«Spikes»-fenomenet og risikoen for belastningsforstyrrelser på makronivå.
I motsetning til tradisjonelle datasentre (DC-er) som forbruker strøm på stabile og forutsigbare nivåer, har AI-operativ infrastruktur en mye mer volatil og uforutsigbar belastningskarakteristikk. Yin Zheng, konserndirektør for Øst-Asia og Kina hos Schneider Electric, understreket på Computex 2026 at arten av IT-belastninger som betjener AI krever helt nye styringsmekanismer på grunn av de plutselige endringene i strømforsyningen.
Årsaken til de nevnte svingningene stammer fra måten kunstig intelligens-modeller fungerer på. Ifølge Himanshu Prasad, Senior Vice President i Schneider Electric, aktiveres tusenvis av GPU-er til å operere synkront samtidig under datatrening eller inferens. Denne prosessen skaper ekstremt sterke, plutselige strømstøt i systemet, noe som resulterer i lokaliserte belastningstopper ("Spikes"). Uten en mekanisme for å jevne ut og kontrollere belastningen, vil denne synkroniseringen forårsake voldsomme svingninger som direkte truer stabiliteten til kraftledningen.

Herr Himanshu Prasad delte dette på Computex 2026.
Økningen i strømforbruket har også ført teknologisk infrastruktur inn i en enestående æra. Den globale databransjen opplever et dramatisk skifte fra anlegg på 10–100 megawatt til «megaprosjekter» med kapasitet på opptil 1 gigawatt, tilsvarende strømforbruket i en mellomstor by.
Ifølge Doug Warren, Senior Vice President i AVEVA, gjenspeiler ikke det konvensjonelle konseptet om et «datasenter» i denne skalaen lenger virkeligheten nøyaktig. Moderne AI-infrastrukturer har et nivå av kompleksitet, energiforbruk og tekniske krav som kan sammenlignes med tunge industrikomplekser som aluminiumsverk eller megafabrikker for halvledere. Systemet må operere kontinuerlig døgnet rundt og kan absolutt ikke tolerere noen avbrudd.
Denne enorme skalaen fører også til en risiko for systemisk kollaps. Himanshu Prasad advarte om at ved kraftverk på gigawatt-skala vil selv et kort avbrudd i nettet som kobler fra databasen og fører til at en massiv mengde strøm plutselig forsvinner, sprette tilbake gjennom overføringssystemet, skape et uforholdsmessig fall og potensielt føre til at hele det regionale strømnettet kollapser.
Løse driftsproblemer med en programvareløsning for «Grid Awareness».
Gitt den enorme økningen i varmeenergi og de mange komplekse kravene til elektromekaniske systemer, er det fullstendig utdatert å opprettholde manuelle driftsmetoder. Yin Zheng hevder at flergigawattsystemer med høy variabilitet ikke kan styres utelukkende av menneskelig innsats. Disse systemene må bruke automatisering, kunstig intelligens og intelligent programvare for å overvåke og opprettholde pålitelighet gjennom hele designsyklusen og inn i faktisk drift.
For å redusere risikoer tidlig anbefaler eksperter at datasentre implementerer strategier for «nettbevisst drift». Doug Warren delte at programvareløsninger for sanntidsdatastyring kontinuerlig må overvåke endringer i AI-arbeidsbelastninger, og dermed gi nøyaktige forutsigelser av deres tilsvarende innvirkning på det nasjonale strømnettet.
Samtidig, når en AI-fabrikk opererer med maksimal kapasitet, og potensielt utløser tusenvis av systemvarsler samtidig, er bruken av intelligent varslingshåndteringsteknologi avgjørende. Dette systemet bidrar til å kategorisere og gruppere feilvarsler, og hjelper driftsingeniører med å gjøre rettidige og nøyaktige tekniske inngrep.
Eksplosjonen i den kunstige intelligens-æraen viser at det ikke er nok å bare fokusere på å designe kraftigere generasjoner av GPU-er. Denne nye teknologibølgen vil ikke materialisere seg hvis land og bedrifter ikke kan løse et avgjørende problem: å bygge svært kompatible og holdbare AI-superfabrikker og etablere en sikker "sameksistens"-mekanisme med den nasjonale strømnettinfrastrukturen.
Ifølge avisen Thanh Nien
Kilde: https://baoangiang.com.vn/the-gioi-doi-mat-nguy-co-soc-dien-vi-ai-a487803.html







Kommentar (0)