A Inteligência Artificial está a mudar a forma como avaliamos a eficiência dos Data Centers. Com racks que podem ultrapassar os 100 kW e cargas de GPU cada vez mais exigentes, já não basta saber quanta energia consome uma instalação. É necessário perceber quanto trabalho computacional útil consegue produzir com os recursos disponíveis.
|
O Power Usage Effectiveness (PUE) continua a ser uma referência importante: relaciona a energia total consumida pelo Data Center com a energia utilizada pelos equipamentos de TI. No entanto, não mede o desempenho da computação: uma instalação pode apresentar um PUE favorável e, ainda assim, não tirar pleno partido da capacidade instalada. Da energia ao desempenho computacional Se os sistemas de refrigeração limitarem a densidade dos racks ou provocarem restrições térmicas nas GPUs, a infraestrutura pode impedir que a potência disponível se traduza em trabalho computacional. É por isso que a avaliação da eficiência deve ir além dos consumos dos sistemas de suporte. Indicadores complementares, como o Power Compute Effectiveness (PCE), procuram mostrar que parcela da potência disponível é efetivamente aplicada à computação útil. Métricas como tokens por watt e custo por token ajudam, por sua vez, a relacionar desempenho, recursos energéticos e custos. Não substituem o PUE: respondem a perguntas diferentes e, em conjunto, oferecem uma visão mais completa. Refrigeração líquida como parte do sistema A refrigeração líquida permite captar calor junto dos componentes mais exigentes, reduzindo a dependência da circulação de grandes volumes de ar. Pode, assim, suportar densidades superiores e ajudar a evitar limitações térmicas que condicionam o desempenho das GPUs. Permite também aumentar a capacidade computacional sem exigir uma expansão proporcional do espaço físico, uma vantagem relevante perante as limitações de capacidade e a crescente procura de IA. Contudo, instalar refrigeração líquida não garante, por si só, maior eficiência. Os ganhos dependem de como são concebidos e operados os sistemas de energia, computação e refrigeração. Caudais, pressões, temperaturas e capacidade de rejeição de calor devem ser considerados em conjunto, para que a melhoria num componente não seja anulada por perdas noutro. Uma diferença de temperatura (ΔT) adequada entre a entrada e a saída do fluido pode contribuir para otimizar a transferência de calor e a energia necessária à circulação. A questão decisiva não é escolher um equipamento isolado, mas assegurar o desempenho de toda a arquitetura. A água também conta Avaliar a sustentabilidade exige olhar para além da eletricidade. O Water Usage Effectiveness (WUE) relaciona o consumo de água da instalação com a energia utilizada pelos equipamentos de TI e complementa a leitura proporcionada pelo PUE. Na refrigeração líquida direta ao chip, o fluido circula num circuito fechado e recolhe calor junto do processador. Isso não significa, porém, que toda a instalação deixe de consumir água: o consumo efetivo depende também da tecnologia utilizada para rejeitar o calor. Esta distinção é essencial para comparar soluções em diferentes condições climáticas e operacionais. Em instalações adequadas, a refrigeração líquida pode ainda facilitar a reutilização do calor, criando oportunidades adicionais de aproveitamento energético. À medida que a IA passa da experimentação para operações de maior escala, o desafio deixa de ser apenas disponibilizar mais potência. É assegurar que energia, refrigeração e computação são planeadas e geridas em conjunto, desde o projeto até à operação. A eficiência dos Data Centers para IA não se resume, portanto, a reduzir o consumo: exige obter mais capacidade computacional útil por cada recurso utilizado, sem perder de vista os custos, a água e a sustentabilidade. É nessa visão integrada que a refrigeração líquida pode fazer a diferença.
Conteúdo co-produzido pela MediaNext e pela Schneider Electric |
Receba todas as novidades na sua caixa de correio!
