.svg){kind=small}
.svg){kind=small}
.svg){kind=small}
Trí tuệ nhân tạo được áp dụng vào việc làm mát trung tâm dữ liệu là một trong những cải tiến quan trọng nhất trong việc tối ưu hóa năng lượng công nghiệp.
Hệ thống tự động do Google DeepMind phát triển, hoạt động từ năm 2018, đã chứng minh AI có thể chuyển đổi cách quản lý nhiệt của cơ sở hạ tầng quan trọng, đạt được kết quả cụ thể về hiệu quả hoạt động.
Đổi mới chuyển đổi trung tâm dữ liệu
Vấn đề hiệu quả năng lượng
Theo Jonathan Koomey, chuyên gia toàn cầu về hiệu quả năng lượng, các trung tâm dữ liệu hiện đại tiêu thụ rất nhiều năng lượng, trong đó hệ thống làm mát chiếm khoảng 10% tổng mức tiêu thụ điện. Cứ mỗi năm phút, hệ thống AI dựa trên đám mây của Google lại chụp ảnh nhanh hệ thống làm mát từ hàng nghìn cảm biến, phân tích độ phức tạp vận hành, thách thức các phương pháp kiểm soát truyền thống.
Hệ thống làm mát bằng AI của Google sử dụng mạng nơ-ron sâu để dự đoán tác động của các tổ hợp hành động khác nhau lên mức tiêu thụ năng lượng trong tương lai, xác định hành động nào sẽ giảm thiểu mức tiêu thụ năng lượng đồng thời đáp ứng các ràng buộc an toàn nghiêm ngặt . DeepMind AI giúp giảm 40% chi phí làm mát trung tâm dữ liệu của Google - Google DeepMind .
Kết quả cụ thể và có thể đo lường được
Kết quả đạt được trong việc tối ưu hóa hệ thống làm mát rất đáng kể: hệ thống liên tục đạt được mức giảm 40% năng lượng sử dụng cho hệ thống làm mát. Trí tuệ nhân tạo DeepMind giúp giảm 40% chi phí làm mát cho trung tâm dữ liệu của Google - Google DeepMind . Tuy nhiên, xét đến việc hệ thống làm mát chỉ chiếm khoảng 10% tổng mức tiêu thụ, con số này tương đương với việc tiết kiệm khoảng 4% tổng năng lượng của trung tâm dữ liệu.
Theo bài báo kỹ thuật gốc của Jim Gao , mạng nơ-ron đạt được sai số tuyệt đối trung bình là 0,004 và độ lệch chuẩn là 0,005, tương đương với sai số 0,4% đối với PUE là 1,1 DeepMind AI giảm 40% chi phí làm mát trung tâm dữ liệu của Google - Google DeepMind .
Nơi hoạt động: Trung tâm dữ liệu đã được xác nhận
Triển khai đã được xác minh
Việc triển khai hệ thống AI đã được chính thức xác nhận tại ba trung tâm dữ liệu cụ thể :
Singapore : Triển khai đáng kể đầu tiên vào năm 2016, nơi trung tâm dữ liệu sử dụng nước tái chế để làm mát Trang chủ – Trung tâm dữ liệu Google và chứng minh khả năng giảm 40% năng lượng làm mát.
Eemshaven, Hà Lan : Trung tâm dữ liệu sử dụng nước đạt chuẩn công nghiệp và tiêu thụ 232 triệu gallon nước vào năm 2023. Trang chủ – Trung tâm dữ liệu của Google . Marco Ynema, người quản lý cơ sở , giám sát hoạt động tại cơ sở tiên tiến này.
Council Bluffs, Iowa : Tạp chí MIT Technology Review đã giới thiệu cụ thể về trung tâm dữ liệu Council Bluffs trong cuộc thảo luận về hệ thống Google Cloud AI, "Vị trí trung tâm dữ liệu: Khu vực và vùng khả dụng - Dgtl Infra ." Google đã đầu tư 5 tỷ đô la vào hai cơ sở tại Council Bluffs, nơi tiêu thụ 980,1 triệu gallon nước vào năm 2023. Trung Quốc thúc đẩy sự bùng nổ AI với các trung tâm dữ liệu dưới nước | Scientific American .
