲的瓦特數(shù)下降了九分之一。
創(chuàng)新
除了計算本身(占數(shù)據(jù)中心電力需求的 40% 左右)之外,還可以通過更好的冷卻來實現(xiàn)改進(占另外 40%),以及剩下的 20%(由電源系統(tǒng)、存儲消耗) 設(shè)備和通訊設(shè)備。 IEA 表示,傳統(tǒng)的高效冷卻系統(tǒng)可以減少 10% 的電力需求,而使用液體冷卻劑的先進“直接芯片”系統(tǒng)可以再節(jié)省 20%。 IEA 還指出,谷歌報告使用其 DeepMind AI 將其數(shù)據(jù)中心冷卻系統(tǒng)的電力需求減少了 40%。 向節(jié)能云和“超大規(guī)模”數(shù)據(jù)中心的轉(zhuǎn)變還允許“在不顯著增加電力消耗的情況下進行大規(guī)模運營”。
在高需求地區(qū),新的化石燃料發(fā)電能力只是多種選擇之一。 其中包括新的輸電線路和帶有電池的可再生能源發(fā)電,可能以虛擬發(fā)電廠的形式出現(xiàn)。 庫米認為:“這些地方的公用事業(yè)公司希望建造更多的傳統(tǒng)發(fā)電廠,他們正在利用這一點來推動監(jiān)管機構(gòu)允許他們這樣做。”
大型科技公司也在致力于數(shù)據(jù)中心之間計算負載的“動態(tài)轉(zhuǎn)移”。
“我們開發(fā)并試點了一種新方法,通過將一些非緊急計算機任務(wù)轉(zhuǎn)移到其他時間和地點,在不影響您每天使用的服務(wù)的情況下,在當?shù)仉娋W(wǎng)壓力較大時減少數(shù)據(jù)中心的電力消耗,” 谷歌最近宣布。 這種方法已經(jīng)過測試的例子包括2022年12月至2023年3月能源價格創(chuàng)下歷史新高的歐洲,以及最近熱浪和冬季風(fēng)暴等極端天氣事件期間的美國各地。
Koomey 解釋說,電力系統(tǒng)狀況和延遲(或數(shù)據(jù)在發(fā)送器和接收器之間傳輸所需的時間)是負載轉(zhuǎn)移計算的主要參數(shù)。 “搜索或提取網(wǎng)頁對延遲敏感,但像人工智能訓(xùn)練這樣的事情更像是科學(xué)計算,它們不需要大量的輸入和輸出,并且對延遲不敏感,所以你可以想象將它們移動到不同的地方 - 在美國或國外——擁有更多可再生能源。”
田鑫,專業(yè)的企業(yè)組網(wǎng)服務(wù)商,致力于為企業(yè)提供企業(yè)組網(wǎng)(SD-WAN、MPLS、云互聯(lián)),業(yè)務(wù)云化、數(shù)據(jù)中心、網(wǎng)絡(luò)安全、行業(yè)IT解決方案等相關(guān)服務(wù)。
更多相關(guān)內(nèi)容推薦: