fenntarthatóság

A hyperscaler infrastruktúra rejtett energiaigénye

A hyperscaler infrastruktúra rejtett energiaigénye 768 465 H1 Systems Mérnöki Szolgáltatások Kft.


A nagy technológiai vállalatok – élükön a hyperscaler felhőszolgáltatókkal – ambiciózus célokat hirdettek a szén-dioxid-kibocsátás csökkentésére. Ugyanakkor egyre több bizonyíték utal arra, hogy az AI-vezérelt felhőinfrastruktúrák valódi környezeti terhei messze meghaladják a hivatalosan közölt adatokat. Ahogy a mesterséges intelligencia terjedése egyre nagyobb energiaigénnyel jár, úgy válik egyre nehezebbé elrejteni a felhőtechnológia és a big tech vállalatok adatközpontjai mögött húzódó szénlábnyomot.

A Guardian elemzése szerint 2020 és 2022 között a Google, Microsoft, Meta és Apple „saját”, vagy vállalati tulajdonú adatközpontjainak valós kibocsátása 662%-kal több lehet, mint amit hivatalosan jelentettek. Az Amazon messze az élen jár ebben az öt nagy technológiai vállalat közül, amit jól illusztrál, hogy 2022-ben a második helyezett Apple szén-dioxid-kibocsátása kevesebb, mint a fele volt az Amazonénak. Az Amazon-t ugyanakkor kihagyták a fent említett számításból, mivel eltérő üzleti modellje miatt nehéz elkülöníteni a vállalat adatközpont-specifikus kibocsátási adatait.

Bár mind az öt techóriás szén-dioxid-semlegességet hirdet, a mérleg nem feltétlenül tükrözi a valóságot. A Google tavaly lemondott erről a státuszról, mivel szigorította a szén-dioxid-kibocsátás elszámolási szabványait. Az Amazon pedig úgy jelentett 3%-os bruttó kibocsátás csökkenést, hogy közben növelte a fosszilis energiafelhasználását – „ez a kreatív könyvelés eredménye” – magyarázta az Amazon Employees for Climate Justice, egy jelenlegi Amazon-alkalmazottakból álló, klímavédelemért küzdő érdekvédelmi csoport képviselője. A közösség elégedetlen munkáltatójuk klímavédelmi intézkedéseivel, nem véletlenül térnek el a hivatalos állásponttól. „Az Amazon – a napenergia-parkokról és elektromos furgonokról szóló PR és propaganda ellenére – növeli a fosszilis tüzelőanyagok felhasználását, legyen szó akár adatközpontokról, akár dízel teherautókról.”

A hyperscaler infrastruktúrák egyre nagyobb terhet rónak a környezetre és az energiahálózatra, így komoly kihívást jelentenek a fenntartható működés szempontjából. A valódi zöld alternatívát sok vállalat számára a hibrid infrastruktúra jelentheti, amely képes egyensúlyt teremteni az IT-infrastruktúra rugalmassága, a költséghatékonyság, a környezeti felelősségvállalás, valamint az adatvédelmi elvárások között.

Egy félrevezető mutató

Az adatközpontok esetében a „kreatív könyvelés” legfontosabb eszközei a megújuló energia-tanúsítványok, vagyis a Rec-ek (Renewable Energy Certificate). Ezek olyan tanúsítványok, amelyeket egy vállalat annak igazolásaképpen vásárol meg, hogy bizonyítsa megújuló energiaforrásból származó villamos energiát használ, ami lefedi fogyasztása egy részét. Csakhogy a szóban forgó megújuló energiát nem feltétlenül a vállalat létesítményeiben használják fel, hiszen a termelés helyszíne bárhol lehet, akár egy szomszédos városban, de akár egy óceánnal arrébb is.

A Rec-eket a „piaci alapú” kibocsátások kiszámítására használják, vagyis ezek azok a hivatalos adatok, amelyeket a cégek közölnek. Amikor a Rec-eket és az ellentételezéseket kihagyjuk a számításból, akkor „helyi kibocsátásokról” beszélünk – vagyis arról a tényleges emisszióról, ami arról a területről származik, ahol az adatfeldolgozás történik.

A kibocsátások jelenlegi trendje bőven ad okot aggodalomra. Ha ez az öt vállalat egy országot alkotna, akkor a 2022-es „helyi” kibocsátásuk együttes összege alapján a 33. legnagyobb kibocsátó ország lennének a Fülöp-szigetek mögött és Algéria előtt.