Hệ thống điều khiển AI dựa trên nền tảng đám mây hiện đang hoạt động và mang lại khả năng tiết kiệm năng lượng tại nhiều trung tâm dữ liệu Google Smart Liquid Cooling: Đánh bại Google về hiệu quả | ProphetStor , nhưng công ty vẫn chưa công bố danh sách đầy đủ các cơ sở sử dụng công nghệ này.
Kiến trúc kỹ thuật: Cách thức hoạt động
Mạng nơ-ron sâu và học máy
Theo bằng sáng chế US20180204116A1 , hệ thống sử dụng kiến trúc học sâu với các đặc điểm kỹ thuật chính xác:
- 5 lớp ẩn với 50 nút trên mỗi lớp
- 19 biến đầu vào được chuẩn hóa bao gồm tải nhiệt, điều kiện thời tiết, trạng thái thiết bị
- 184.435 mẫu đào tạo với độ phân giải 5 phút (khoảng 2 năm dữ liệu hoạt động)
- Tham số chính quy hóa : 0,001 để ngăn ngừa hiện tượng quá khớp
Kiến trúc này sử dụng Kiểm soát Dự đoán Mô hình (Model Predictive Control) với các mô hình ARX tuyến tính được tích hợp với mạng nơ-ron sâu. Mạng nơ-ron không yêu cầu người dùng phải xác định trước các tương tác giữa các biến trong mô hình. Thay vào đó, mạng nơ-ron tìm kiếm các mẫu và tương tác giữa các đặc điểm để tự động tạo ra một mô hình tối ưu . Trí tuệ nhân tạo DeepMind giúp giảm 40% chi phí làm mát trung tâm dữ liệu của Google - Google DeepMind .
Hiệu quả sử dụng điện năng (PUE): Chỉ số quan trọng
PUE thể hiện hiệu quả năng lượng cơ bản của các trung tâm dữ liệu:
PUE = Tổng năng lượng trung tâm dữ liệu / Năng lượng thiết bị CNTT
- PUE trên toàn đội xe của Google : 1,09 vào năm 2024 (theo báo cáo về môi trường của Google)
- Điểm trung bình của ngành : 1,56-1,58
- PUE lý tưởng : 1.0 (về mặt lý thuyết là không thể)
Google được chứng nhận ISO 50001 về quản lý năng lượng, đảm bảo các tiêu chuẩn vận hành nghiêm ngặt nhưng không xác nhận cụ thể hiệu suất của hệ thống AI.
Kiểm soát dự đoán mô hình (MPC)
Trọng tâm của sự đổi mới này là khả năng kiểm soát dự đoán , dự đoán nhiệt độ và áp suất của trung tâm dữ liệu trong tương lai trong giờ tiếp theo, mô phỏng các hành động được đề xuất để đảm bảo không vượt quá các giới hạn vận hành . DeepMind AI giúp giảm 40% chi phí làm mát trung tâm dữ liệu của Google - Google DeepMind .
Lợi ích vận hành của AI trong làm mát
Độ chính xác dự đoán vượt trội
Sau khi thử nghiệm và sai sót, các mô hình hiện có độ chính xác 99,6% trong việc dự đoán PUE. Các ứng dụng học máy cho tối ưu hóa trung tâm dữ liệu cho phép tối ưu hóa những điều không thể thực hiện được bằng các phương pháp truyền thống, đồng thời quản lý các tương tác phi tuyến tính phức tạp giữa các hệ thống cơ khí, điện và môi trường.
Học tập và thích ứng liên tục
Một khía cạnh quan trọng là khả năng học hỏi theo tiến hóa . Trong suốt chín tháng, hiệu suất của hệ thống đã tăng từ mức cải thiện 12% khi mới ra mắt lên khoảng 30% . Tối ưu hóa Trung tâm Dữ liệu Jim Gao, Google - DocsLib .
