Det frågar sig Martin Olsen, vice president för global produktstrategi och planering på Vertiv. Han menar att datacenter i stället bör betraktas som nästa logiska enhet för databehandling, en maskin där IT- och byggnadsinfrastruktur integreras allt tätare för att hantera kapacitetsbehoven från AI:
Saker som tills helt nyligen bara var vardagsföremål har vi nu vant oss vid att kalla ”datorer”. Bilar är det mest kända exemplet. Med mer programkod än ett jaktplan och i vissa fall fler elektroniska komponenter än ståldelar, är de numera datorer på hjul – vissa till och med självkörande. Samma sak gäller smarta kylskåp, klockor, termostater, till och med tvättmaskiner.
Märkligt nog har detta synsätt inte kommit ikapp för de platser där all denna databehandling sker. Trots att datacenter är byggda specifikt för IT-utrustning, betraktas de oftast bara som fastigheter. Driftsteamen ser dem som byggnader medan IT-teamen ser dem som datorkraft, och få försöker förstå datacenter som en helhet.
Det här är inte längre hållbart.
Datacentret som nästa enhet för databehandling
AI förändrar nu allt. Dagens AI-system kräver enorma mängder beräkningskraft och för att hantera detta används särskilda kraftfulla datorkort (GPU). När dessa datorkort arbetar tillsammans drar de uppemot 100 kW per rack – mer än vad traditionella datacenter är byggda för. Detta tvingar oss att tänka om runt hur vi bygger och använder datacenter.
Jensen Huang, vd för NVIDIA, menar att datacentret i sig nu är enheten för databehandling. Utvecklingen är tydlig: Chip → Server → Rack → Rad → Rum → Datacenter – där varje nivå uppvisar en alltmer integrerad och optimerad maskin, snarare än en samling lösa delar.
IT-analysföretaget 451 Research och andra har utvecklat tanken vidare. De föreslår att vi bör se datacentret som en maskin – och maskiner har som bekant ritningar, toleransspecifikationer och prestandamätningar. De är konstruerade. Uppmätta. Justerade. Reproducerbara. Vi ska alltså inte se datacentret som en byggnad utan snarare som nästa generations enhet för databehandling.
Den dramatiska utvecklingen inom AI-träning hos stora moln- och LLM-leverantörer har redan börjat flytta gränserna och lett till en ökning av strömförbrukningen per rack. Detta har gjort de praktiska argumenten för vätskekylning – där IT och kylsystem är tätt integrerade – mer övertygande. Innovation sker också inom kraftdistribution för att stärka kopplingen till IT.
Teknologiskt samarbete mellan Vertiv och Nvidia
Vertiv har varit ledande i arbetet med att förena IT och OT (driftteknik), bland annat genom nära samarbeten med världsledande chiptillverkare som NVIDIA. Nyligen presenterade jag Vertivs syn på datacentret som nästa generations enhet för databehandling vid NVIDIAs GTC-konferens i San Jose, Kalifornien, tillsammans med analysföretaget IDC.
Våra två huvudpunkter var:
När ett modernt datacenter byggs fungerar det som en enda stor enhet där kraft, kylning och IT-system arbetar tillsammans. Detta ger många fördelar. Vi ser 20 % lägre energiförbrukning och 30 % bättre användning av utrymmet. Dessutom tar det bara hälften så lång tid att bygga och de totala kostnaderna blir 25 % lägre.
Systemet anpassar sig efter behov, ungefär som ett team i Formel 1 som står redo när en bil kommer in i depån. Allt måste vara perfekt tajmat – varken för mycket eller för lite resurser. På samma sätt måste datacentret kunna förutse hur mycket kraft och kylning som behövs.
Allt fler börjar kalla moderna datacenter för ”AI-fabriker”, och de allra största kallas ”AI-gigafabriker”. Detta visar att vi fortfarande tänker på dem som byggnader – men nu som byggnader som är specialiserade på att skapa AI i stor skala.
NVIDIA arbetar tillsammans med Vertiv och andra företag för att utveckla framtidens AI-fabriker. De använder en avancerad digital tvilling-teknik kallad Omniverse Blueprint som gör det möjligt att testa och förbättra design av dessa datacenter i en digital miljö innan de byggs. De undersöker också hur AI kan användas för att styra dessa anläggningar på ett bättre sätt än vad tidigare system har klarat av.
Vi närmar oss sakta det oundvikliga
Vägen mot självstyrande datacenter påminner alltså om utvecklingen av självkörande bilar – det tar längre tid än väntat, men utvecklingen är i full gång. Databehandling blir en del av infrastrukturen. Infrastrukturen blir intelligent. Och datacentret utvecklas från att vara en byggnad till att bli en maskin.
Bild: Dharika Bhavsar
