Nuova tecnologia di raffreddamento per affrontare le esigenze energetiche in aumento dell’AI

Una nuova tecnologia di raffreddamento è stata sviluppata dagli ingegneri dell’Università della California, San Diego, che può migliorare notevolmente l’efficienza energetica dei data center, cruciali per lo sviluppo e la distribuzione dell’AI. I data center sono strutture che ospitano l’infrastruttura necessaria per addestrare e distribuire modelli di intelligenza artificiale. Ciò include architetture di calcolo, rete e archiviazione avanzate, nonché capacità di energia e raffreddamento per gestire le enormi richieste di elaborazione dei dati dell’AI. Mentre i data center tradizionali hanno molti dei same componenti di un data center AI, tra cui server, sistemi di archiviazione e attrezzature di rete, la loro potenza di calcolo varia notevolmente. Ciò è dovuto alle richieste straordinarie del carico di lavoro AI ad alta intensità, che richiede unità di elaborazione grafica ad alta prestazione (GPU). Non solo il gran numero di GPU necessarie per i casi d’uso dell’AI richiede molto più spazio, ma richiede anche capacità di energia e raffreddamento avanzate. In effetti, l’uso esplosivo dell’AI e la sua continua espansione stanno facendo schizzare la domanda di elaborazione dei dati. I data center sono effettivamente proiettati per essere tra i più grandi consumatori di energia a livello globale. Le stime suggeriscono che il consumo di energia dei data center potrebbe crescere del 160% fino a oltre 1.000 terawatt-ora (TWh), rappresentando il 3% al 4% del consumo di elettricità mondiale, entro il 2030. Questo aumento è guidato dalle crescenti esigenze computazionali delle applicazioni AI avanzate, portando a una generazione di calore significativa che richiede soluzioni di raffreddamento efficaci. In realtà, il 40% dell’uso totale di energia di un data center va solo per raffreddare il hardware di calcolo ad alta prestazione, in particolare le GPU e gli acceleratori. Questi componenti generano molto più calore dei tradizionali CPU, specialmente durante l’addestramento dell’AI e l’elaborazione dei modelli linguistici di grandi dimensioni. Poi c’è l’aumento della densità di potenza di calcolo nei server AI moderni, che porta anche a una maggiore concentrazione di calore, richiedendo soluzioni di raffreddamento più efficienti. “I costi di raffreddamento sono un costo di sovrapprezzo significativo che gli operatori devono affrontare”, ha detto Rithika Thomas, un analista senior per le tecnologie sostenibili di ABI Research, il cui rapporto “Chilling Out: Cooling Systems for Data Centres” richiede agli operatori di adottare strategie efficaci per mantenere le prestazioni, la stabilità e la durata degli apparecchi. Se questa tendenza continua, l’uso di energia globale per il raffreddamento potrebbe più che raddoppiare entro la fine di questo decennio, rendendo cruciale trovare una soluzione a questo problema. “Le strategie di raffreddamento efficaci richiedono un approccio olistico, agnostico per la tecnologia, per ottimizzare l’efficienza dell’uso dell’energia (PUE), l’efficienza dell’uso dell’acqua (WUE) e la gestione termica e ridurre i costi operativi.” – Thomas