Nhà điều hành Google Dan Fuenffinger nhận xét: "Thật tuyệt vời khi thấy AI học cách tận dụng điều kiện mùa đông và tạo ra nước lạnh hơn bình thường. Các quy tắc không được cải thiện theo thời gian, nhưng AI thì có." Làm mát Trung tâm Dữ liệu bằng Điều khiển Dự đoán Mô hình .
Tối ưu hóa đa biến
Hệ thống quản lý đồng thời 19 thông số vận hành quan trọng :
- Tổng tải CNTT của máy chủ và mạng
- Điều kiện thời tiết (nhiệt độ, độ ẩm, nhiệt enthalpy)
- Trạng thái thiết bị (máy làm lạnh, tháp giải nhiệt, máy bơm)
- Điểm đặt và điều khiển hoạt động
- Tốc độ quạt và hệ thống VFD
Bảo mật và Kiểm soát: Đảm bảo an toàn tuyệt đối
Xác minh đa cấp
An toàn vận hành được đảm bảo thông qua các cơ chế dự phòng . Các hành động tối ưu do AI tính toán được kiểm tra dựa trên danh sách các ràng buộc an toàn nội bộ do người vận hành xác định. Sau khi được gửi đến trung tâm dữ liệu vật lý, hệ thống điều khiển cục bộ sẽ kiểm tra lại các lệnh. DeepMind AI giảm 40% năng lượng tiêu thụ để làm mát các trung tâm dữ liệu của Google .
Người vận hành luôn nắm quyền kiểm soát và có thể thoát khỏi chế độ AI bất cứ lúc nào, chuyển đổi liền mạch sang các quy tắc truyền thống . DeepMind AI giúp giảm 40% năng lượng sử dụng để làm mát các trung tâm dữ liệu của Google .
Những hạn chế và cân nhắc về phương pháp luận
Chỉ số PUE và những hạn chế của nó
Ngành công nghiệp nhận ra những hạn chế của Hiệu quả Sử dụng Điện năng như một thước đo. Một khảo sát của Viện Uptime năm 2014 cho thấy 75% người tham gia tin rằng ngành công nghiệp cần một thước đo hiệu quả mới. Các vấn đề bao gồm sai lệch khí hậu (không thể so sánh các điều kiện khí hậu khác nhau), thao túng thời gian (đo lường trong điều kiện tối ưu) và loại trừ linh kiện.
Độ phức tạp khi triển khai
Mỗi trung tâm dữ liệu đều có kiến trúc và môi trường riêng. Một mô hình được tùy chỉnh cho hệ thống này có thể không áp dụng được cho hệ thống khác, đòi hỏi một khuôn khổ trí tuệ chung. Trí tuệ nhân tạo DeepMind giúp giảm 40% chi phí làm mát trung tâm dữ liệu của Google - Google DeepMind .
Chất lượng dữ liệu và xác minh
Độ chính xác của mô hình phụ thuộc vào chất lượng và số lượng dữ liệu đầu vào . Lỗi mô hình thường tăng đối với các giá trị PUE trên 1,14 do thiếu dữ liệu huấn luyện tương ứng . DeepMind AI giúp giảm 40% chi phí làm mát cho Trung tâm Dữ liệu của Google - Google DeepMind .
Không có xác minh độc lập nào từ các công ty kiểm toán lớn hoặc phòng thí nghiệm quốc gia được tìm thấy, trong khi Google "không theo đuổi xác minh của bên thứ ba" ngoài các yêu cầu tối thiểu của liên bang.
Tương lai: Tiến hóa theo hướng làm mát bằng chất lỏng
Chuyển đổi công nghệ
Trong giai đoạn 2024-2025, Google đã chuyển trọng tâm đáng kể sang:
- Hệ thống nguồn +/-400 VDC cho giá đỡ 1MW
- Các đơn vị phân phối làm mát "Dự án Deschutes"
- Làm mát bằng chất lỏng trực tiếp cho TPU v5p với "thời gian hoạt động 99,999%"
Sự thay đổi này cho thấy việc tối ưu hóa AI đã đạt đến giới hạn thực tế đối với tải nhiệt của các ứng dụng AI hiện đại .