Számos, az adatközpont-iparágban jártas szakértő is elismeri, hogy a helyi mérések pontosabbak, mint a hivatalosan jelentett, piaci alapú adatok.

„A helyi elszámolás pontos képet ad arról az emisszióról, ami az adatközpont működtetéséhez felhasznált valós energiafogyasztásra vonatkozik. Az Uptime véleménye szerint ez a megfelelő mutató” – jelentette ki Jay Dietrich, az egyik egy vezető adatközpont-tanácsadó és kutatószervezet, az Uptime Institute fenntarthatósági kutatási igazgatója.

Mindazonáltal az üvegházhatású gázokról szóló protokoll (Greenhouse Gas Protocol, GHG Protocol), engedélyezi a Rec-ek használatát a hivatalos jelentésekben. Azonban abban, hogy milyen mértékben lehet megengedett a használatuk, továbbra sem értenek egyet a technológiai vállalatok.Így alakulhatott ki a GHG Protokoll szabályalkotási folyamatában két frakció, amelyek között értelemszerűen lobbiharc zajlik.

Az egyik oldalon az Emissions First Partnership áll, amelyet az Amazon és a Meta vezet. Ez a csoport azt célozza, hogy a Rec-eket továbbra is az elszámolási folyamat részei legyenek, függetlenül azok földrajzi eredetétől. Gyakorlatilag ez csak egy kissé lazább értelmezése annak, amit a GHG Protokoll már most is engedélyez.

A másik frakció, amelyet a Google és a Microsoft vezet, azt képviseli, hogy idő- és helyalapú egyeztetésre van szükség a megújuló energia termelése és az adatközpontok energiafogyasztása között. A Google ezt 24/7 célnak nevezi, amely szerint 2030-ra minden létesítményük folyamatosan, napi 24 órában és a hét minden napján megújuló energiával fog működni. A Microsoft pedig a 100/100/0 célt tűzte ki: 2030-ra létesítményeik teljes mértékben szén-dioxid-mentes energiával fognak működni az idő 100%-ában, és nem vásárolnak többé szénalapú energiát.

A Google már fokozatosan megszüntette a Rec-ek használatát, és a Microsoft is azt tervezi, hogy 2030-ig ugyanezt teszi az alacsony minőségű, „nem csatolt” (helyspecifikusnak nem minősülő) Rec-ekkel.

Akadémikusok és a szén-dioxid-kezelési iparág vezetői egyaránt ellenzik a GHG Protokoll megengedő hozzáállását a Rec-ekkel kapcsolatban. Egy 2015-ös nyílt levélben több mint 50 szakember érvelt amellett, hogy „a GHG elszámolás alapelvévé kell tenni, hogy egyetlen vállalat se jelenthessen a kibocsátáscsökkentéséről olyan intézkedés alapján, amely valójában nem eredményez változást az összesített szén-dioxid-kibocsátásban. Mégis pontosan ez történhet a szerződéses/Rec-alapú jelentési módszerek iránymutatása szerint.”

A GHG Protokoll javára írható, hogy az irányelvek szerint a vállalatoknak a Rec-alapú adatok mellett helyalapú adatokat is jelenteniük kellene. Ennek ellenére egyetlen vállalat sem közli az éves környezeti jelentéseiben együtt a helyalapú és a piaci alapú mutatókat egyik kibocsátási alkategóriában sem.

Valójában a helyalapú adatokat közvetlenül (vagyis nem harmadik fél által készített biztosítási nyilatkozatokban vagy lábjegyzetekben elrejtve) csak két vállalat jelenti – a Google és a Meta. És ez a két cég is csak egy kibocsátási altípusra vonatkozóan közli ezeket az adatokat: a 2. kategóriájú kibocsátásokra, vagyis arra a közvetett emisszióra, amelyet a közművektől és nagyüzemitermelőktől történő energiavásárlással okoznak.

Saját adatközpontok

A 2. kategóriájú kibocsátások közé tartoznak azok a tételek, amelyek nagyrészt a saját adatközpontok működéséből származnak, mivel ezek az energiavásárlással – főként villamosenergiával – kapcsolatos kibocsátásokat fedik le.

