Влияние искусственного интеллекта на инфраструктуру дата-центров

ИИ/МЛ (искусственный интеллект/машинное обучение) и новые приложения, такие как криптовалюта, приводят к стремительному росту энергопотребления дата-центров. Согласно отчету Международного энергетического агентства (IEA), в 2022 году дата-центры потребили 460 ТВтч (тераВт-часов) электроэнергии, что составляет около 2% от мирового потребления энергии. В США, которая содержит треть всех мировых дата-центров, потребление энергии составило 260 ТВтч, или 6% от общего потребления.

Прогнозировать будущее потребление энергии сложно, поскольку это зависит от количества энергоемких графических процессоров (GPU), необходимых для ИИ-технологий, а также от увеличения мощности кондиционирования воздуха для поддержания оптимальной температуры в дата-центрах. Согласно прогнозу IEA, к 2026 году потребление энергии возрастет до 650 ТВтч (увеличение на 40%), а возможно, и до 1050 ТВтч (увеличение на 128%).

Потребности дата-центров для поддержки ИИ-трендов

ИИ — это крайне энергоемкая технология, и для ее функционирования дата-центры должны обладать достаточной вычислительной мощностью и электрической мощностью.

Недавнее исследование шведского научно-исследовательского института RISE показало, как быстро растет потребление энергии из-за внедрения ИИ. Например, ChatGPT привлек 1 миллион пользователей всего за пять дней после запуска в ноябре 2022 года, а через два месяца количество пользователей составило 100 миллионов. Для сравнения, TikTok потребовалось 9 месяцев, а Instagram — два с половиной года, чтобы достичь того же числа пользователей.

Для контекста, один поиск в Google требует всего 0,28 Втч энергии, что эквивалентно включению лампы мощностью 60 Вт на 17 секунд. В отличие от этого, обучение GPT-4 включает 1,7 триллиона параметров и 130 триллионов токенов, что требует значительно больше энергии. Для этого необходимо 25 000 GPU Nvidia A100, каждый из которых потребляет около 6,5 кВт. OpenAI сообщает, что обучение заняло 100 дней, потребив 50 ГВтч энергии и обойдясь в 100 миллионов долларов.

Очевидно, что ИИ значительно изменит операцию дата-центров, требуя вычислительных мощностей и уровня потребления энергии, которые будут превышать все, что мы видели до сих пор.

Архитектура 48V в дата-центрах

Ранее дата-центры использовали централизованную архитектуру питания (CPA), которая преобразовывала напряжение от сети в 12 В для распределения на серверы, а затем с помощью местных преобразователей напряжения снижала его до 5 В или 3,3 В для логических компонентов.

Однако с ростом потребностей в мощности ток на 12 В стал слишком высоким, что привело к чрезмерным потерям энергии. Это вынудило инженеров перейти на использование 48 В для распределенной схемы питания. Согласно закону Ома, ток сокращается в 4 раза, что снижает потери в 16 раз. Эта конфигурация называется распределенной архитектурой питания (DPA).

Одновременно напряжение процессоров и других компонентов продолжало снижаться до субвольтового уровня, что потребовало использования нескольких вторичных напряжений. Для решения этой задачи были разработаны двухступенчатые схемы преобразования, где DC-DC преобразователи (промежуточные преобразователи шины, IBC) преобразуют 48 В в 12 В, который затем делится на необходимые меньшие напряжения.

Потребность в высокоэффективных MOSFET

Энергетические потери внутри дата-центров представляют собой значительную проблему для операторов. Во-первых, они оплачивают электроэнергию, которая не используется напрямую для работы серверов. Во-вторых, вся потерянная энергия превращается в тепло, которое необходимо устранять. При потребности в мощных серверах ИИ, которые могут потреблять до 120 кВт, эти потери энергии на уровне даже 50%-ной загрузки при 97,5%-ной эффективности составляют 1,5 кВт на сервер, что эквивалентно работе электрического обогревателя круглосуточно.