Xu hướng mới nổi
- Tích hợp điện toán biên : AI phân tán để giảm độ trễ
- Bản sao kỹ thuật số : Bản sao kỹ thuật số cho mô phỏng nâng cao
- Tập trung vào tính bền vững : Tối ưu hóa cho năng lượng tái tạo
- Làm mát kết hợp : Kết hợp chất lỏng/không khí được tối ưu hóa bằng AI
Ứng dụng và Cơ hội cho Doanh nghiệp
Các lĩnh vực ứng dụng
Tối ưu hóa AI để làm mát có ứng dụng rộng rãi ngoài các trung tâm dữ liệu:
- Nhà máy công nghiệp : Tối ưu hóa hệ thống HVAC sản xuất
- Trung tâm mua sắm : Quản lý điều hòa thông minh
- Bệnh viện : Kiểm soát môi trường trong phòng phẫu thuật và khu vực quan trọng
- Văn phòng công ty : Quản lý tòa nhà và cơ sở thông minh
ROI và lợi ích kinh tế
Tiết kiệm năng lượng trong hệ thống làm mát được thể hiện qua:
- Giảm chi phí vận hành hệ thống làm mát
- Cải thiện tính bền vững của môi trường
- Kéo dài tuổi thọ thiết bị
- Độ tin cậy hoạt động cao hơn
Triển khai chiến lược cho các công ty
Lộ trình áp dụng
Giai đoạn 1 - Đánh giá : Kiểm toán năng lượng và lập bản đồ các hệ thống hiện có Giai đoạn 2 - Thí điểm : Thử nghiệm trong môi trường được kiểm soát trên một phần giới hạn Giai đoạn 3 - Triển khai : Triển khai dần dần với giám sát chuyên sâu Giai đoạn 4 - Tối ưu hóa : Điều chỉnh liên tục và mở rộng công suất
Những cân nhắc về mặt kỹ thuật
- Cơ sở hạ tầng cảm biến : Mạng lưới giám sát hoàn chỉnh
- Kỹ năng làm việc nhóm : Khoa học dữ liệu, quản lý cơ sở vật chất, an ninh mạng
- Tích hợp : Khả năng tương thích với các hệ thống cũ
- Tuân thủ : Quy định về an toàn và môi trường
FAQ - Những câu hỏi thường gặp
1. Hệ thống AI thực sự đang hoạt động tại trung tâm dữ liệu nào của Google?
Ba trung tâm dữ liệu đã chính thức được xác nhận: Singapore (triển khai lần đầu năm 2016), Eemshaven ở Hà Lan và Council Bluffs ở Iowa. Hệ thống này đang hoạt động tại nhiều trung tâm dữ liệu của Google Smart Liquid Cooling: Vượt mặt Google về hiệu suất | ProphetStor , nhưng danh sách đầy đủ chưa bao giờ được công bố.
2. Thực tế nó tiết kiệm được bao nhiêu năng lượng trên tổng mức tiêu thụ?
Hệ thống đạt mức giảm 40% năng lượng tiêu thụ cho việc làm mát. Trí tuệ nhân tạo DeepMind giúp giảm 40% chi phí làm mát cho Trung tâm dữ liệu của Google - Google DeepMind . Xét đến việc làm mát chỉ chiếm khoảng 10% tổng mức tiêu thụ, tổng mức tiết kiệm năng lượng đạt khoảng 4% tổng mức tiêu thụ của trung tâm dữ liệu.
3. Hệ thống dự báo có chính xác không?
Hệ thống đạt độ chính xác 99,6% trong việc dự đoán PUE với sai số tuyệt đối trung bình là 0,004 ± 0,005, tương đương với sai số 0,4% cho PUE là 1,1. Google DeepMind Google Research . Nếu PUE thực tế là 1,1, AI dự đoán trong khoảng từ 1,096 đến 1,104.
