По мере ускорения цифровой трансформации центры обработки данных становятся основой цифровой экономики, поддерживая всё: от задач искусственного интеллекта до аналитики в реальном времени и автономных транспортных средств. Исследование международной консалтинговой компании McKinsey показывает, что к 2030 году мировые капитальные затраты на инфраструктуру центров обработки данных (без учёта ИТ-оборудования) превысят 1,7 триллиона долларов, в основном благодаря развитию искусственного интеллекта, распространению периферийных вычислений и достижениям в области высокопроизводительных вычислений. Этот растущий спрос меняет ситуацию в энергетике, недвижимости и строительстве.

Чтобы удовлетворить растущий спрос на центры обработки данных и необходимую мощность, в течение следующих пяти лет кампусы центров обработки данных должны будут расшириться с десятков мегаватт (МВт) до сотен, а то и до гигаваттного (ГВт) масштаба. Недавние инновации, включая появление распределённых моделей обучения для ИИ, могут повлиять на процесс строительства центров обработки данных и обострить существующие в отрасли проблемы, связанные с масштабированием центров обработки данных. Эти новые модели и растущий спрос на вычислительные мощности требуют переосмысления методов проектирования и строительства, используемых при строительстве центров обработки данных, чтобы заинтересованные стороны могли воспользоваться экономией масштаба. По мере распространения продуктов ИИ и изменения моделей предоставления результатов, заинтересованным сторонам в центрах обработки данных необходимо найти правильный баланс между вычислительной мощностью периферийных и облачных вычислений. Этот сдвиг приведёт к фундаментальным изменениям в проектировании и архитектуре, установив новые стандарты для отрасли, не говоря уже о дальнейшем повышении плотности мощности на уровне стойки благодаря новым технологиям микросхем и охлаждения.

О проблемах масштабирования центров обработки данных рассказывает доцент кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянова Наталия Юрьевна:

Поскольку заинтересованные стороны ищут пути увеличения масштаба и эффективности производства в центрах обработки данных, необходимо решить ряд проблем. Одной из таких проблем является обеспечение достаточного электропитания — одно из самых серьёзных препятствий для создания центров обработки данных. Традиционные электросети часто не способны обеспечить работу крупных объектов без масштабной модернизации, а длительные задержки с подключением к сети вынуждают разработчиков искать альтернативные решения, включая газовые турбины, работающие за счётчиком. Эти решения, хотя и многообещающие, сопряжены с рядом сложностей, включая нормативные барьеры и необходимость значительных капиталовложений. По мере роста центров обработки данных потребность в эффективных и масштабируемых системах охлаждения становится всё более острой. Передовые технологии охлаждения, такие как иммерсионное и жидкостное охлаждение, внедряются в центрах обработки данных для управления теплом, выделяемым высокоплотными вычислительными средами. Эти технологии необходимы для обеспечения эффективной работы и долговечности оборудования в крупных центрах обработки данных. Однако технологии охлаждения быстро развиваются и меняются, что усложняет разработчикам выбор способа и времени внедрения этих долговечных технологий охлаждения в проекты центров обработки данных.

О применении принципов бережливого производства для масштабирования центров обработки данных рассказывает Коротеев Михаил Викторович, заведующий кафедрой искусственного интеллекта Финансового университета при Правительстве Российской Федерации:

Для масштабирования центра обработки данных заинтересованным сторонам необходимо сосредоточиться на контроле затрат и повышении производительности, а затем дополнительно снизить затраты, используя подход бережливого производства. Можно применять принципы бережливого производства в трёх системах: технической, управленческой и кадровой. Специализированные технические инструменты и системы могут оптимизировать принятие решений на основе фактов. Например, эти системы позволяют владельцам моделировать этап строительства и использовать цифровые двойники для поддержки вывода объекта на проектную мощность и эксплуатации. Управленческий компонент предполагает, наличие правильной структуры и отделов управления эффективностью как на внутреннем уровне (организация-владелец), так и на внешнем уровне (поставщики, а также компании, занимающиеся проектированием, закупками и строительством), что важно для эффективного и рационального распределения ресурсов и обеспечения подотчётности. Если рассматривать кадровую систему как составляющую данного процесса, то зачастую внедрение успешной системы управления персоналом требует изменения корпоративной культуры: компаниям необходимо внедрять инновационные изменения и преодолевать разобщенность. Создание инновационных ролей на центральном и проектном уровнях (например, группа разработки чертежей) и развитие внутренних возможностей (например, контролеров капитальных затрат) может помочь сформировать правильный настрой для масштабного развития центров обработки данных.