AI tehase simulatsioon: valideerige toide ja jahutus enne ehitamist

Simulatsioon hägustab piire projekteerimise ja käitamise vahel, võimaldades meeskondadel läbi mängida käitamisstsenaariume juba enne ehitustööde algust. Kasulik AI tehase mudel ei piirdu pelgalt 3D ruumi renderdamisega; see ühendab omavahel geomeetria, tehnilised omadused ning reaalajas või varasemate tööde andmed, nii et meeskonnad saavad testida seadmete paigutust, toite tarbimist, õhuvoolu, jahutusvõimsust, konstruktsioonilisi piiranguid ja töökoormuse mõju enne, kui füüsiliste muudatuste tegemine muutub kulukaks.

See on oluline, kuna AI tehased töötavad taristu piiride äärel, kus isegi väikesed projekteerimise eeldused võivad vähendada kasutuselevõetavate tokenite väljundit, raisata energiat või jahutusvõimsust või sundida rakendama konservatiivseid kasumimarginaale. Praktiline väärtus tuleneb sellest, et juba projekteerimisetapis katsetatakse nn „töötamisega sarnaseid“ stsenaariume: seadmestiku ümberpaigutamine, järgmise põlvkonna kiirendite vahetamine, suurem võimsustihedus, erinevad CDU valikud, peamise ahela muudatused, temperatuurimuutusteta toimuvad jahutustorni eeldused ja AI töökoormuse profiilid.

Eraldi tööriistad sobivad küll üksikute punktide analüüsimiseks, kuid need ei toimi enam, kui mitmel kasutajaprofiilil on vaja ühist ülevaadet samast rajatisest, varadest ja töötingimustest. Tehase projekteerimiseks AI abil on vaja CFD arvutusi, võimsussimulatsioone, tehnilist dokumentatsiooni, seadmemudeleid, IT-telemeetriat, OT-telemeetriat ja käitamisajalugu, et need vastaksid tegelikele seadmetele.

Ilma ühise integratsioonikihita loob iga tööriist oma vaateakna, nimetamiskonventsiooni ja andmemudeli, mis sunnib meeskondi varasid käsitsi ühildama. OpenUSD pakub standardiseerimiskihte 3D-geomeetria ühendamiseks mitmete andmeallikate ja lahendajatega. Schneider Electric, AVEVA ja ETAP on ühinenud OpenUSD-liiduga OpenUSD, et toetada tarkvara koostalitlusvõimet, tööstuslikku simulatsiooni, koostööl põhinevat projekteerimist ja AI taristuid.

Tokenite väljund sõltub sellest, mis toimub arvutuskihis (compute stack), mistõttu vajab mudel nähtavust ka rack’i tasemest allapoole. CPU kasutus, mälu kasutus, GPU kasutus, võrgu käitumine, ketta aktiivsus ja töökoormuse olek aitavad ühendada IT-käitumist OT-tagajärgedega, nagu energiatarve, soojuse tagasilükkamine, voolunõuded ja termiline risk.

Rack’i tasemel abstraktsioon ei võimalda tuvastada, kas taristu seisundit mõjutab konkreetne töökoormus, sõlm või komponendi käitumine. Seetõttu peab AI-tehase simulatsioon ühendama IT- ja OT-andmed. Rajatise väärtus ei seisne pelgalt ruumide jahutamises, vaid selles, et võimaldada suure väärtusega arvutusrack’idel töötada maksimaalse ohutu kasutuskoormusega. Schneider Electricu ja NVIDIA näidisprojekt seob AI-tehase disaini selgesõnaliselt selliste tööpunktidega nagu MaxP ja MaxQ, kusjuures MaxQ võimaldab rohkem tokeneid vati kohta, kui võimsuspiirangud pääsmeid optimeeritud arvutusvõimsust.

CFD simulatsiooni abil saab testida õhuvoolu, temperatuuri, kiirust, rõhku ja jahutuse käitumist nii alusväärtuste kui ka hüpoteetiliste stsenaariumide suhtes. Praktiline kasutusjuht on lihtne: alustage ruumi tavapärasest tööolukorrast, rakendage suuremat AI-töökoormust või nihutage soojuskoormus ühe rack’i asukohast teise ning visualiseerige, kas külma õhu voog, jahutusvõimekus ja jahutuse eraldamise strateegia suudavad koormust jätkuvalt toetada. Õhkjahutusega või hübriidkeskkondades ei nõua hüpoteetilise stsenaariumi rakendamine alati täielikku kaablite või torustiku vahetamist; mudel võib muuta kilovattide hajumisprofiili ja testida sellest tulenevat soojuslikku käitumist.

Võimsuse simulatsiooniga saab kvantifitseerida, kuidas rike või hooldustingimus mõjutab kasutatavat IT-võimsust. Praktiline stsenaarium on rikkis kaugtoitepaneel koos teise elemendiga, mis läheb hooldusrežiimi. Simulatsioon näitab, kas rajatis säilitab endiselt vajaliku koondamispositsiooni ja kui palju IT-võimsust tuleb piirata N + 1 käitumise säilitamiseks.

See väljund võib seejärel anda teavet töökoormuse planeerimise reeglite, võimsuse piirangute või sageduse vähendamise kohta enne tööde alustamist. ETAP elektrilise digitaalse kaksiku võimekus toetab täiustatud elektrisüsteemi projekteerimist ja simulatsiooni, dünaamilist hüpoteetiliste stsenaariumite analüüsi, elektritaristu jõudluse jälgimist reaalajas, energiatõhususe optimeerimist, ennustavat hooldust ja energiatarbimisel põhinevat taristu planeerimist.

Simulatsioon saab hinnata ühe GPU-põlvkonna teisega asendamise mõju, testides enne hanget või ehitamist võimsust, jahutust ja konstruktsioonilisi tagajärgi. Praktiline näide on valida mudelis konkreetne rack ja testida tulevikus kasutusele võetavat suurema võimsustihedusega ning suurema koormusega platvormi, et hinnata, kas põrandakonstruktsioon, torustiku mõõtmed, jahutusringlus ja elektritaristu suudavad selle muudatuse toetada.

See on oluline, sest AI-tehaste taristu uueneb kiiremini kui traditsioonilised rajatised ning järgmise põlvkonna rack-platvormid võivad muuta seadmete kaalu, soojuse ärajuhtimist, torustiku mõõtmeid, vooluhulga nõudeid ja võimsustihedust.

Simulatsioon on muutumas AI tehastele praktiliseks vajaduseks, sest konservatiivsete eelduste või projekteerimisvigade hind on liiga kõrge. Kui suure väärtusega rack’i saab kasutada ainult 90% ulatuses, kuna taristu eest vastutaval meeskonnal puudub piisav kindlus jahutuse, energiavarustuse või töökindlusreservide osas, jääb osa tokenite tootmisvõimekusest kasutamata just hoone kõige väärtuslikuma vara puhul.

AI tehased vajavad simulatsiooni, kuna rajatise projekteerimine, töökoormuse käitumine ja kasutamine on tihedalt seotud. ETAP võimsuse simulatsioon, CFD, reaalajas telemeetria ja visuaalsed stsenaariumid aitavad käitajatel testida tingimusi, mis määravad, kas AI-tehas suudab ohutult töötada piirvõimsuse lähedal. OpenUSD põhised digitaalsed kaksikud lahendavad veelgi enam andmete ja tööriistade eraldamist probleemi, võimaldades süsteemitasandi järelduste tegemist projekteerimise, ehitamise ja käitamise vallas.