摘要：“该行业现在面临着前所未有的新基础设施解决方案需求，以有效地为下一代计算提供电力、冷却和支持，因此，AI 正在从根本上重塑 IT 基础设施的架构，”KPMG UK 数据中心咨询主管 Rajesh Sennik 指出。

随着世界寻求满足对更大 AI 工作负载和网络功能的需求，AI 对数据中心设计和建设的影响正在不断增长

AI 应用不断增长的电力和冷却需求正在将当前的数据中心设计推向极限。

传统的数据中心架构曾经足够强大，可以处理企业应用程序，但现在却不堪重负，因为它必须满足 AI 的强烈要求。

“该行业现在面临着前所未有的新基础设施解决方案需求，以有效地为下一代计算提供电力、冷却和支持，因此，AI 正在从根本上重塑 IT 基础设施的架构，”KPMG UK 数据中心咨询主管 Rajesh Sennik 指出。

根据 atNorth 首席开发官 Anna Kristín Pálsdóttir 的说法，AI 不仅需要快速的数据处理，而且还消耗大量能源——每机架超过 30kW，而标准应用只需 7-10kW。

这需要彻底改造现有的数据中心并重新考虑电力使用和冷却策略。变化可能包括升级配电装置和引入更强大的冷却系统（包括液体冷却技术）。

“数据中心现在需要容纳越来越密集的 IT 负载，这使得优化电源和冷却管理变得更加重要，”Vertiv 北欧区域总监 Alex Brew 解释道。

这需要从根本上重新思考数据中心的结构和功能，以有效服务于人工智能时代。

战略性数据中心选址

在哪里建造这些强大的设施与如何建造同样重要。人工智能繁重的计算负荷意味着巨大的电力和冷却需求。然而，与传统用途不同，人工智能可以减少对正常运行时间的担忧，从而为位置选择提供灵活性。

“边缘计算的普及度正在显著上升，”Alex Brew 表示。“随着数据处理越来越接近网络边缘，数据中心也必须适应，尤其是为了满足互联设备不断增长的数据量。”

这种转变不仅涉及与数据源的接近程度，还包括环境和运营效率。气候较凉爽的地区，如北欧，因其节能的冷却可能性而受到青睐，例如自然空气冷却和直接液体冷却 (DLC)，Anna Kristín Pálsdóttir 强调了这两种冷却方式较低的电源使用效率 (PUE) 和显著的碳足迹减少效益。

此外，人工智能和边缘计算之间的协同作用正在创造新的范式，例如“边缘人工智能”——人工智能过程在靠近数据生成地点的地方进行，需要战略性地放置数据中心以支持实时处理需求。

建筑中的环境考虑因素

人工智能的能源密集型带来了重大的环境挑战。因此，设计支持人工智能的数据中心需要采用可持续的方法来减轻对环境的负面影响。据 Alex Brew 称，采用循环经济原则和利用副产品支持当地社区是关键战略。

Rajesh Sennik 强调了初步可持续发展规划和持续监测环境影响的重要性。Black & White Engineering 技术总监 Adam Asquith 补充说，使用绿色能源和创新的建筑方法也可以大幅减少运营碳排放，同时促进当地经济发展。

向人工智能专用数据中心的过渡涉及重新设计许多方面，从冷却系统到电源配置，甚至这些设施的物理位置。通过从一开始就整合可持续实践，数据中心不仅可以满足不断变化的技术需求，还可以为更加环保的未来做出贡献。

作者：Sean Ashcroft

来源：小思说科技