simulation d’usine d’IA
La simulation d’usine d’IA permet aux organisations de tester et de valider les conceptions d’alimentation et de refroidissement avant toute construction, garantissant ainsi que les systèmes sont correctement dimensionnés, placés et coordonnés. Cela permet d’éviter des reprises coûteuses et des contraintes d’infrastructure.
Grâce aux jumeaux numériques basés sur l’IA, les équipes peuvent évaluer très tôt la capacité électrique, le comportement thermique, le flux d’air et les stratégies de contrôle, avant même le début de la construction. En exécutant des scénarios hypothétiques, les organisations peuvent valider la sécurité de leurs infrastructures, optimiser leur dimensionnement et générer des preuves fondées sur des données pourobtenir l’approbation des parties prenantes et de la direction.
La simulation des conceptions d’usines d’IA est supérieure à la correction des problèmes une fois l’architecture finalisée, car elle permet de minimiser les retards potentiels et de réduire les coûts des améliorations.
Cette approche combine les capacités de jumeau numérique et de gestion de l’information d’AVEVA en tant que couche d’intégration au niveau du système, utilisant OpenUSD pour permettre une interopérabilité multi-domaines à travers la conception, l’ingénierie et les opérations. Dans cet environnement, le jumeau numérique électrique ETAP modélise le comportement du réseau électrique jusqu’aux bâtis de serveurs ainsi que les scénarios de défaillance, NVIDIA Omniverse offre une visualisation en temps réel et une simulation collaborative, et EcoStruxure™ IT Design CFD fournit une analyse précise des flux d’air et de la température.
Cycle de vie de jumeau numérique de l’usine d’IA
Une source unique et fiable de vérité pour aligner les commandes mécaniques, électriques et informatiques, grâce à la simulation de centre de données OpenUSD.
Les usines d’IA sont souvent confrontées à des problèmes de capacité énergétique incertaine, de stratégies de refroidissement mixtes par air et par liquide, de flux de travail d’équipe déconnectés les uns des autres et de lenteurs dans les processus d’évaluation, ce qui entraîne des retards et des reprises coûteuses.
Stabilité et sécurité de l’alimentation électrique
Les clusters d’IA consomment une énergie très variable, ce qui les rend instables. Les simulations ETAP et Omniverse permettent aux équipes de tester en toute sécurité les scénarios de panne, de protection et de commutation avant la construction afin de réduire les risques.La simulation réduit la frontière entre la conception et l’exploitation en permettant aux équipes d’exécuter des scénarios opérationnels avant le début de la construction. Un modèle d’usine d’IA utile ne se contente pas de rendre une pièce en 3D ; il relie la géométrie, les attributs d’ingénierie, les données d’exploitation en temps réel ou historiques, afin que les équipes puissent tester l’emplacement, le comportement énergétique, le flux d’air, la capacité de refroidissement, les contraintes structurelles et l’impact sur la charge de travail avant que les modifications physiques ne deviennent coûteuses.
Cet aspect est important car les usines d’IA fonctionnent à la limite des capacités des infrastructures : de simples hypothèses de conception peuvent réduire le nombre de jetons utilisables, mobiliser de l’énergie ou des capacités de refroidissement, ou imposer des marges d’exploitation prudentes. La valeur pratique réside dans le test de scénarios « similaires à une utilisation réelle » dès la phase de conception : déplacements de bâtis, remplacement d’accélérateurs de nouvelle génération, densité de puissance plus élevée, différentes sélections d’unités de distribution d’énergie (CDU), modifications de la boucle primaire, hypothèses de tour de refroidissement adiabatique et profils de charge de travail de l’IA.
Des outils distincts fonctionnent pour l’analyse ponctuelle, mais ils deviennent inefficaces lorsque plusieurs personnes ont besoin d’une vue partagée des mêmes installations, actifs et état opérationnel. La conception d’une usine d’IA nécessite la CFD, la simulation de puissance, la documentation technique, les modèles d’actifs, la télémétrie informatique, la télémétrie opérationnelle et l’historique opérationnel pour correspondre aux mêmes équipements physiques.
En l’absence d’une couche d’intégration commune, chaque outil crée sa propre interface, ses propres conventions d’appellation et son propre modèle de données, ce qui oblige les équipes à harmoniser manuellement les ressources. OpenUSD fournit la couche de normalisation permettant de connecter la géométrie 3D à de multiples sources de données et solveurs. Schneider Electric, AVEVA et ETAP ont rejoint l’Alliance pour OpenUSD afin de soutenir l’interopérabilité des logiciels, la simulation industrielle, la conception collaborative et les systèmes d’infrastructure d’IA.
La production de jetons dépend de ce qui se passe à l’intérieur de la pile de calcul ; le modèle a donc besoin d’une visibilité en dessous du niveau du bâti. L’utilisation du processeur, de la mémoire, du processeur graphique, le comportement du réseau, l’activité du disque et l’état de la charge de travail permettent de relier le comportement informatique aux conséquences opérationnelles telles que la consommation d’énergie, le rejet de chaleur, les besoins en flux et le risque thermique.
