Моделирование фабрики ИИ: проверка мощности и охлаждения до разработки системы энергоснабжения

Моделирование стирает границу между проектированием и эксплуатацией, позволяя командам прорабатывать эксплуатационные сценарии еще до начала строительства. Эффективная модель фабрики ИИ не просто визуализирует помещение в 3D; она объединяет геометрию, инженерные характеристики, оперативные и исторические данные, что позволяет командам проверить расположение оборудования, энергопотребление, воздушные потоки, охлаждающую способность, конструктивные ограничения и влияние рабочей нагрузки до того, как физические изменения приведут к значительным затратам.

Это имеет значение, поскольку фабрики ИИ работают на пределе возможностей инфраструктуры, где даже незначительные недоработки в проектировании могут привести к снижению объема производимых токенов, перегрузке энергосистемы или охлаждающей системы либо вынудить применять консервативные эксплуатационные коэффициенты. Практическая ценность заключается в возможности тестирования сценариев, максимально приближенных к реальным условиям эксплуатации, еще на этапе проектирования: перемещение стоек, замена ускорителей нового поколения, повышение плотности мощности, выбор различных блоков распределения хладагента, изменения в первичном контуре, расчетные допущения по адиабатическому охлаждению, а также профили рабочих нагрузок ИИ.

Отдельные инструменты подходят для точечного анализа, но они теряют свою эффективность, когда нескольким пользователям требуется общий обзор одного и того же объекта, ресурсов и состояния эксплуатации. При проектировании фабрик ИИ необходимо обеспечить сопоставление результатов CFD, моделирования мощности, технической документации, моделей ресурсов, телеметрических данных ИТ и ОТ, а также историю эксплуатации с аналогичным физическим оборудованием.

Без единого уровня интеграции каждый инструмент использует собственный ракурс анализа, систему именования и модель данных, что вынуждает команды вручную согласовывать ресурсы. OpenUSD предоставляет уровень стандартизации для подключения 3D-геометрии к различным источникам данных и решающим модулям. Компании Schneider Electric, AVEVA и ETAP присоединились к Альянсу OpenUSD для поддержки взаимодействия программного обеспечения, промышленного моделирования, совместного проектирования и систем инфраструктуры ИИ.

Объем производимых токенов зависит от того, что происходит внутри вычислительного стека, поэтому модели требуется доступ к данным на уровне ниже стойки. Загрузка ЦП, использование памяти, загрузка графического процессора, сетевая активность, дисковая активность и состояние рабочей нагрузки помогают установить связь между работой ИТ-систем и последствиями для технологических систем (ОТ), такими как потребление энергии, отвод тепла, требования к расходу и тепловые риски.

Абстракция на уровне стоек не позволяет определить, что именно — конкретная рабочая нагрузка, узел или поведение компонента — определяет состояние инфраструктуры. Именно поэтому при моделировании фабрики ИИ необходимо объединять данные ИТ и ОТ: объект не создает ценность за счет охлаждения помещений; он создает ценность, обеспечивая работу дорогостоящих вычислительных стоек с максимальной безопасной загрузкой. Эскизные проекты Schneider Electric и NVIDIA явно связывают проектирование фабрик ИИ с рабочими точками, такими как MaxP и MaxQ, причем MaxQ обеспечивает больше токенов на ватт, когда ограничения по мощности требуют оптимизации вычислительной производительности.

С помощью CFD-моделирования можно оценить поток воздуха, температуру, скорость, давление и характеристики охлаждения как в базовом сценарии, так и в возможных вариантах. Практический пример использования прост: начните с исходных условий в помещении, увеличьте нагрузку на систему ИИ или переместите тепловую нагрузку с одного места в стойке на другое, а затем проверьте, по-прежнему ли поток холодного воздуха, эффективность систем охлаждения и стратегия изоляции коридоров позволяют справиться с нагрузкой. В системах с воздушным охлаждением или гибридных средах для моделирования возможных сценариев не всегда требуется полная повторная прокладка кабелей или замена трубопроводов; модель может изменить профиль рассеиваемой мощности и проверить полученные тепловые характеристики.

Моделирование энергопотребления позволяет количественно оценить, как отказ оборудования или его техническое состояние влияют на доступные ИТ-ресурсы. Практический сценарий: выход из строя удаленной панели питания в сочетании с переходом второго элемента в режим технического обслуживания. Моделирование позволяет определить, сохраняется ли на объекте требуемый уровень резервирования, а также насколько необходимо ограничить мощность ИТ-оборудования для обеспечения поведения N+1.

Полученные данные могут затем использоваться для определения правил планирования рабочей нагрузки, ограничений по энергопотреблению или снижения частоты до начала работы.Функции цифрового двойника электросети в ETAP обеспечивают возможность разработки и моделирования сложных электрических систем, динамического анализа возможных сценариев, мониторинга работоспособности электросетевой инфраструктуры в режиме реального времени, оптимизации энергоэффективности, профилактического технического обслуживания, а также планирования инфраструктуры с учетом потребления электроэнергии.

С помощью моделирования можно оценить последствия замены одного поколения графических процессоров (GPU) другим, проверив влияние такой замены на энергопотребление, охлаждение и конструкцию еще до начала закупок или строительства. Практическим примером может служить выбор стойки в модели и тестирование будущей платформы с более высокой плотностью размещения и большим весом, чтобы понять, смогут ли пол, размеры трубопроводов, контур охлаждения и электрическая инфраструктура выдержать такие изменения.

Это имеет значение, поскольку фабрики ИИ обновляются быстрее, чем традиционные объекты, а платформы стоек нового поколения могут повлиять на вес, теплоотдачу, размеры трубопроводов, требования к расходу и плотность мощности.

Моделирование становится практической необходимостью для фабрик ИИ, поскольку цена консервативных допущений или ошибок в проектировании слишком высока. Если стойка с высокой ценностью может работать лишь на 90 % своей мощности из-за того, что персонал центра обработки данных не уверен в запасах мощности систем охлаждения, электропитания или резервирования, оператор теряет часть мощности, необходимой для работы наиболее ценного ресурса в здании.

На фабриках ИИ необходимо проводить моделирование, поскольку проектирование объекта, поведение рабочей нагрузки и экономика использования тесно связаны между собой. Моделирование энергопотребления с помощью ETAP, CFD, телеметрия в реальном времени и визуализация возможных сценариев помогают операторам проверять условия, от которых зависит, сможет ли фабрика ИИ безопасно работать в режиме, близком к предельному. Цифровые двойники OpenUSD дополнительно решают проблему изолированности данных и инструментов, обеспечивая системный подход к проектированию, строительству и эксплуатации.