A Inteligência Artificial (IA) tem o potencial de aumentar a eficiência e a inovação em todo o espectro, além de trazer crescimento econômico. De acordo com a McKinsey & Company, a IA generativa sozinha poderia adicionar o equivalente a até 4,4 trilhões de dólares (23,9 trilhões de reais) anualmente à economia global, incluindo até 100 bilhões de dólares (542 bilhões de reais) no setor de telecomunicações, 130 bilhões de dólares (704 bilhões de reais) em mídia e 460 bilhões de dólares (2,5 trilhões de reais) em tecnologia.

E não se trata apenas de dinheiro. A IA está ajudando a alcançar grandes avanços, impactando positivamente áreas como saúde e mudanças climáticas e desenvolvendo soluções inovadoras para combater as mudanças climáticas globais.

No entanto, desbloquear a promessa da IA exigirá um ecossistema inteiro para suportar a tecnologia. A arquitetura do data center e a infraestrutura digital crítica que a suporta terão que passar por uma grande transformação para suportar as demandas das cargas de trabalho de IA.

A infraestrutura digital crítica que permite a IA

As tendências atuais sugerem que 19% do uso de energia em data centers estará associado à IA até 2028. Então, o que isso significa para os data centers, especialmente quando se trata de arquitetura, uso de energia e resfriamento?

A ascensão meteórica da IA já está interrompendo a arquitetura de TI e a infraestrutura digital crítica do data center. Mas o que está sendo experimentado agora é apenas a ponta do iceberg; o peso do rack, a energia do data center e o resfriamento estão evoluindo.

A IA pode minerar dados e liberar seu valor oculto. Mas isso também significa que as empresas precisam estar preparadas para as profundas mudanças na infraestrutura necessárias para dar suporte à IA. A revolução na IA levará a uma revolução na forma como os data centers operam. Portanto, embora a maioria das pessoas esteja focada nos benefícios econômicos da IA, obter esses benefícios exigirá prever, entender e resolver os desafios emergentes de infraestrutura.

A eficiência energética é crucial. Mas não será uma bala de prata

Um dos elementos cruciais para habilitar a IA são os microprocessadores.

Os chips usados para treinar modelos de IA, ou seja, aqueles usados para ensinar um modelo de IA expondo-o a dados para que ele possa fazer inferências precisas, requerem uma quantidade significativa de energia e geram uma quantidade correspondente de calor.

As GPUs (Unidades de Processamento Gráfico) são o chip preferido atualmente para executar cargas de trabalho de IA, e o uso de GPUs no lugar de CPUs (Unidades de Processamento Central) para executar cargas de trabalho de computação paralelas é 100 vezes mais eficiente em termos de consumo de energia por unidade de computação.

No entanto, os requisitos de computação continuarão aumentando exponencialmente, superando em muito qualquer aumento na eficiência do chip. Portanto, embora as GPUs produzam muito mais computação para a mesma quantidade de energia usada, as demandas da IA significam que a quantidade total de energia usada ainda aumentará.

Entendendo o futuro

Para muitas aplicações, a promessa da IA justifica o aumento das entradas de energia. A nova funcionalidade provavelmente exigirá modelos de IA ainda maiores para realizar tarefas como realizar trabalhos em várias etapas, em vez de apenas responder a solicitações ou determinar qual resposta disponível por algoritmos atende melhor às necessidades do usuário.

Dados os muitos fatores que parecem estar impulsionando a demanda por IA e o uso de modelos maiores, é difícil ver como os ganhos de eficiência operacional de chips ou modelos compensarão os muitos desenvolvimentos intensivos em computação em IA. O futuro pode ser mais eficiente, mas espera-se que a capacidade de carga de TI aumente, apesar dos ganhos de eficiência.

Tendências a serem observadas

Tecnologias inovadoras de energia e refrigeração: os operadores de data center podem estender a vida útil da infraestrutura existente implementando soluções de energia e resfriamento de alta eficiência enquanto planejam futuras expansões orientadas por IA. Isso significa investir em sistemas escaláveis e modulares que podem se adaptar à medida que as cargas de trabalho de IA evoluem.