4. Làm thế nào để đảm bảo an toàn vận hành?
Hệ thống sử dụng xác minh hai cấp độ: đầu tiên, AI kiểm tra các ràng buộc an toàn do người vận hành thiết lập, sau đó hệ thống cục bộ xác minh lại các hướng dẫn. Người vận hành luôn có thể tắt kiểm tra AI và quay lại hệ thống truyền thống. DeepMind AI giảm 40% năng lượng tiêu thụ để làm mát các trung tâm dữ liệu của Google .
5. Phải mất bao lâu để triển khai một hệ thống như thế này?
Việc triển khai thường mất 6-18 tháng: 3-6 tháng để thu thập dữ liệu và đào tạo mô hình, 2-4 tháng để thử nghiệm thí điểm và 3-8 tháng để triển khai theo từng giai đoạn. Độ phức tạp thay đổi đáng kể tùy thuộc vào cơ sở hạ tầng hiện có.
6. Cần có những kỹ năng kỹ thuật nào?
Cần một đội ngũ đa ngành có chuyên môn về khoa học dữ liệu/AI, kỹ thuật HVAC, quản lý cơ sở vật chất, an ninh mạng và tích hợp hệ thống. Nhiều công ty lựa chọn hợp tác với các nhà cung cấp chuyên biệt.
7. Hệ thống có thể thích ứng với những thay đổi theo mùa không?
Có, AI tự động học cách khai thác các điều kiện theo mùa, chẳng hạn như tạo ra nước lạnh hơn vào mùa đông để giảm năng lượng làm mát . Làm mát trung tâm dữ liệu bằng Kiểm soát dự đoán mô hình . Hệ thống liên tục cải thiện bằng cách nhận dạng các mô hình thời gian và khí hậu.
8. Tại sao Google không thương mại hóa công nghệ này?
Mỗi trung tâm dữ liệu có kiến trúc và môi trường riêng biệt, đòi hỏi khả năng tùy chỉnh đáng kể. Trí tuệ nhân tạo DeepMind giúp giảm 40% chi phí làm mát trung tâm dữ liệu của Google - Google DeepMind . Tính phức tạp của việc triển khai, nhu cầu dữ liệu cụ thể và chuyên môn cần thiết khiến việc thương mại hóa trực tiếp trở nên khó khăn. Sau 8 năm, công nghệ này vẫn chỉ được Google phát triển nội bộ.
9. Có kiểm toán hiệu suất độc lập không?
Không tìm thấy xác minh độc lập nào từ các công ty kiểm toán lớn (Deloitte, PwC, KPMG) hoặc các phòng thí nghiệm quốc gia. Google được chứng nhận ISO 50001 nhưng "không thực hiện xác minh của bên thứ ba" vượt quá các yêu cầu tối thiểu của liên bang.
10. Nó có áp dụng cho các ngành công nghiệp khác ngoài trung tâm dữ liệu không?
Hoàn toàn chính xác. Tối ưu hóa AI cho hệ thống làm mát có thể được áp dụng cho các nhà máy công nghiệp, trung tâm mua sắm, bệnh viện, văn phòng công ty và bất kỳ cơ sở nào có hệ thống HVAC phức tạp. Các nguyên tắc tối ưu hóa đa biến và điều khiển dự đoán có thể áp dụng rộng rãi.
Hệ thống làm mát AI DeepMind của Google là một bước đột phá về mặt kỹ thuật, mang lại những cải tiến gia tăng trong một lĩnh vực cụ thể. Đối với các công ty vận hành cơ sở hạ tầng tiêu thụ nhiều năng lượng, công nghệ này mang đến những cơ hội cụ thể để tối ưu hóa hệ thống làm mát, bất chấp những hạn chế về quy mô đã nêu ở trên.
Nguồn chính: Jim Gao Google Research Paper , DeepMind Official Blog , MIT Technology Review , Patent US20180204116A1