Az Amazont kivéve a legtöbb vállalati adatközpont esetében többségben kellene lennie a 2. kategóriájú kibocsátásnak. Ezeknél a cégeknél a 2. hatókörű kibocsátások további forrása az irodák és kiskereskedelmi egységek által fogyasztott villamosenergia– ezek pedig viszonylag kisebb és nem szén-dioxid-intenzív tevékenységek. Az Amazonnak azonban van egy másik, jelentősen szén-dioxid-intenzív üzletága, ami beletartozik a 2. szintű kibocsátásaiba: a raktárai és az e-kereskedelmi logisztikai tevékenysége.

Azoknál a vállalatoknál, amelyek adatközpont-specifikus adatokat közölnek – a Meta és Microsoft – ez igaznak bizonyul: a Meta piaci alapú (hivatalos) 2. kategóriájú kibocsátásainak 100%-a adatközpontokból származott, míg a helyi kibocsátásoknak a 97,4%-a. A Microsoft esetében ez az arány 97,4%, illetve 95,6% volt.

A helyi alapú és a hivatalos 2. kategóriájú kibocsátási adatok közötti hatalmas különbségek jól mutatják, mennyire szén-dioxid-intenzívek az adatközpontok, és milyen megtévesztőek lehetnek a vállalatok hivatalos adatai. A Meta például a 2022-re vonatkozó hivatalos 2. kategóriájú kibocsátását 273 tonna CO2-val egyenértékűnek jelentette – mindezt az adatközpontoknak tulajdonítva. A hely alapú elszámolási rendszer szerint azonban ez a szám több mint 3,8 millió tonnára ugrik kizárólag az adatközpontok esetében – ami több mint 19 000-szeres növekedést jelent.

Hasonló eredmény figyelhető meg a Microsoft esetében is. A vállalat 2022-re vonatkozó hivatalos adatközpontokhoz kapcsolódó kibocsátásait 280 782 tonna CO2-val egyenértékűnek jelentette. A hely alapú elszámolási módszer szerint ez a szám azonban 6,1 millió tonna, ami. közel 22-szeres különbség.

Bár a Meta jelentési eltérése kirívóbb, mindkét vállalat helyi alapú kibocsátása magasabb, mivel az adatközpontok kibocsátását rendszeresen alábecslik a jelentésükben. 2022-ben a Meta helyi és hivatalos 2. kategóriájú kibocsátási adatai közötti eltérés 97,4%-a a be nem jelentett adatközponti kibocsátás volt, míg a Microsoft esetében ez az arány 95,55%-ot tett ki.

A többi vállalatra vonatkozóan nem állnak rendelkezésre konkrét adatközponti kibocsátási adatok. Figyelembe véve, hogy a Google és az Apple 2. kategóriájú üzleti modelljei hasonlóak a Meta és a Microsoft modelljeihez, valószínűsíthető, hogy az ő helyi adatközponti kibocsátásaik is hasonló arányban magasabbak, mint a teljes helyi, 2. kategóriájú emissziójuk.

Összességében a helyi kibocsátások összege ebben a kategóriában 2020 és 2022 között legalább 275%-kal volt magasabb, mint a hivatalosan közölt adatok összege. Az Amazon nem szolgáltatott a Guardian számára helyi, 2. szintű adatokat 2020-ra és 2021-re, így ezekre az évekre a hivatalos (és valószínűleg jóval alacsonyabb) számokat használták a számításhoz.

Harmadik fél által üzemeltetett adatközpontok

A nagy technológiai vállalatok az adatközponti kapacitásaik nagy részét általában harmadik féltől (vagy „kolokációs” adatközpontoktól) bérlik. A Synergy Research Group adatai szerint 2022-ben a nagy technológiai cégek (vagy „hyperscale-ek”) a világ adatközponti kapacitásának 37%-át képviselték, ennek fele pedig harmadik féllel kötött szerződések révén érkezett. Bár ebbe a csoportba más vállalatok is beletartoznak, a Google, Amazon, Meta, Microsoft és az Apple mellett, mégis jól mutatja, milyen mértékben vesznek igénybe ezek a cégek harmadik fél által üzemeltetett adatközpontokat.

Ezek a kibocsátások elméletileg a 3. kategóriájú kibocsátások közé tartoznának, vagyis azok közé, amelyekért egy vállalat felelős, de nem közvetlenül felhasznált üzemanyagból vagy villamosenergiából származnak.

