Pe măsură ce centrele de date trec de la experimentarea cu modele AI la producție la scară, provocarea nu mai este doar performanța GPU, ci orchestrarea unei infrastructuri fizice capabile să susțină densități extreme, cu răcire și energie integrate din prima zi. În acest context, Schneider Electric lansează, în parteneriat cu NVIDIA, noi scheme de referință care promit să reducă timpul de proiectare și punere în operare pentru fabricile de AI de generație nouă, inclusiv cele bazate pe rackurile NVL la peste 100 kW per rack, răcite integral cu lichid.

O schemă de referință bine făcută îți dă din start răspunsuri la întrebări critice despre putere disponibilă, trasee hidraulice, redundanțe, limita termică pe rack sau interfațarea cu software-ul de orchestrare a unui întreg campus AI. Gândește-te la o schemă de referință ca la o hartă tehnică end-to-end, care descrie cum pui cap la cap alimentarea electrică a facilității, răcirea la nivel de sală, echipamentele IT și straturile de software care leagă totul într-un ciclu de viață coerent.

Integrarea cu NVIDIA Mission Control – platforma de operare și orchestrare pentru fabrici AI – aduce într-un singur tablou starea clusterelor, alocarea sarcinilor, consumurile și siguranțele operaționale. Practic, datele din infrastructura critică sunt „văzute” de software-ul care îți rutează joburile, astfel încât planificarea să țină cont de limitele reale de energie și termică.

Al doilea design de referință vizează o sală de date cu rackuri până la 142 kW per rack, în special NVIDIA GB300 NVL72, cu documentație pentru patru arii: alimentare a facilității, răcire a facilității, spațiu IT și software de lifecycle. Ai disponibile configurații atât pe ANSI, cât și pe IEC, ceea ce simplifică conformitatea în proiecte multi-regiune.

În proiectele clasice, multe blocaje apar când echipele electrice, mecanice și IT negociază târziu compatibilitățile. Un design de referință îți reduce aceste fricțiuni prin alegeri validate în amonte, de la tipuri de PDU, la trasee de țeavă, la interfețele BMS/DCIM și corelarea lor cu orchestrarea clusterului.

Păstrarea unei infrastructuri fizice eficiente și scalabile este esențială pentru funcționarea eficientă a centrelor de date și a clusterelor AI, astfel încât monitorizarea și optimizarea continuă sunt cruciale pentru a menține performanța și reducerea costurilor energetice.