Чтобы справиться с этим теплом, в системах питания необходимы радиаторы или вентиляторы, что увеличивает габариты блока питания и занимает пространство, которое могло бы быть использовано для дополнительной вычислительной мощности. Кроме того, эти устройства для охлаждения также потребляют электроэнергию и увеличивают эксплуатационные расходы. Поскольку температура в дата-центре должна быть строго контролируемой, чрезмерные потери тепла повышают внутреннюю температуру, что требует дополнительных систем кондиционирования воздуха, увеличивая капитальные и эксплуатационные расходы.

Таким образом, эффективное преобразование напряжения от сети в нужные уровни для питания ИИ-GPU и других устройств имеет решающее значение для операторов дата-центров.

В течение многих лет было проведено множество исследований по оптимизации топологии питания, например, введение технологии Totem-Pole Power Factor Correction (TPPFC) на стадии переднего исправления коэффициента мощности для повышения эффективности. Также диоды были заменены на MOSFET, а технологии синхронной выпрямления были внедрены для повышения общей эффективности.

Оптимизация топологии — это только часть решения. Компоненты должны быть максимально эффективными, особенно MOSFET, которые играют важнейшую роль в процессе преобразования энергии.

MOSFET, используемые в преобразователях, сталкиваются с двумя основными видами потерь: проводниковыми и переключательными. Проводниковые потери происходят из-за сопротивления между стоком и истоком (RDS(ON)), которое присутствует при потоке тока. Переключательные потери возникают из-за заряда на воротах (Qg), выходного заряда (QOSS) и обратного восстановления (Qrr), которые восполняются в каждом цикле переключения. Поскольку тенденция заключается в повышении частоты переключения для уменьшения размеров магнитных компонентов, эти потери становятся все более значительными.

Очевидно, что чем ниже проводниковые и переключательные потери у конкретного MOSFET, тем более эффективным будет весь процесс преобразования энергии.

Обзор MOSFET PowerTrench T10

Синхронная выпрямление сейчас является ключевой технологией для высокоэффективных, высококurrentных, низковольтных приложений преобразования энергии, особенно для серверов в дата-центрах. В таких системах параметры, такие как RDS(ON), Qg, QOSS и Qrr, напрямую влияют на эффективность преобразования. Производители компонентов активно ищут способы минимизировать эти потери.

MOSFET PowerTrench T10 от ON Semiconductor использует новую конструкцию экранированного затвора-канала, что позволяет достичь ультранизкого значения Qg при RDS(ON) менее 1 мОм. Новейшая технология PowerTrench T10 не только снижает колебания, перегрузки и шум, но и включает передовые диоды с мягким восстановлением, которые снижают Qrr. Это приводит к хорошему компромиссу между проводниковым сопротивлением и характеристиками восстановления, что позволяет достичь низких потерь и быстрого переключения с отличными характеристиками обратного восстановления.

Улучшения в MOSFET PowerTrench T10 повышают эффективность решений для преобразования энергии с низким и средним напряжением и высоким током. Потери на переключение могут быть снижены на 50% по сравнению с предыдущими поколениями, а проводниковые потери — на 30%-40%.

ON Semiconductor представила продукцию на основе технологии PowerTrench T10 в сериях 40V и 80V. Продукты NTMFWS1D5N08X (80V, 1.43 мОм, 5мм x 6мм SO8-FL корпус) и NTTFSSCH1D3N04XL (40V, 1.3 мОм, 3.3 мм x 3.3 мм источник вниз, с двумя охлаждающими каналами) предлагают отличную эффективность для блоков питания (PSU) и промежуточных преобразователей шины (IBC) в приложениях для ИИ в дата-центрах. Они соответствуют требованиям спецификаций Open Rack V3, достигая 97,5% эффективности PSU и 98% эффективности IBC.

Заключение

Революция ИИ уже началась, и трудно точно предсказать, что она будет означать для будущих потребностей дата-центров в электроэнергии. Однако очевидно, что уже возникли новые вызовы. Ограниченность земельных ресурсов и ограничения электрических сетей затрудняют поиск новых подходящих мест для дата-центров. Стремительный рост потребности в энергии для критически важных IT-компонентов приводит к значительным затратам на электроэнергию. Чтобы удовлетворить эти требования, владельцам дата-центров необходимо не только строить новые объекты, но и максимально использовать существующие,