Egy nagy technológiai vállalat működésére vonatkozóan ez mindent magában foglalna: a gyártási folyamatoktól kezdve – például az iPhone vagy a Kindle előállítása – egészen a munkába járó alkalmazottak autóinak kibocsátásáig.

Az adatközpontokra vonatkozóan a 3. kategóriájú kibocsátások közé tartozik a saját adatközpontok építése során, valamint az ott használt berendezések gyártása közben keletkező szén-dioxid-kibocsátás. Emellett ide tartozhatnak a harmadik fél által üzemeltetett adatközpontokkal kapcsolatos kibocsátások, beleértve az ezekhez kapcsolódó villamosenergia-felhasználásból származóakat is.

Azonban szinte lehetetlen bizonyítani, hogy ezek a kibocsátások teljes mértékben szerepelnek-e a jelentésekben. „A 3. kategóriájú kibocsátások rendkívül bizonytalanok” – mutat rá Dietrich. „Ez a terület pusztán az elszámolás szempontjából is kaotikus.”

Dietrich szerint néhány harmadik fél által üzemeltetett adatközpont az energiafelhasználásból származó kibocsátásait a saját 2. kategóriájú jelentésébe sorolja, így azok, akik bérelnek tőlük, a kibocsátást a saját 3. kategóriájú anyagukban tüntethetik fel. Más adatközpont-üzemeltetők viszont az energiafelhasználásból származó kibocsátásukat a saját 3. kategóriájú jelentésükbe sorolják, és elvárják, hogy bérlőik ezeket a kibocsátásokat a saját 2. kategóriájú jelentésükben tüntessék fel.

Továbbá, minden vállalat piaci alapú mutatókat használ a 3. kategóriájú kibocsátás esetében, ami azt jelenti, hogy a harmadik fél által üzemeltetett adatközpontok kibocsátását is alulbecslik a hivatalos adatokban.

Azok közül a vállalatok közül, amelyek a lábjegyzetekben jelentik a helyi alapú 3. kategóriájú kibocsátásukat, csak az Apple-nél van jelentős különbség a hivatalos és a helyi 3. kategóriájú adat között.

Ez az egyetlen jelentős eltérés egy olyan vállalat jelentésében, amely nem adatközpontokhoz kapcsolódik – az Apple 3. kategóriájú kibocsátásainak többsége abból adódik, hogy a Rec-eket a hardverek, például az iPhone gyártásához kapcsolódó kibocsátások csökkentésére alkalmazzák.

Az Apple nem veszi figyelembe a hálózati veszteségeket, vagy a harmadik fél felhőszolgáltatási szerződéseit a helyi alapú 3. kategóriájú kibocsátásai között. Ezeket az adatokat csak a piaci alapú számokban tünteti fel, amelyek szerint a harmadik fél felhőszolgáltatási szerződései nulla kibocsátást mutatnak (a Rec-ek által ellensúlyozva). Ezért az Apple sem a helyi, sem a piaci alapú összesített kibocsátási adataiban nem találhatók meg a harmadik fél adatközpont-szerződéseihez kapcsolódó tényleges kibocsátások.

2025 és azon túl

Bár a nagy technológiai cégek elrejtik ezeket a kibocsátásokat, azok várhatóan tovább fognak növekedni. Az Electric Power Research Institute szerint az adatközpontok villamosenergia-igénye 2030-ra megduplázódhat a mesterséges intelligencia által okozott többletterhelés miatt.

A Google és a Microsoft is a mesterséges intelligenciát okolta a piaci alapú kibocsátásaik legutóbbi növekedéséért.

„2022-ben, amikor elhagytam a vállalatot, az AI-számítási terhelések relatív hozzájárulása még viszonylag szerény volt a Google adatközpontjainál – idézi föl Chris Taylor, a Gridstor energiatárolási cég jelenlegi vezérigazgatója és a Google adatközpontok energiastratégiájáért felelős egységének korábbi vezetője. „Két évvel ezelőtt még nem [az AI] volt a legégetőbb problémánk legalábbis az energiacsoportnál.”

Taylor elmagyarázta, hogy az általa a Google-nál tapasztalt adatközpontok növekedésének nagy része a Google Cloud bővülésének volt köszönhető, mivel a legtöbb vállalat az IT-feladatait a cég felhőszervereire helyezte át.

