Schneider Electric en ETAP maken energiebehoeften van AI-fabrieken inzichtelijk via Digital Twin

De Digital Twin combineert data uit mechanische, thermische, netwerk- en elektrische systemen om de werking van een AI-fabriek te simuleren. Via hun samenwerking willen Schneider Electric en ETAP het ontwerp en de werking van AI-fabrieken te verbeteren door meer inzicht en controle te bieden over de elektrische systemen en stroomvereisten. Dit moet onder meer de efficiëntie, betrouwbaarheid en duurzaamheid verbeteren.

Virtuele replica van de elektrische infrastructuur

Voorheen waren alleen eenvoudige visualisaties van elektrische systemen mogelijk. Door de integratie van ETAP- en NVIDIA Omniverse-technologieën kan nu een AI Factory Digital Twin worden gecreëerd waarin meerdere dynamische systemen naadloos samenwerken. ETAP's modelleringstechnologie creëert een virtuele replica van de elektrische infrastructuur van een datacenter en verrijkt deze met realtime data, geavanceerde analyses en waardevolle inzichten. Intelligente algoritmen analyseren en voorspellen stroomverbruik- en distributiepatronen. Dit maakt diverse inzichten mogelijk:

• Ontwerp en simulatie van elektrische systemen
• Dynamische "What if" scenario-analyse
• Realtime prestatiebewaking van de elektrische infrastructuur
• Optimalisatie van energie-efficiëntie
• Voorspellend onderhoud en beoordeling van systeembetrouwbaarheid
• Infrastructuurbehoeften op basis van stroomverbruik, wat kan bijdragen aan lagere totale eigendomskosten

AI-workloads zorgen voor hoger stroomverbruik

AI-workloads zorgen voor een aanzienlijke toename in het stroomverbruik van datacenters, van grootschalige trainingsclusters tot edge-inferentieservers. In tegenstelling tot traditionele computertaken vereisen AI-opdrachten, vooral modeltraining en complexe inferentieprocessen, enorme rekenkracht, wat resulteert in een hogere vermogensdichtheid per rack. Nu AI steeds vaker wordt toegepast moeten startups, ondernemingen, colocatieproviders en internetgiganten het ontwerp en beheer van datacenters opnieuw bekijken om te voldoen aan de groeiende behoefte aan energie-efficiëntie.

ETAP en NVIDIA bieden een "Grid to Chip"-benadering voor het aanpakken van de uitdagingen van energiebeheer, prestatie-optimalisatie en energie-efficiëntie in het AI-tijdperk. Momenteel kunnen datacenterbeheerders slechts een schatting maken van het gemiddelde stroomverbruik op rackniveau. De nieuwe Digital Twin van ETAP richt zich op het nauwkeuriger modelleren van dynamische belasting op chipniveau, waardoor het ontwerp van stroomsystemen wordt verbeterd en de energie-efficiëntie wordt geoptimaliseerd.

'Belang van nauwkeurig energiebeheer neemt toe'

"Naarmate AI-workloads complexer en grootschaliger worden, is nauwkeurig energiebeheer van cruciaal belang om efficiëntie, betrouwbaarheid en duurzaamheid te garanderen", zegt Dion Harris, Senior Director HPC en AI Factory Solutions bij NVIDIA. "Dankzij onze samenwerking met ETAP en Schneider Electric krijgen datacenterbeheerders ongeëvenaarde inzichten en controle over de energiedynamiek. Dit stelt hen in staat hun infrastructuur te optimaliseren, de inzet van AI te versnellen en tegelijkertijd de operationele veerkracht te versterken."

"Deze samenwerking vertegenwoordigt meer dan alleen een technologische oplossing," zegt Tanuj Khandelwal, CEO van ETAP. "Wij heroverwegen fundamenteel hoe datacenters worden ontworpen, beheerd en geoptimaliseerd in het AI-tijdperk. Door elektrotechniek te verbinden met geavanceerde virtualisatie- en AI-technologieën, creëren we een nieuw paradigma voor infrastructuurbeheer."

Pankaj Sharma, Executive Vice President voor Datacenters, Networks & Services bij Schneider Electric voegt hieraan toe: "Samenwerking, snelheid en innovatie vormen de kern van de transformatie van digitale infrastructuur die nodig is om AI-workloads te ondersteunen. ETAP, Schneider Electric en NVIDIA gaan verder dan alleen het verbeteren van datacentertechnologie – ze stellen bedrijven in staat hun operaties te optimaliseren en moeiteloos te navigeren door de stroomvereisten van AI."