Une abstraction au niveau du bâti ne permet pas de déterminer si l’état de l’infrastructure est déterminé par une charge de travail, un nœud ou un composant spécifique. C’est pourquoi la simulation d’une usine d’IA doit combiner les données informatiques (IT) et opérationnelles (OT) : l’installation ne crée pas de valeur en refroidissant les salles ; elle en crée en permettant aux bâtis de calcul coûteux de fonctionner à leur capacité maximale en toute sécurité. Les travaux de conception de référence de Schneider Electric et NVIDIA lient explicitement la conception des usines d’IA à des points de fonctionnement tels que MaxP et MaxQ, MaxQ permettant d’obtenir davantage de jetons par watt lorsque les contraintes énergétiques exigent des performances de calcul optimisées.
La simulation CFD permet de tester l’écoulement de l’air, la température, la vitesse, la pression et le comportement du refroidissement par rapport à des scénarios de référence et à des scénarios hypothétiques. Le cas d’utilisation pratique est simple : partez d’une condition de base de la pièce, appliquez une charge de travail d’IA plus lourde ou déplacez la charge thermique d’un emplacement de bâtis à un autre, et visualisez si le flux d’air froid, la capacité de refroidissement et la stratégie de confinement supportent toujours la charge. Pour les environnements refroidis par air ou hybrides, une simulation ne nécessite pas toujours un recâblage ou un remplacement complet des tuyaux ; le modèle peut modifier le profil de dissipation en kilowatts et tester le comportement thermique qui en résulte.
La simulation de consommation d’énergie permet de quantifier l’impact d’une panne ou d’une opération d’entretien sur la capacité informatique utilisable. Un scénario concret est celui d’un panneau d’alimentation distant défaillant, combiné à un deuxième élément entrant en mode entretien. La simulation peut montrer si l’installation maintient toujours le niveau de redondance requis et à quel point la puissance informatique doit être limitée pour préserver le comportement N+1.
Ces données peuvent ensuite servir à définir les règles de planification de la charge de travail, les limites de puissance ou les réductions de fréquence avant le début des opérations. La capacité de jumeau numérique électrique d’ETAP prend en charge la conception et la simulation avancées des systèmes électriques, l’analyse dynamique de scénarios hypothétiques, le suivi en temps réel des performances des infrastructures électriques, l’optimisation de l’efficacité énergétique, l’entretien prédictif et la planification des infrastructures basée sur la consommation d’énergie.
La simulation permet d’évaluer l’impact du remplacement d’une génération de processeurs graphiques par une autre en testant les conséquences en matière de consommation d’énergie, de refroidissement et de structure avant l’achat ou la construction. Un exemple concret consiste à sélectionner un bâti dans le modèle et à tester une future plateforme plus dense et plus lourde afin de déterminer si le plancher, le dimensionnement des tuyaux, la boucle de refroidissement et l’infrastructure électrique peuvent supporter ce changement.
C’est important car les usines d’IA se renouvellent plus rapidement que les installations traditionnelles, et les plateformes de bâtis de nouvelle génération peuvent modifier le poids, le rejet de chaleur, le dimensionnement des tuyaux, les exigences de débit et la densité de puissance.
La simulation devient une nécessité pratique pour les usines d’IA car le coût des hypothèses conservatrices ou des erreurs de conception est trop élevé. Si un bâti de grande valeur ne peut fonctionner qu’à 90 % parce que l’équipe de l’installation manque de confiance dans le refroidissement, l’alimentation électrique ou les marges de redondance, l’exploitant renonce à une capacité symbolique sur l’actif le plus précieux du bâtiment.
Les usines d’IA nécessitent une simulation car la conception des installations, le comportement de la charge de travail et les aspects économiques de leur utilisation sont étroitement liés. La simulation de puissance ETAP, la CFD, la télémétrie en temps réel et les scénarios visuels de simulation aident les opérateurs à tester les conditions qui déterminent si l’usine d’IA peut fonctionner en toute sécurité à la limite de ses capacités.Les jumeaux numériques basés sur OpenUSD permettent de résoudre en outre le problème des données et des outils cloisonnés en autorisant un raisonnement systémique à travers la conception, la construction et l’exploitation.
Déploiement à grande échelle de jumeaux numériques basés sur l’IA avec OpenUSD
Le livre blanc explique pourquoi Schneider Electric prend en charge OpenUSD et NVIDIA Omniverse pour les jumeaux numériques basés sur l’IA tout au long du cycle de vie des centres de données.
Du réseau à la puce, de la puce au refroidisseur, pour une IA évolutive.
Modèles de référence validés pour les centres de données IA (ANSI/CEI) + guide de sélection.
Architectures 800 V CC, alimentation au niveau du bâti et distribution d’énergie résiliente.
Refroidissement direct sur puce, par immersion et hybride pour les charges de travail d’IA haute densité.
Modules modulaires et modules d’espace blanc (délai de préparation).
Gestion des infrastructures du centre de données (DCIM), planification/modélisation, gestion des alarmes, cybersécurité des systèmes opérationnels.
Besoin d'aide ?
Sélecteur de produits
Trouvez rapidement et facilement les produits et accessoires adaptés à vos applications.
Obtenir un devis
Effectuez une demande de renseignements en ligne et un expert vous contactera.
Où acheter ?
Trouvez facilement le distributeur Schneider Electric local le plus proche.
Centre d'aide
Trouvez des ressources de support pour tous vos besoins, en un seul endroit.