La sostenibilità è oggi vista come un imperativo strategico aziendale, tanto che il 74% delle aziende considera i fattori ambientali, sociali e di governance (ESG) molto importanti per il valore della propria azienda. Sappiamo che quasi tre organizzazioni su quattro hanno fissato un obiettivo di zero emissioni nette con una data target media del 2044 e che il 50% delle organizzazioni è alla ricerca di prodotti e servizi più efficienti dal punto di vista energetico.
Ostacoli per arrivare allo zero netto
A livello mondiale, si stima che i data center consumino circa il 3% della fornitura elettrica mondiale e rappresentino circa il 2% delle emissioni totali di gas serra. Ma finora solo il 63% della popolazione mondiale è “online” e si prevede che il mercato globale della costruzione di data center raggiungerà i 369,6 miliardi di dollari entro il 2030, con un CAGR del 6,7% nel periodo 2022-2030. Con una tale crescita, il settore IT si trova di fronte a una sfida importante poiché il consumo di energia è destinato ad aumentare, non a diminuire.
Migliorare la stabilità migliorando al tempo stesso l’efficienza dell’IT
I data center utilizzano già enormi quantità di energia, ma le aziende sono alle prese con il potenziale di trasformazione Strumenti di intelligenza artificiale, l’energia aggiuntiva richiesta crea un problema significativo dal punto di vista ambientale. Secondo TechTarget, il consumo totale di un modello AI nell’arco di nove giorni non è stato inferiore a 27.648 kilowattora (kWh). Si tratta della stessa quantità di energia utilizzata da tre famiglie per un anno intero con un solo programma a settimana.
Anche se in passato ci sono state preoccupazioni riguardo al consumo energetico di qualsiasi nuova tecnologia, la potenza di calcolo non è nulla se paragonata alle risorse richieste dall’intelligenza artificiale. Il problema è che l’intelligenza artificiale viene adottata da molti settori diversi, ciascuno con la propria manutenzione e Infrastruttura IT requisiti. Per utilizzare questa tecnologia è necessaria la formazione sull’intelligenza artificiale; un processo altamente iterativo che richiede una notevole potenza di elaborazione.
Poiché molte aziende cercano di ottimizzare il proprio consumo energetico per raggiungere gli obiettivi di sostenibilità, l’intelligenza artificiale rappresenta una sfida. La tecnologia per supportare questo deve essere adeguata a supportare questo livello elevato i dati riciclaggio, ma l’impronta di carbonio associata potrebbe non essere un ripensamento. Con poche aziende disposte a rimanere indietro nella corsa all’intelligenza artificiale, come è possibile soddisfare questi grandi fabbisogni energetici in modo sostenibile?
Direttore delle entrate, CSI LLC
I data center forniscono la potenza di calcolo delle tecnologie AI
Le attività di intelligenza artificiale sono spesso note come “transazioni” tra l’unità di archiviazione della memoria e il processore. Esistono molti problemi di protezione dei dati che impediscono alle organizzazioni di affidare i propri dati al cloud, il che significa che i data center sono molto più affidabili come fonte affidabile. I data center sono diventati molto più efficienti dal punto di vista energetico negli ultimi dieci anni, ma la maggiore potenza di elaborazione dell’intelligenza artificiale avrà un impatto conseguente.
Man mano che le capacità dell’intelligenza artificiale avanzano in sempre più ambiti della nostra vita, non è chiaro quanta energia sarà necessaria per mantenere i data center necessari, ma è probabile che il numero sia sconcertante. Allora come possono aiutare le aziende?
Server ad alta efficienza energetica
Eleggibilità server e la soluzione di archiviazione può fornire risultati efficienti dal punto di vista energetico e ad alte prestazioni per la maggior parte delle attività di intelligenza artificiale. I server IBM Power Systems, da tempo riconosciuti per la loro affidabilità e prestazioni, sono emersi anche come piattaforma ideale per raggiungere obiettivi di sostenibilità. Offrendo le stesse prestazioni per soddisfare i carichi di lavoro odierni, sono stati progettati pensando all’efficienza energetica. Ad esempio, IBM Power E1080 offre il 54% di prestazioni in più e utilizza il 15% di energia in meno alla massima potenza di ingresso rispetto a un server comparabile basato su x86.
