Simulering af en AI Factory
Simulering af AI-fabrikker giver virksomheder mulighed for at teste og validere strøm- og kølingsdesign, før noget overhovedet bliver bygget, hvilket sikrer, at systemerne er dimensioneret, placeret og koordineret korrekt. Dette bidrager til at undgå dyre omarbejdninger og infrastrukturbegrænsninger.
Ved hjælp af AI‑med AI-baserede digitale tvillinger kan teams evaluere elektrisk kapacitet, termisk adfærd, luftstrøm og reguleringsstrategier på et tidligt tidspunkt – inden byggeriet påbegyndes. Ved at køre‑"hvad nu hvis"-scenarier kan organisationer validere infrastruktursikkerheden, optimere dimensioneringen og generere‑datadrevet dokumentation til godkendelse hos interessenter og ledelsen.
Det er bedre at simulere AI-fabriksdesign end at rette fejl, når arkitekturen allerede er fastlagt, da det bidrager til at minimere potentielle forsinkelser og reducere omkostningerne ved udvidelser eller forbedringer.
Denne tilgang samler AVEVAs digitale tvilling og informationsstyringsfunktioner som integrationslag på systemniveau ved hjælp af OpenUSD til at muliggøre interoperabilitet på tværs af flere domæner inden for design, ingeniørarbejde og drift. Inden for det miljømodellerer en digital ETAP-el-tvillingstrømadfærden og fejlscenarier fra elnet til rack, mens NVIDIA Omniverse leverer visualisering, i realtid og kollaborativ simulering, og EcoStruxure™ IT Design CFD leverer præcis ™ luftstrøms- og termisk analyse.
Digital tvilling af AI-fabrikkens livscyklus
Én enkelt, pålidelig kilde til sandhed til at samordne mekaniske, elektriske og IT-mæssige styresystemer, takket være OpenUSD-datacentersimulering.
Nøjagtige simuleringer af elsystemer
Den elektriske digitale tvilling fra ETAP hjælper teams med at analysere beskyttelseskoordinering, vurdere fejl- og lysbuerisici samt teste koblingsscenarier.
CFD-iteration i næsten realtid
EcoStruxure IT Design CFD bruger cloud-GPU'er til at visualisere luftstrømme og temperatur samt gentage layout-design hurtigt, hvilket gør beslutninger om tæthed praktiske.AI-fabrikker kæmper ofte med uklar strømkapacitet, blandede luft- og væskekølingsstrategier, team-arbejdsgange, der er koblet fra hinanden, samt langsomme gennemsyn, der fører til forsinkelser og omkostningstungt genarbejde.
Strømstabilitet og sikkerhed
Da AI-klynger trækker meget variabel strøm, er de ustabile. Med ETAP- og Omniverse-simuleringer kan teams på sikker vis afprøve fejl-, beskyttelses- og koblingsscenarier inden implementering for at mindske risikoen.Køling ved høje rack-tætheder
Traditionelle standarder for køling slår ikke til ved højtydende racks, der anvender blandet luft- og væskekøling. For at imødegå dette viser hurtige CFD-simuleringer luftstrømme, temperaturforskydninger og hot spots.Ukoordinerede driftshold
Mekaniske, elektriske og kontrolmæssige teams arbejder ofte i siloer med uoverensstemmende modeller. For at imødegå dette kan operatører samle teams i én fælles ramme ved hjælp af OpenUSD-baserede digitale tvillinger.Godkendelser, der tager lang tid, og dyre ændringer
Senere ændringer i designet er dyre, og godkendelsesprocessen tager længere tid uden datadokumentation. Digitale tvillinger fastsætter klare grænser, alarmer og kontrolpunkter for at fremskynde gennemgange og reducere idriftsættelsesrisici.Simulering udvisker grænsen mellem design og drift ved at give teams mulighed for at gennemspille driftsscenarier, inden byggeriet går i gang. En effektiv AI-fabriksmodel kan mere end blot at gengive et 3D-rum; den sammenkobler geometri, tekniske egenskaber samt aktuelle eller historiske driftsdata, så teams kan teste placering, strømforbrug, luftstrøm, kølekapacitet, strukturelle begrænsninger og indvirkningen på arbejdsbyrden, inden fysiske ændringer bliver for dyre.
Dette er vigtigt, fordi AI-fabrikker opererer tæt på infrastrukturens grænser, hvor selv små designantagelser kan reducere den anvendelige token-produktion, udnytte strøm- eller kølekapaciteten dårligt eller tvinge driften til at holde sig inden for konservative margener. Den praktiske værdi ligger i, at man allerede i designfasen kan afprøve scenarier, der ligner den faktiske drift: flytning af rack, udskiftning til næste generations acceleratorer, højere effekttæthed, valg af forskellige CDU’er, ændringer i primærkredsløbet, antagelser om adiabatisk køletårn samt AI-arbejdsbelastningsprofiler.
Der findes særskilte værktøjer til punktanalyse, men de fungerer ikke, når flere brugergrupper har brug for et fælles overblik over den samme facilitet, de samme aktiver og driftsstatus. Design af AI-fabrikker kræver, at CFD, strømsimulering, ingeniørdokumentation, aktivmodeller, IT-telemetri, OT-telemetri og driftshistorik stemmer overens med det samme fysiske udstyr.
Uden et fælles integrationslag opretter hvert værktøj sit eget visningsområde, sine egne navnekonventioner og sin egen datamodel, hvilket tvinger teams til at sammenstille ressourcerne manuelt. OpenUSD tilbyder et standardiseringslag til at forbinde 3D-geometri med flere datakilder og solvere. Schneider Electric, AVEVA og ETAP er blevet medlemmer af Alliance for OpenUSD for at støtte softwareinteroperabilitet, industriel simulering, samarbejdsbaseret design og AI-infrastruktursystemer.