Az még bizonytalan, hogy a mai villamosenergia-hálózatok képesek lesznek-e megbirkózni az AI növekvő energiaigényével. Az iparág egyik vezetője, Marc Ganzi, a DigitalBridge vezérigazgatója – a magántőke-befektetési társaság a világ legnagyobb kolokációs adatközpont-üzemeltetőjének tulajdonosa – odáig ment, hogy kijelentette: az adatközpont szektor két éven belül kifogyhat az energiából.

Ahogy világszerte halmozódnak az elektromos hálózathoz való csatlakozási késedelmek, még a legjobb szándékú vállalatok számára is szinte lehetetlen lehet időben új megújuló energia-termelési kapacitást beüzemelni, hogy kielégítsék a növekvő energiaigényt.

Jelen cikk a The Guardian-en megjelent angol nyelvű riport magyar nyelvű fordítása, melynek szerzője Isabel O’Brien.

A mesterséges intelligencia 10 legfontosabb felhasználási területe az adatközpontokban

A mesterséges intelligencia 10 legfontosabb felhasználási területe az adatközpontokban 768 465 H1 Systems Mérnöki Szolgáltatások Kft.

Ebben a Top 10-es listában azt vizsgáljuk meg, hogyan alakítja át a mesterséges intelligencia az adatközpontokat, forradalmasítva az üzemeltetést, növelve a biztonságot és még sok egyéb területet.

Az AI integrációja radikálisan megváltoztatja az adatközpontok működését, páratlan hatékonyságot és biztonságot nyújtva, miközben új szintre emeli a skálázhatóságot. A mesterséges intelligencia technológiái nélkülözhetetlen megoldásokká válnak az adatközpontok üzemeltetői számára, egyszerűsítve az operációt és átalakítva a menedzsment különböző területeit. A mesterséges intelligencia hatása már most is jelentős az adatközpontokban, és a benne rejlő potenciál folyamatosan növekszik.

Íme a 10 legfontosabb AI-alkalmazás az adatközpontokban – egy lista, amely az idő múlásával biztosan tovább fog fejlődni.

10. Képzés és fejlesztés

Az Equinix digitális infrastruktúrával foglalkozó vállalat kutatása szerint a globális IT-döntéshozók 62%-a úgy véli, hogy az IT-készségekkel rendelkező munkaerő hiánya az egyik legnagyobb fenyegetést jelenti az üzletük számára.

Az új mesterséges intelligencia technológiákat a leggyakrabban említett megoldások között tartják számon a jelenlegi munkaerőhiány kezelésére. A világ számos vezető talent managere már most is AI-t használ annak érdekében, hogy hatékonyabb, támogatóbb és intuitívabb megközelítést alkalmazzanak mind az új munkavállalók integrációja, mind a meglévő tehetségek megtartása terén.

„A tehetségek támogatásában az AI különösen hatékony eszköz lehet, például a kiterjesztett valóságra épülő képzési helyzetekben, valós idejű operatív elemzések biztosításában, illetve abban, hogy a vállalat megmutathassa, milyen innovatív és feltörekvő technológiákat használ, ezáltal érdekesebb és jövőbiztosabb munkaköröket kínálva az alkalmazottaknak” – mondta Mick Lane, a CBRE globális technológiai megoldásokért felelős vezetője.

9. Infrastruktúra menedzsment

A Qualcomm, amely egyike a legnagyobb 5G infrastruktúra fejlesztő vállalatoknak, évek óta folyamatosan fejleszti az 5G technológiát. A vállalat 5G Advanced szolgáltatásai új eszközöket, szolgáltatásokat, spektrumokat és telepítéseket fognak támogatni. A Qualcomm szerint az 5G és a mesterséges intelligencia kiegészítik egymást, párhuzamosan fejlődnek, és kölcsönösen javítják egymás teljesítményét és hatékonyságát.

8. Adatfeldolgozás és -tárolás

A mesterséges intelligencia számos módon segíti az adatfeldolgozást és -tárolást az adatközpontokban. Az AI folyamatosan képes figyelni a rendszerek paramétereit, és automatikusan úgy állítja be őket, hogy optimalizálja a feldolgozási teljesítményt, ezzel biztosítva a hatékony munkavégzést.