Mudanças na capacidade de produção: prepare-se para um mundo onde a capacidade de produção cresce. Cargas de rack, unidades de distribuição de energia (PDUs), fontes de alimentação ininterrupta (UPSs), painéis de comutação e unidades de distribuição de refrigerante (CDUs) aumentarão em capacidade e terão um efeito indireto correspondente em toda a infraestrutura geral.

Mudanças na escala geral: as instalações ficarão maiores. Os blocos de 3 MW de hoje serão os blocos de 20 MW de amanhã porque os racks de servidores tradicionais operando a 10-15 kW estão sendo substituídos por racks de alta densidade que geralmente atingem mais de 50 kW - e, em alguns casos, até 300 kW.

A busca por energia sempre ativa: maior também significa mais energia e calor. Mais calor significa que o resfriamento híbrido e líquido é o futuro. Como as GPUs do futuro devem ser resfriadas continuamente, a energia sempre ativa é um imperativo para fornecer backup de energia para os sistemas de resfriamento críticos que suportam as GPUs.

IA significa perfis de carga não convencionais: a IA está associada a cargas de energia que podem pulsar de 10% ocioso a 15% de sobrecarga em um piscar de olhos.

Atualização e atualizações de infraestrutura: se uma nova construção não for uma opção, os operadores de data center precisarão determinar a melhor maneira de adaptar suas operações existentes para atender de forma rápida e econômica às demandas listadas acima.

Grandes mudanças estão chegando na arquitetura, energia e resfriamento

Embora ninguém possa ter certeza sobre o futuro exato da arquitetura de TI, observar os fatores básicos de mudança é a melhor maneira de determinar como será esse futuro.

A trajetória ascendente na densidade do rack desencadeada pela atual onda de IA não será um pontinho histórico. Para atender à crescente demanda por IA, prevê-se que a arquitetura de rack aumente das densidades superiores de 30 kW para 300-600 kW no curto prazo e possivelmente de 1 MW ou mais até 2030.

As coisas estão mudando mais rápido agora do que em qualquer momento nos últimos 30 anos. É fundamental estar preparado para as mudanças que já estão acontecendo e trabalhar com os líderes do setor para desenvolver uma estratégia para futuras implantações. Embora possa haver incerteza sobre a rapidez com que a arquitetura do rack evoluirá, especialmente a longo prazo, há poucas dúvidas de que as mudanças na arquitetura exigirão novas abordagens para o resfriamento.

No entanto, o tremendo crescimento no uso de energia significará que várias formas de resfriamento híbrido e líquido são o futuro. O resfriamento líquido é significativamente mais eficiente do que o resfriamento a ar, e essa eficiência é extremamente importante para o desenvolvimento da infraestrutura necessária para a IA. Até o final da década, os data centers provavelmente dependerão principalmente de resfriamento líquido para o chip, imersão autônoma e resfriamento a ar para cargas de calor residuais.

O resfriamento não é a única preocupação. Os data centers do futuro também terão que ser flexíveis o suficiente para lidar com "cargas de pulso" ou cargas periódicas com alta potência em um tempo muito curto. Sabe-se que os clusters de treinamento de IA exibem picos de curta duração na corrente elétrica durante certos ciclos de computação, portanto, as provisões de sobrecarga se tornarão obrigatórias.

Embora seja difícil identificar todos os marcos tecnológicos exatos que ocorrerão nesta década e além, as pinceladas gerais do futuro estão se tornando mais claras.

As densidades de rack aumentarão, os métodos de resfriamento e gerenciamento precisam evoluir e o gerenciamento de energia e carga está rapidamente se tornando grandes desafios.

Agora precisamos aplicar o que sabemos para informar o desenvolvimento de produtos e soluções que resolverão as necessidades dos data centers hoje e amanhã.

Investir em sistemas escaláveis e modulares que podem se adaptar à medida que as cargas de trabalho de IA evoluem é a opção sensata. A modularidade permite uma resposta mais ágil às necessidades em constante mudança. Em vez de planejar um crescimento imprevisto, as organizações podem desenvolver capacidade para atender aos requisitos.