Simulace továrny na AI: ověření výkonu a chlazení před výstavbou

Simulace stírá hranice mezi návrhem a provozem, protože týmům umožňuje provádět provozní scénáře ještě před zahájením výstavby. Užitečný model továrny na AI umožňuje nejen vizualizaci 3D prostoru, ale rovněž propojuje geometrii, technické parametry a aktuální i historická provozní data, takže týmy mohou otestovat rozmístění, energetickou náročnost, proudění vzduchu, chladicí výkon, konstrukční omezení a dopad zatížení ještě předtím, než je nutné provést nákladné fyzické úpravy.

To je důležité, protože továrny na AI fungují na hranici kapacit infrastruktury, kde i malé konstrukční předpoklady mohou snížit výstup použitelných tokenů, vyčerpat energetickou kapacitu nebo chladicí výkon nebo vést k omezení provozních marží. Praktický přínos spočívá v testování scénářů simulujících reálný provoz již ve fázi návrhu: přesuny stojanů, výměna akcelerátorů nové generace, vyšší hustota výkonu, výběr různých jednotek CDU, změny primárního okruhu, předpoklady týkající se adiabatických chladicích věží a profily úloh umělé inteligence.

Samostatné nástroje fungují při analýze jednotlivých bodů, ale selhávají, když více uživatelů potřebuje sdílený přehled o stejném prostoru, zařízení a provozním stavu. Při navrhování továren na AI je nutné zajistit, aby se výsledky CFD, simulace energetického systému, technická dokumentace, modely zařízení, IT telemetrie, OT telemetrie a provozní historie vztahovaly ke stejnému fyzickému zařízení.

Bez společné integrační vrstvy si každý nástroj vytváří vlastní pohled, konvence pojmenování a datový model, což nutí týmy sladit aktiva ručně. OpenUSD poskytuje standardizační vrstvu pro propojení 3D geometrie s více zdroji dat a nástroji pro analýzu dat.Společnosti Schneider Electric, AVEVA a ETAP se připojily k alianci pro OpenUSD s cílem podporovat interoperabilitu softwaru, průmyslové simulace, kolaborativní návrh a systémy infrastruktury umělé inteligence.

Výstup tokenů závisí na tom, co se děje uvnitř výpočetní infrastruktury AI, takže model potřebuje přehled i o dění pod úrovní stojanu. Využití jednotky CPU, využití paměti, využití grafického procesoru, chování sítě, aktivita disků a stav zátěží pomáhají propojit chování IT systémů s dopady na provozní technologie (OT), jako je spotřeba energie, odvod tepla, požadavky na průtok a tepelné riziko.

Abstrakce na úrovni stojanů nezohledňuje, zda stav infrastruktury ovlivňuje konkrétní zátěž, uzel nebo chování komponenty. Proto musí simulace továrny na AI kombinovat data z IT i OT: zařízení nevytváří hodnotu tím, že udržuje místnosti v chladu; zařízení vytváří hodnotu tím, že umožňuje drahým výpočetním stojanům běžet s nejvyšším bezpečným využitím. Referenční návrh společností Schneider Electric a NVIDIA výslovně spojuje návrh továrny na AI s provozními body, jako jsou MaxP a MaxQ, přičemž MaxQ umožňuje více tokenů na watt, když omezení napájení vyžadují optimalizovaný výpočetní výkon.

Simulace CFD umožňuje testovat proudění vzduchu, teplotu, rychlost, tlak a chladicí vlastnosti jak ve standardních, tak v hypotetických scénářích. Praktický příklad použití je jednoduchý: začněte s výchozím stavem místnosti, přidejte více úloh AI nebo přesuňte tepelnou zátěž z jednoho místa ve stojanu na jiné a zkontrolujte, zda proud chladného vzduchu, chladicí výkon a strategie izolace stále zvládají danou zátěž. V případě vzduchem chlazených nebo hybridních prostředí nemusí simulace různých scénářů vždy vyžadovat kompletní změnu vedení kabelů nebo jiné vedení potrubí; model může posunout profil rozptylu kilowattů a otestovat výsledné tepelné chování.

Simulace napájení umožňuje vyčíslit, jak se porucha nebo stav údržby promítá do využitelné kapacity IT. Praktickým příkladem je porucha dálkového napájecího panelu v kombinaci s přechodem druhého prvku do režimu údržby. Simulace může ukázat, zda zařízení stále splňuje požadovanou úroveň redundance a o kolik je třeba omezit výkon IT, aby bylo zachováno chování N+1.

Tyto výstupní údaje pak mohou sloužit jako podklad pro pravidla plánování zátěže, omezení příkonu nebo snížení frekvence ještě před zahájením provozu. Funkce digitálního dvojčete pro elektřinu ETAP podporuje pokročilé navrhování a simulaci elektrických systémů, dynamickou analýzu možných scénářů, sledování výkonu elektrické infrastruktury v reálném čase, optimalizaci energetické účinnosti, prediktivní údržbu a plánování infrastruktury na základě spotřeby energie.

Simulace umožňuje posoudit dopady nahrazení jedné generace grafických procesorů jinou tím, že před nákupem nebo výstavbou otestuje důsledky z hlediska spotřeby energie, chlazení a konstrukce. Praktickým příkladem je výběr stojanu v modelu a otestování budoucí platformy s vyšší hustotou a větší hmotností, aby bylo možné zjistit, zda podlaha, rozměry potrubí, chladicí okruh a elektrická infrastruktura tuto změnu zvládnou.

To je důležité, protože továrny na AI se modernizují rychleji než tradiční závody a stojanové platformy nové generace mohou mít vliv na hmotnost, odvod tepla, rozměry potrubí, požadavky na průtok a hustotu výkonu.

Simulace se stává nezbytnou součástí továren na AI, protože cena konzervativních odhadů či konstrukčních chyb je příliš vysoká. Pokud lze drahý serverový stojan využívat pouze na 90 % jeho kapacity, protože provozní tým nemá dostatečnou důvěru v chlazení, napájení nebo rezervní kapacity, provozovatel se vzdává části kapacity právě u toho nejcennějšího zařízení v budově.

Továrny na AI vyžadují simulaci, protože ekonomický dopad návrhu zařízení, chování zátěží a využití jsou úzce propojeny. Simulace výkonu v systému ETAP, CFD, telemetrie v reálném čase a vizuální potenciální scénáře pomáhají obsluze testovat podmínky, které určují, zda může továrna na AI bezpečně fungovat na hranici svých možností. Digitální dvojčata založená na OpenUSD dále řeší problém izolovaných dat a nástrojů tím, že umožňují uvažování na systémové úrovni napříč fázemi návrhu, výstavby a provozu.