AI Factory stiller større krav. Vi leverer.
Schneider Electric: den eneste komplette partner til AI-fabrikker - fra net til chip, fra chip til køler, til skalerbar AI.
Schneider Electric leverer i samarbejde med et globalt netværk af partnere gennemprøvede løsninger, software og tjenester til projektering, strømforsyning, køling og drift af AI-fabrikker i stor skala.
I samarbejde med alle de førende producenter af GPU’er og TPU’er, herunder NVIDIA, går vi forrest i de innovationer, der ændrer måden, hvorpå datacentre bygges, drives og vedligeholdes.
Schneider Electrics AI-fabrikløsninger omfatter fuldt udviklede designs, digital tvilling, væske- og luftkøling, strømforsyning med høj tæthed, modulære pods, racks, software og livscyklus-tjenester, alt sammen designet til AI-klar datacenter.
Baseret på vores samarbejde og interoperabilitet med NVIDIA og OpenUSD skalerer vores løsninger til AI-fabrikker effektivt og fungerer problemfrit på tværs af hele AI-infrastrukturen.
Validerede referencemønstre for AI-datacenter (ANSI/IEC) + vejledning til valg.
OpenUSD-digitale tvillinger med ETAP og NVIDIA Omniverse til modellering af AI-infrastruktur.
800 VDC-arkitekturer, strømforsyning på rack-niveau og robust energifordeling.
Direkte køling af chips, nedsænkningskøling og hybridkøling til AI-arbejdsbelastninger med høj tæthed.
Modulære enheder og white-space-moduler (tid til klargøring).
DCIM, planlægning/modellering, alarmhåndtering, cybersikkerhed inden for driftsteknologi.
Samarbejde med NVIDIA om AI-fabrikker
Schneider Electric indgår et samarbejde med NVIDIA om at udvikle validerede standardmodeller til design, simulering, opførelse, drift og vedligeholdelse af AI-fabrikker i gigawatt-klassen.
Lancering af nye datacenterløsninger
Schneider Electric lancerer nye datacenterløsninger, der imødekommer udfordringerne ved AI med høj tæthed og applikationer med høj regnekraft.
Digital tvilling til simulering af strømbehovet i en AI-fabrik
ETAP og Schneider Electric præsenterer verdens første digitale tvilling, der simulerer strømbehovet i en AI-fabrik fra elnettet til chipniveau ved hjælp af NVIDIA Omniverse.
AI-baserede digitale tvillinger med OpenUSD til drift gennem hele livscyklussen
Skalering af AI-aktiverede digitale tvillinge på tværs af datacentrets livscyklus med OpenUSD og sikring af problemfri interoperabilitet i livscyklussen.
Hurtigere skalering af AI-fabrikker med NVIDIA-teknologi
Schneider Electric fremskynder udviklingen og implementeringen af AI-fabrikker i stor skala i samarbejde med NVIDIA.AI-fabrikker – fra miljøpåvirkning, tokens pr. watt og væskekøling til supplerende elektricitet fra nettet, behovet for 800 VDC-strøm og mangel på talent.
En AI-fabrik er et specialbygget anlæg, der er designet til at fungere som et enkelt, stort computerklynge til træning og implementering af AI-modeller. I modsætning til traditionelle datacentre, der understøtter blandede arbejdsbelastninger, er AI-fabrikker optimeret til at opnå maksimal GPU-gennemstrømning i stor skala. Som NVIDIA’s Jensen Huang beskriver det, fungerer disse anlæg som produktionsanlæg: data og regnekraft går ind, og trænet modeller og resultater kommer ud.
Som beskrevet i Schneider Electrics hvidbog 110, trækker disse GPU-klyngers store omfang og strømbehov, når de træner AI-modeller, spidsbelastning samtidigt. Mens traditionelle datacentre blev dimensioneret efter gennemsnitlige, diversificerede belastninger, skal AI-fabrikker dimensioneres til den synkrone spidsbelastning – et fundamentalt anderledes elektrisk designkrav, der påvirker UPS-systemer, koblingsudstyr og nettilslutning.