Az AI automatikusan képes áthelyezni az adatokat különböző tárolási szintek között (például SSD, HDD vagy felhőalapú tárolás), a használati minták alapján. Ez azt jelenti, hogy a gyakrabban használt adatok gyorsabb, de drágább tárolóeszközökre kerülnek, míg a ritkábban használt adatok olcsóbb, lassabb tárolókra. Emellett az AI elemzi és felismeri a felesleges adatokat, és javaslatokat tesz tömörítési vagy deduplikációs technikák alkalmazására, hogy helyet takarítson meg a tárolórendszerekben.

7. Intelligens hűtés 

A mesterséges intelligencia és a nagy teljesítményű számítástechnika egyre nagyobb terhelést ró az adatközpontok energiafelhasználására. Ennek következtében az adatközpontoknak új megoldásokat kellett találniuk a hűtés biztosítására, ami az intelligens hűtési megoldások kifejlesztését eredményezte. 

Az intelligens hűtés mesterséges intelligenciát és gépi tanulást használ a hűtési paraméterek automatikus beállítására, ellentétben a hagyományos lég- és folyadékhűtéssel, amelyek előre meghatározott beállításokra és kézi beavatkozásra támaszkodnak.

Az intelligens hűtési rendszerek optimalizálják az energiafelhasználást, mivel képesek előre jelezni a változó körülményeket és valós időben reagálni rájuk. Emellett automatikusan alkalmazkodnak a szerverek terheléséhez és a környezeti feltételek változásaihoz, míg a hagyományos rendszerek kevésbé rugalmasak.

6. Energiagazdálkodás 

A mesterséges intelligencia számos módon segíti az energiagazdálkodást az adatközpontokban. Az AI algoritmusai képesek az energiaforrások alapján kiosztani a számítási feladatokat, miközben biztosítják az energiafelhasználás kiegyensúlyozottságát az adatközpont egész területén. Az AI előre tudja jelezni az energiaigényt, és a nem kritikus feladatokat áthelyezheti csúcsidőn kívüli időszakokra, ezzel elkerülve a túlzott energiafogyasztást, és csökkentve a költségeket.

Az AI képes adatokat gyűjteni és elemezni az energiafelhasználási mintákról, ezáltal betekintést nyújt abba, hogyan használják fel az energiát, és hol lehet növelni a hatékonyságot. Az adatközpont különböző részeinek energiahatékonysága összehasonlítható, azonosítva a fejlesztési lehetőségeket, és segítve az energiahatékonysági referenciaértékek meghatározását.

5. Prediktív karbantartás 

A prediktív karbantartás egy megelőző hozzáállást jelent az adatközpontok működtetésében, ahol a mesterséges intelligenciát alkalmazzák a javítási igények előrejelzésére. A Deloitte szerint a prediktív karbantartás 25%-kal növelheti a vállalati termelékenységet, 70%-kal csökkentheti a meghibásodások számát, és 25%-kal alacsonyabb karbantartási költségeket eredményezhet a reaktív karbantartással szemben.

„A mesterséges intelligenciának hatalmas mennyiségű adatra van szüksége a tanuláshoz és fejlődéshez, így ahogy az adatközpontok növekednek, egyre több adat áll rendelkezésre az AI számára” – mondta Flora Cavinato, a Vertiv globális szolgáltatás termékportfólió igazgatója. „A prediktív karbantartás természetesen skálázódni fog, ami azt jelenti, hogy minél sűrűbb és változatosabb az adatállomány, annál jobb az adattrendek felismerése, a mintázatfelismerés, az elemzéses tanulás és az előrejelzések.”

4. Hálózati automatizálás 

A mesterséges intelligencia támogatja a hálózati automatizálást az adatközpontokban, ami számos módon növeli a hatékonyságot, megbízhatóságot és teljesítményt. Az AI valós idejű forgalom alapján automatikusan képes beállítani a hálózati beállításokat, ezáltal biztosítva az optimális hálózati teljesítményt és csökkentve a kézi beavatkozás szükségességét. Az AI-alapú rendszerek támogathatják a hálózati szabályzatokat az adatközpont egész területén, automatikusan frissítve a konfigurációkat a biztonsági irányelveknek megfelelően.

Az AI lehetővé teszi a hálózati erőforrások automatikus skálázását is a munkaterhelés változásainak megfelelően, ezáltal biztosítva, hogy a hálózat különböző forgalmi szintekkel megbirkózzon anélkül, hogy manuális beavatkozásra lenne szükség.