Token-output afhænger af, hvad der sker inde i beregningsstakken, så modellen har brug for synlighed under rack-niveauet. CPU-udnyttelse, hukommelsesudnyttelse, GPU-udnyttelse, netværksadfærd, diskaktivitet og arbejdsbelastningstilstand hjælper med at forbinde IT-adfærd med OT-konsekvenser såsom strømforbrug, varmeafgivelse, flowkrav og termisk risiko.
En abstraktion på rack-niveau overser, om det er en specifik arbejdsbelastning, node eller komponentadfærd, der driver infrastrukturens tilstand. Det er grunden til, at simulering af AI-fabrikker skal kombinere IT- og OT-data: faciliteten skaber ikke værdi ved at holde rummene kolde; faciliteten skaber værdi ved at gøre det muligt for dyre beregningsracks at køre med den højeste sikre udnyttelse. Reference-designarbejdet fra Schneider Electric og NVIDIA knytser eksplicitet AI-fabriksdesign til driftspunkter som MaxP og MaxQ, hvor MaxQ muliggør flere tokens pr. watt, når strømbegrænsninger kræver optimeret beregningsydelse.
CFD-simuleringer kan anvendes til at undersøge luftstrøm, temperatur, hastighed, tryk og køleegenskaber i forhold til både basisscenarier og hypotetiske scenarier. Den praktiske anvendelse er ligetil: Start med en udgangstilstand for rummet, anvend en tungere AI-arbejdsbelastning, eller flyt den termiske belastning fra én rack-placering til en anden, og visualiser, om den kolde luftstrøm, kølekapaciteten og indeslutningsstrategien stadig understøtter belastningen. I luftkølede eller hybridmiljøer kræver en »hvad nu hvis«-manøvre ikke altid en fuldstændig omkabling eller omlægning af rør; modellen kan ændre kilowatt-spredningsprofilen og teste den resulterende termiske adfærd.
Strømsimulering kan kvantificere, hvordan en fejl eller en vedligeholdelsessituation påvirker den anvendelige it-kapacitet. En praktisk situation er et svigt i et fjerntliggende strømpanel (remote power panel) kombineret med, at et andet element sættes i vedligeholdelsestilstand. Simuleringen kan vise, om faciliteten stadig opretholder den nødvendige redundansstatus, og hvor meget IT-strøm der skal begrænses for at bevare N+1-driften.
Det output kan derefter informere regler for planlægning af arbejdsbelastninger, strømbegrænsninger (power caps) eller frekvensreduktioner, før driften begynder. ETAP's elektriske, digitale tvilling-funktion understøtter avanceret design og simulering af elektriske systemer, dynamisk "hvad nu hvis"-scenarioanalyse, realtidssporing af den elektriske infrastrukturs ydeevne, optimering af energieffektivitet, forudsigelig vedligeholdelse samt infrastrukturplanlægning baseret på strømforbrug.
Simuleringer kan vurdere konsekvenserne af at udskifte en GPU-generation med en anden ved at teste strømforbrug, køling og strukturelle konsekvenser, inden der foretages indkøb eller påbegyndes byggeri. Et praktisk eksempel er at vælge et rack i modellen og teste en fremtidig tungere platform med højere tæthed for at forstå, om gulvet, rørdimensioneringen, kølesløjfen og el-infrastrukturen kan understøtte ændringen.
Dette er vigtigt, fordi AI-fabrikker udskiftes hurtigere end traditionelle anlæg, og næste generations rackplatforme kan medføre ændringer i vægt, varmeafledning, rørdimensioner, gennemstrømningskrav og effekttæthed.
Simulering er ved at blive et praktisk krav for AI-fabrikker, fordi prisen for for forsigtige antagelser eller designfejl er for høj. Hvis et højværdi-rack kun kan køre på 90%, fordi anlægsteamet mangler tillid til kølingen, strømmen eller redundansmarginalerne, giver operatøren afkald på token-kapacitet på den værdifulde aktiv i bygningen.
AI-fabrikker kræver simulering, fordi anlægsdesign, arbejdsbelastningens forløb og udnyttelse er tæt forbundet. ETAP-strømsimulering, CFD, telemetri i realtid og visuelle "hvad nu hvis"-scenarier hjælper operatører med at teste de forhold, der afgør, om AI-fabrikken kan køre tæt på grænsen på en sikker måde..OpenUSD-baserede digitale tvillinger adresserer yderligere problemet med siloopdelte data og værktøjer ved at muliggøre systemisk tænkning på tværs af design, konstruktion og drift.
Skalering af AI-baserede digitale tvillinger med OpenUSD
I hvidbogen forklares det, hvorfor Schneider Electric støtter OpenUSD og NVIDIA Omniverse til AI-baserede digitale tvillinger gennem hele datacenterets livscyklus.ETAP og Schneider Electric lancerer en digital tvilling baseret på kunstig intelligens
I pressemeddelelsen beskrives det, hvordan ETAP og Schneider Electric i et samarbejde har lanceret en digital tvilling af en AI-fabrik, der skal simulere strømbehovet og øge effektiviteten.EcoStruxure™ IT-design CFD
Oversigten præsenterer CFD-baseret software til design af datacentre, der anvendes til at optimere indretning, luftstrøm, køleeffektivitet og energiforbrug.Nytænkning af datacentre og AI med henblik på bæredygtig indvirkning
Rapporten viser, hvordan generativ AI kan skabe mere effektive systemer, men også hvordan den medfører en kraftig stigning i energiforbruget i datacentre.
Fra elnettet til chippen, fra chippen til køleanlægget – til skalerbar AI.
Validerede referencemønstre for AI-datacenter (ANSI/IEC) + vejledning til valg.
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.
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.