Do 2027. godine, veličina tržišta zelenih data centara će se povećati za približno 147 milijardi dolara
S brzim razvojem generativne umjetne inteligencije, kao što je popularni ChatGPT, potražnja za računarskom snagom u podatkovnim centrima je porasla. Aplikacije umjetne inteligencije čitaju velike količine podataka i troše više električne energije od tradicionalnog softvera. GPU koji se koristi za obuku generativnih AI modela ima veliku potrošnju energije i također zahtijeva dodatnu energiju za hlađenje.
Prema procjenama, u smislu makro podataka, umjetna inteligencija bi mogla činiti 3% do 4% globalne potražnje za električnom energijom do 2030. godine. Zbog porasta broja servera umjetne inteligencije, potrošnja energije u podatkovnim centrima značajno se povećava. McKinsey predviđa da će se do 2030. potrošnja električne energije u podatkovnim centrima više nego udvostručiti.
Povećanje potrošnje i troškova električne energije ključni je faktor koji pokreće rast tržišta. Potrošnja energije u podatkovnom centru je vrlo visoka, a sa sve većom potražnjom za snažnijim aplikacijama kao što su autonomno vozilo, streaming medija i 5G, potrošnja energije podatkovnog centra može eksponencijalno rasti, a potrebno im je puno energije za opskrbu. različitu opremu.
Kako bi se odgovorilo na ogromne izazove potražnje za energijom u podatkovnim centrima, potrebno je poduzeti različite mjere, uključujući hardver za uštedu energije, inovativna rješenja za hlađenje, zelenu energiju i šire strategije održivog razvoja.
Upotreba čipova za uštedu energije je kamen temeljac za poboljšanje energetske efikasnosti u podatkovnim centrima. Čipovi za uštedu energije imaju naprednu arhitekturu i funkcije upravljanja napajanjem, igrajući ključnu ulogu u minimiziranju potrošnje energije hardvera podatkovnog centra. Ovi čipovi mogu efikasnije alocirati i koristiti hardverske resurse, čime se poboljšavaju performanse po vatu. Na primjer, u poređenju sa prethodnim generacijama Intel Xeon procesora, četvrta generacija Xeon-a je poboljšala prosječnu efikasnost performansi po vatu za ciljna radna opterećenja za 2,9 puta kada se koristi ugrađeni akcelerator. U 2022. energetska efikasnost Nvidijinog H100 GPU AI čipa je skoro dvostruko veća od prethodne generacije proizvoda A100.
Osim toga, još jedna efikasna mjera za smanjenje potrošnje energije u podatkovnim centrima je usvajanje efikasnijih rješenja za hlađenje u velikim razmjerima, smanjujući udio potrošnje energije za hlađenje, a ključni indikator je „Efikasnost upotrebe energije“ (PUE). U protekloj deceniji, uprkos 6-putostrukom povećanju računarske snage i 25-putostrukom povećanju kapaciteta pohrane, potrošnja energije globalnih data centara porasla je samo za 6% od 2006. do 2018. godine. Ova značajna efikasnost poboljšanje se pripisuje smanjenju PUE.
Prema procjenama, očekuje se da će tržište zelenih podatkovnih centara porasti za 146,95 milijardi dolara između 2022. i 2027. godine, uz ukupnu godišnju stopu rasta od 24,63%. Uz sve veću primenu tečnog hlađenja (posebno DLC sa direktnim tečnim hlađenjem) u velikim razmerama, PUE centara podataka koji ulaze u eru tečnog hlađenja biće ispod 1,3. Tehnologija hlađenja tekućinom ne samo da može poboljšati ukupnu efikasnost hlađenja podatkovnih centara, već i zadovoljiti potrebe za hlađenjem čipova velike gustine, smanjiti ovisnost o sistemima klimatizacije koji troše veliku energiju i promovirati održivi razvoj okoliša.