3. Erőforrás-optimalizálás

A hyperscale adatközpontokat olyan cégek építik, amelyek hatalmas adatfeldolgozási és tárolási igényekkel rendelkeznek. Ezek a vállalatok bevételeiket közvetlenül az eszközöket támogató alkalmazásokból vagy weboldalakból nyerhetik, vagy harmadik fél számára nyújtanak technológiai menedzsment szolgáltatásokat. Mivel jelentősen nagyobbak, mint a vállalati adatközpontok, vonzó választást jelentenek az adatközponti üzemeltetők számára.

Számos nagy hyperscale üzemeltető vizsgálja az új technológiákat, például mesterséges intelligenciát, hogy tovább javítsa adatközpontjai hatékonyságát. Például a Meta azt kutatja, hogyan segítheti az AI és a gépi tanulás adatközponti műveleteinek optimalizálását, különösen az új szingapúri adatközpont campus építése kapcsán, amely a régió egyik legnagyobb ilyen létesítménye lesz.

2. Biztonság 

A biztonság minden iparágban kiemelt fontosságú, a gyártósortól egészen a vezérigazgatói irodáig. A mesterséges intelligencia használata az adatközpontokban többféleképpen erősíti a biztonságot:

  • Az AI képes monitorozni a hálózati forgalmat és a felhasználói viselkedést, hogy észlelje az anomáliákat, amelyek esetleges biztonsági fenyegetésre utalhatnak.
  • Az AI-alapú betörésérzékelő és megelőző rendszerek hatékonyan képesek azonosítani a fenyegetéseket az újonnan felmerülő adatokhoz való alkalmazkodás révén.
  • Egy biztonsági incidens után az AI automatizálhatja a válaszlépéseket, ezzel csökkentve a fenyegetés megfékezéséhez szükséges időt. Ez segíthet az érintett rendszerek elkülönítésében és a rosszindulatú IP-címek blokkolásában.
  • Az adatközpont infrastruktúráján belül az AI segíthet azonosítani a sérülékenységeket. A gépi tanulási modellek javaslatot tehetnek arra, hogy mely sérülékenységeket valószínűleg célozzák meg először, így azonnali cselekvés válik lehetővé.
  • A biztonsági feladatok automatizálásával az AI minimalizálja a kézi beavatkozás szükségességét, csökkenti az üzemeltetési költségeket, és lehetővé teszi, hogy a biztonsági csapatok stratégiai tevékenységekre összpontosítsanak.

1. Fenntarthatóság 

Az AI-t támogató adatközpontoknak a nagyobb számítási kapacitás kihívásával kell szembenézniük, ami jelentős változásokat hoz a létesítménytervezésben, újabb hűtési technológiák bevezetésében és a szénlábnyom csökkentésére irányuló innovációkban.

Az adatközponti szektor egyre nagyobb nyomás alatt áll, hogy kezelje a fenntarthatósági kihívásokat. A Data Centre Magazine Tom Kinghammel, a CyrusOne európai és japán tervezési vezetőjével beszélgetett, aki elmagyarázta, hogyan kezdenek az adatközpontok megújuló energiafejlesztőkké alakulni az energiahatékonysági kihívások kezelésére. Emellett azt is hangsúlyozta, hogy a létesítmények egyre rugalmasabbá válnak – mind digitálisan, mind környezetvédelmi szempontból.

Tom szerint az adatközpontoknak továbbra is figyelmet kell fordítaniuk az AI-munkafolyamatok egyedi igényeire, ideértve az ultra-nagy sűrűségű energiafelhasználás, a fejlett hűtési technológiák és a skálázható tervezés szükségességét.

„Ez mindig is kiemelt fontosságú volt a CyrusOne számára, és meghatározta a jelenlegi és jövőbeli projektek tervezését az AI-infrastruktúra hatékony skálázása érdekében” – mondta. „Elkerülhetetlen, hogy egyre nagyobb hangsúlyt fektessünk a fenntarthatóságra. Az innovációk csökkentik a fizikai helyigényt és a szénlábnyomot, ami jól tükrözi az adatközponti műveletek egyre zöldebb irányba mutató általános trendjét.”

Jelen cikk a Data Centre Magazine-ban megjelent angol nyelvű cikk magyar fordítása, melynek szerzője Helen Sydney Adams.