为您的 AI 数据中心开创更可持续的未来

AI、HPC 和 ML 的能耗和数据中心可持续性

随着组织向更快、更强大的计算环境迈进，更新的GPU处理器和固态存储都比其前代技术产品需要更多的功率才能运行。在某些情况下，这些大型数据中心的电力需求可以与小城市相媲美，这促使各种规模的组织寻求可以抵消这种消费增长的替代方案。

对能效的关注激发了人们对一项名为用电效率 (PUE) 的电力相关指标的新兴趣，该指标长期以来一直与一些最大的计算资源用户（例如美国能源部）运行的高性能计算 (HPC) 工作负载有关。

数据中心能源效率

PUE 通过测量进入数据中心的原始能量并将其除以其中运行 IT 设备所用的功率来衡量数据中心的能源效率。一个非常高效的数据中心的 PUE 为 1.0，这表明进入数据中心的电力中有100％用于为所需的设备供电，没有浪费。

实际上，PUE 计算需要考虑用于冷却和功率转换的功率。他们还需要显示全年平均测量值，其中包括炎热的夏季，届时冷却需求将推高运营的电力需求。

根据Uptime Institute的数据，数据中心的平均PUE为1.58，如果您的设施超过该值，则应考虑努力降低该值。持续监控 PUE 可帮助数据中心经理识别一段时间内的效率变化，例如在高峰负荷期间或上述季节变化期间，从而使他们能够设定目标、比较场地并做出最明智的能源决策。

开发环境友好型数据中心

当数据中心负责处理更大、越来越复杂的工作负载时，从天气预报到癌症研究，采用 HPC、人工智能 (AI) 和机器学习 (ML) 技术都会在它们实现的创新与其环境影响之间产生紧张关系，从而给用水、功耗和碳足迹带来压力。

实施无水冷却和节能服务器等可持续做法可以最大限度地减少数据中心基础设施的压力；这些努力不仅有助于提高可持续性，还有助于降低运营成本。

‍

联系 Penguin Solutions 今天来学习我们的方法 AI 基础架构设计 为了提高能效，整合 新兴的冷却技术，以及我们如何帮助最大限度地提高数据中心性能，同时支持可持续发展目标。