Den stigende termiske designeffekt (TDP) i moderne AI-computere får racktætheden til at overstige 100 kW, hvilket langt overskrider de termiske grænser for luftkøling. Som beskrevet i Schneider Electrics hvidbog 133, bliver direkte væskekøling af chips nødvendigt ved belastninger på over ca. 20-30 kW pr. rack. Vandets varmeledningsevne og varmekapacitet gør det mange gange mere effektivt end luft ved disse tætheder. Det er afgørende, at mange AI-servere af den nuværende generation leveres helt uden blæsere, hvilket lægger hele den termiske byrde over på anlæggets væskekølesystem.
Som vores faste AI-ambassadør og ekspert hos Schneider Electric, Steven Carlini, forklarer, i denne artikel, et datacenter er en fysisk bygning og et anlæg, der huser IT-infrastruktur til specifikke applikationer og relaterede tjenester. De fungerer også som datalagre til opbevaring og administration af data knyttet til disse applikationer. På den anden side er AI-fabrikker anlæg, der producerer digitale resultater ud fra data fra datacentre.
AI-fabrikker styrer hele AI-livscyklussen, lige fra modeltræning og finjustering til udførelse af inferens. I takt med at AI-modeller bliver mere selvstyrende, forventes optimerede inferensopgaver at køre kontinuerligt på baggrund af nye data og dermed skabe yderligere værdi. Mens traditionelle datacentre ikke kan håndtere disse højere effekttætheder og store varmeudledninger, benytter AI-fabrikker innovative referencedesigns for at opfylde disse driftskrav.
Digitale tvillinger mindsker risikoen ved at give operatører mulighed for at simulere og validere infrastrukturen på en virtuel model af anlægget både før og under implementeringen samt løbende under driften. Inden produktionen påbegyndes, modellerer de strømforbrug, køling og arbejdsbelastning for at opdage konstruktionsfejl på et tidligt tidspunkt, da det ville være dyrt at afhjælpe disse efter produktionen (f.eks. utilstrækkelig køling eller begrænset strømkapacitet).
Under implementeringen hjælper digitale tvillinger med at sammenligne forskellige løsninger, f.eks. præfabrikerede løsninger og traditionelle byggerier, ved hjælp af simuleringer af reelle arbejdsbelastninger. I stedet for at vælge teknologier ud fra specifikationsark kan teams teste den faktiske adfærd under simulerede AI-arbejdsbelastninger, inden beslutningerne om installation træffes. Når de er taget i brug, anvender digitale tvillinger realtidsdata til at simulere virkningen af en planlagt ændring (f.eks. tilføjelse af en ny GPU-klynge eller omfordeling af kølezoner), inden den gennemføres i produktionsmiljøet. De kan også opdage tidlige tegn på fejl, hvilket giver teamene tilstrækkelig tid til at gribe ind, inden en træningskørsel afbrydes.
AI-fabrikker kan ikke klare uplanlagte driftsstop; et enkelt nedbrud kan sætte en stopper for en træningsopgave, der strækker sig over flere uger. Traditionelle vedligeholdelsesmodeller, der bygger på faste tidsplaner eller reaktive reparationer, er ikke længere tilstrækkelige. Den bedste fremgangsmåde er tilstandsbaseret vedligeholdelse (CBM), hvor man ved hjælp af realtidsdata kun udfører service på udstyret, når det er nødvendigt.
Schneider Electrics EcoCare-model anvender denne tilgang med overvågning døgnet rundt, AI-baseret analyse og eksperthjælp. De elektriske systemer overvåges løbende for at håndtere spidsbelastninger på nødstrømsanlæg (UPS) og koblingsudstyr, mens væskekølesystemerne analyseres for tidligt at opdage risici som lækager eller fald i ydeevnen. Ved at skifte til forebyggende vedligeholdelse kan operatører forhindre nedbrud, før de opstår, og sikre, at den kritiske AI-infrastruktur kører uden afbrydelser.
Læs aftalen om bæredygtig køling
Effektiviteten måles i tokens pr. watt pr. dollar. Avanceret strømforsyning, væskekøling og automatisering kan forbedre effektiviteten pr. token betydeligt og dermed reducere både energiomkostningerne og miljøpåvirkningen.
Få pålidelig viden og rådgivning direkte fra vores erfarne eksperter.
Brug for hjælp?
Produktvælger
Find hurtigt og nemt de rette produkter og det rette tilbehør til dine anvendelser.
Få et tilbud
Start din salgsforespørgsel online, så vil du blive kontaktet af en ekspert.
Find forhandler
Find den nærmeste Schneider Electric-distributør.
Hjælpecenter
Find supportressourcer til alle dine behov på ét sted.