Posledních 25 let vládly datovým centrům klasické x86 servery. Průměrný příkon na jeden rack rostl velmi pomalu – z původních 3 kW se za dlouhé roky vyšplhal zhruba na 10 kW. Budovy datových center se stavěly s životností na 30 let a provozovatelé si mohli dovolit luxus postupného testování a rozšiřování datových sálů.
To je ale minulost. Podle aktuálních prognóz bude brzy plných 60 % všech nově instalovaných serverů dedikováno pro AI. Tyto stroje osazené až 16 GPU mají enormní hlad po energii a neobejdou se bez kapalného chlazení. Provozovatelé navíc čelí bezprecedentnímu tempu inovací: technologičtí lídři jako NVIDIA vydávají nové generace čipů prakticky každý rok a spotřeba s každou řadou roste téměř na dvojnásobek.
„Provozovatelé datových center se ocitli v technologické pasti,“ vysvětluje Pavel Blahut, expert na datová centra ze společnosti Schneider Electric. „Životní cyklus budov se stále počítá na desítky let, ale životní cyklus AI čipů se smrsknul na pouhý rok. Nemůžete každých dvanáct měsíců přestavět celé datové centrum od základů. Kdo dnes nezačne navrhovat infrastrukturu s výhledem na stovky kilowattů na rack, ten do dvou let nebude schopen novou generaci AI hardwaru vůbec napájet a uchladit.“
Pohled na čísla mluví za vše. V roce 2022 měly racky v designu DGX SuperPod s čipy A100 spotřebu kolem 25 kW. O rok později s architekturou H100 vyskočily na 40 kW a v roce 2024 s čipy GH200 už na 72 kW. Generace GB200 posouvá hranici na 132 kW na rack a výhled pro nejnovější architektury počítá s hodnotami až kolem 240 kW na jediný rack.
Konec testování za provozu
Navrhnout hybridní datové centrum, které kombinuje kapalné a vzduchové chlazení pro 10 kW a pro 132 kW, je úplně jiná disciplína. Kvůli fyzickým limitům prostoru a hrozbě kritického přehřátí už nelze infrastrukturu ladit za pochodu jako v minulých dekádách. Provozovatelé navíc nemají k dispozici armády projektantů, kteří by stíhali překreslovat plány s každou novou generací křemíku.
Pokud chtějí organizace v tomto zběsilém tempu úspěšně nasadit nejnovější GPU, musí změnit přístup k návrhu. Nabízejí se tři praktické strategie:
1. Digitální dvojčata jako nutnost
Navrhovat systémy „na papíře“ a testovat je až po fyzické instalaci je dnes příliš riskantní. Moderní simulační software umožňuje vytvořit přesné digitální dvojče celého energetického a chladicího řetězce. Automatizace výpočtů v reálném čase odhalí úzká hrdla a simuluje chování systému při různých typech selhání ještě předtím, než se nakoupí hardware.
2. Sázka na referenční architektury
Výrobci hardwaru a napájecí infrastruktury dnes vyvíjejí unifikované referenční návrhy přímo pro konkrétní generace AI čipů. Tyto veřejně dostupné projekty obsahují detailní schémata, výkresy a soupisy materiálů. Stačí tak vzít ověřený základ a lokální inženýři jej pouze přizpůsobí tuzemským normám. Je to výrazně rychlejší cesta než individuální projektování.
3. Prefabrikované modulární serverovny
Nejrychlejším způsobem nasazení jsou dnes modulární řešení. Na trh přicházejí specializované prefabrikované bloky navržené přímo pro AI clustery. Tyto moduly vznikají a testují se v továrnách a na místo se dodávají jako kompletní plug-and-play řešení, a to včetně racků, napájecích lišt, ventilů a rozvaděčů kapalného chlazení. Na stavbě pak stačí jen připojit zdroj energie, chladicí médium a osadit servery.