Consolidando l’ambiente di rete con i server IBM più recenti, saranno necessari meno server fisici per eseguire più carichi di lavoro contemporaneamente, con conseguente riduzione dei requisiti di alimentazione e raffreddamento. Questo consolidamento non solo fa risparmiare spazio, ma riduce anche l’impronta di carbonio del data center. Per questo motivo, le aziende possono aumentare i tempi di attività e la capacità, lasciando spazio a più carichi di lavoro per la larghezza di banda.
Monitoraggio energetico
La capacità di abbinare la potenza di elaborazione alle richieste del carico di lavoro è un fattore critico per garantire che il tuo spazio IT sia sostenibile dal punto di vista ambientale, garantendo efficienza energetica senza sacrificare le prestazioni durante i periodi di punta. L’adattamento delle prestazioni del server ai carichi di lavoro riduce al minimo il consumo energetico e significa che i server vengono utilizzati in modo più efficiente.
Le più recenti soluzioni di monitoraggio energetico aiutano a riallocare le risorse e a determinare quali carichi di lavoro hanno richieste di energia inferiori durante le ore di punta. Ciò consente all’organizzazione di identificare dove sta sprecando energia e ridurre i consumi. I carichi di lavoro critici riceveranno le risorse di cui hanno bisogno riducendo al contempo l’overprovisioning in altre aree.
Acquisendo informazioni dettagliate sui modelli di consumo energetico, un’organizzazione è molto più attrezzata per pianificare la capacità futura tenendo presente gli obiettivi di sostenibilità. Questi dati sui consumi possono essere utilizzati per tenere traccia dei modelli stagionali di fluttuazione e iniziare a stimare le proiezioni di crescita per ridimensionare il patrimonio IT senza sovrastimarli o sottostimarli.
Smaltimento responsabile e riciclaggio della vecchia tecnologia
Naturalmente, non solo il consumo energetico dovrebbe essere preso in considerazione in qualsiasi investimento tecnologico, ma dipende anche da un’efficace gestione del fine vita. Un’azienda responsabile comprenderà la portata e l’impatto dell’invio in discarica di prodotti scaduti, che ha le sue implicazioni sulle emissioni di carbonio. L’obiettivo dovrebbe essere quello di aumentare la quantità che può essere rivenduta, riutilizzata o riciclata e ridurre la quantità che finisce in discarica o viene incenerita. Ad esempio, nel 2021, IBM ha inviato in discarica solo lo 0,3% delle oltre 18.000 tonnellate di prodotti obsoleti. Ciò ha superato di gran lunga il suo obiettivo di inviare il 3% o meno.
Passando a server ottimizzati dal punto di vista energetico, riduci i requisiti hardware, il che non solo ridurrà il costo totale di proprietà, ma ridurrà anche il denaro destinato alla discarica.
L’impatto delle imprese sull’ambiente
Molte aziende preoccupate per il proprio impatto ambientale possono seguire alcuni passaggi pratici nel passaggio alle funzionalità dell’intelligenza artificiale.
1. Pensa ai casi d’uso dell’IA e al risultato specifico che desideri che raggiungano. Diversi tipi di IA avranno costi di consumo energetico diversi.
2. Non lasciarti trasportare dalla pubblicità dei sistemi avanzati di deep learning che possono fare tutto. Questi sono costosi e utilizzano molti dati, il che significa che hanno un’elevata impronta di carbonio. Adotta invece un approccio mirato basato su quantità di dati molto più piccole.
3. Concentrarsi sulla generazione e sull’analisi di dati di alta qualità, non su quantità elevate, ed eliminare i dati che non saranno più utilizzati o necessari in futuro.
L’ottimizzazione dell’uso dell’energia e il consolidamento dell’infrastruttura di server e storage forniscono una solida base per un patrimonio IT più verde ed efficiente, il che significa che non deve più essere il tallone d’Achille della politica ESG.
