Centra przetwarzania danych powinny być postrzegane jako kolejne logiczne jednostki przetwarzania danych, ponieważ infrastruktura IT i infrastruktura obiektów stają się ściślej powiązane ze względu na wymagania obciążeń AI.
Przyzwyczailiśmy się nazywać „komputerami” rzeczy, które jeszcze do niedawna były po prostu przedmiotami codziennego użytku. Samochody są najbardziej znanym przykładem. Zawierają więcej kodu niż myśliwiec, a w niektórych przypadkach więcej krzemu niż stali – stały się komputerami na kołach, a niektóre z nich nawet jeżdżą autonomicznie. To samo dotyczy inteligentnych lodówek, zegarków, termostatów, a nawet pralek.
Jednak, paradoksalnie, nie przyznajemy takiej samej cyfrowej godności środowiskom, w których odbywa się przetwarzanie danych. Mimo że centra danych są specjalnie zaprojektowane do zarządzania infrastrukturą IT, często sprowadza się je jedynie do obiektów nieruchomościowych — postrzeganych przez zespoły ds. obiektów jako „budynki”, a przez zespoły IT jako „zasoby obliczeniowe”, przy czym praktycznie nie ma tu miejsca na kompromis.
Taka sytuacja nie może już dłużej trwać.
Centrum danych jako kolejna jednostka obliczeniowa
To właśnie w tym momencie AI, a zwłaszcza przyspieszone przetwarzanie danych, staje się punktem zwrotnym. Rosnąca gęstość obciążeń związanych ze AI — wynikająca z modeli zawierających tryliony parametrów oraz klastrów procesorów graficznych zużywających ponad 100 kW na szafę — zmusza do ponownego przemyślenia tradycyjnych abstrakcji.
Jensen Huang, dyrektor generalny firmy NVIDIA, stwierdził, że obecnie to samo centrum danych stanowi jednostkę obliczeniową. To fascynująca ewolucja: Chip → Serwer → Rack → Rząd → Pomieszczenie → Centrum danych. Każda warstwa to coraz bardziej zintegrowana i zoptymalizowana maszyna, a nie luźny zbiór części.
Firma 451 Research i inne podmioty poszły o krok dalej, sugerując, byśmy postrzegali centrum danych jako maszynę — a nie budynek — czyli kolejną jednostkę obliczeniową. Maszyny mają plany, specyfikacje tolerancji i wskaźniki wydajności. Są zaprojektowane. Mierzone. Dostosowywane. Powtarzalne.
Gwałtowny wzrost skali szkoleń modeli AI przez dużych dostawców usług chmurowych i LLM zaczął zmieniać sytuację i doprowadził do wzrostu gęstości mocy w szafach serwerowych, co w końcu sprawiło, że oparte na zasadach fizyki argumenty przemawiające za chłodzeniem cieczą – gdzie systemy IT i termiczne są ściśle zintegrowane – stały się bardziej przekonujące. Innowacje dotyczą również dostaw i dystrybucji energii, co ma na celu ściślejsze powiązanie tych obszarów z technologiami informatycznymi.
Vertiv jest liderem tej konwergencji IT/OT na kilku frontach, w tym poprzez bliskie partnerstwo technologiczne z wiodącymi producentami układów scalonych, takimi jak NVIDIA. Niedawno przedstawiłem pogląd firmy Vertiv na temat koncepcji centrum danych jako następnej jednostki obliczeniowej podczas konferencji NVIDIA GTC w San Jose w Kalifornii podczas wspólnej sesji z firmą analityczną IDC. Do głównych cech tej idei należą:
- Całe centrum danych przypomina płytkę drukowaną. Oznacza to połączenie zasilania, chłodzenia i usług IT, co zapewnia o ponad 20% większą efektywność energetyczną, o 30% lepsze wykorzystanie przestrzeni, wdrożenie o połowę krótsze oraz 25% oszczędność całkowitych kosztów posiadania.
- Kolejnym kluczowym elementem jest to, że podejście to pozwala na obsługę dynamicznych obciążeń roboczych. To jak ekipa pit stopowa, do której samochód wjeżdża na postój, a wszystkie czynności – uzupełnienie paliwa i wymiana opon – są zsynchronizowane. Za dużo i marnujesz zasoby, za mało – przegrywasz wyścig. To samo dotyczy procesorów graficznych (GPU), które z wyprzedzeniem przewidują zapotrzebowanie na moc i chłodzenie.
Vertiv niedawno wydał kompletną architekturę referencyjną platformy NVIDIA GB200 NVL72 o mocy 7MW, opracowaną wspólnie z firmą NVIDIA. Architektura referencyjna przyspiesza wdrożenie chłodzonej cieczą platformy rackowej NVIDIA GB200 NVL72 i obsługuje do 132 kW na szafę. Vertiv kontynuuje bliską współpracę z firmą NVIDIA w zakresie infrastruktury AI nowej generacji, w tym nadchodzących platform GPU zaprezentowanych podczas flagowego wydarzenia GTC 2025 firmy NVIDIA.
Oprócz argumentu, że centra danych należy traktować jako jednostki obliczeniowe, pojawia się również powiązana tendencja do klasyfikowania centrów danych zoptymalizowanych pod kątem sztucznej inteligencji jako „fabryki AI”, a nawet największych obiektów hiperskalowych jako „gigafabryki AI”. Co ciekawe, kontynuuje to również narrację o centrum danych jako budynku – choć poświęconym „produkcji” sztucznej inteligencji na dużą skalę.
„Jesteśmy dumni, że możemy pogłębić naszą współpracę z firmą NVIDIA, aby umożliwić funkcjonowanie centrów danych opartych na sztucznej inteligencji zarówno dzisiaj, jak i w przyszłości. Jako lider w dziedzinie krytycznej infrastruktury zasilania i chłodzenia firma Vertiv ma wyjątkową pozycję, aby wspierać platformę NVIDIA GB200 NVL72”.
Giordano Albertazzi, dyrektor generalny Vertiv
„Dzięki światowej klasy technologiom chłodzenia i zasilania firmy Vertiv, NVIDIA może zrealizować swoją wizję przeobrażenia obliczeń i zbudować nową branżę fabryk AI, które wytwarzają cyfrową inteligencję z korzyścią dla każdej firmy i branży”.
Jensen Huang, dyrektor generalny NVIDIA
NVIDIA współpracuje również z firmą Vertiv i innymi podmiotami nad urzeczywistnieniem wizji „AI Factory” dzięki zaawansowanej technologii cyfrowych bliźniaków — „Omniverse Blueprint” usprawnia projektowanie i symulację „AI Factory” — a także dzięki potencjalnemu wykorzystaniu agentów AI, które pozwoli wyjść poza ramy szumu medialnego wokół zarządzania infrastrukturą centrów danych (DCIM), zapowiadanego niemal dziesięć lat temu.
Konwergencja jest nieunikniona
Droga do autonomicznych centrów danych zaczyna przypominać drogę do autonomicznych samochodów — trwa ona dłużej niż oczekiwano, ale jest już w trakcie realizacji. Obliczenia stają się infrastrukturą. Infrastruktura staje się inteligentna. A centrum danych ewoluuje z budynku w maszynę.
To, czy nazwiemy je budynkami, fabrykami czy komputerami, ostatecznie stanie się kwestią semantyki. Liczy się uznanie tego, czym się stały: inteligentnymi, połączonymi systemami zaprojektowanymi do dostarczania sztucznej inteligencji na dużą skalę.