Az AI adatközpontok újraírják az energiainfrastruktúra tervezésének szabályait. A hagyományos CPU-szerverek állványa valamikor körülbelül 10 kW-ot fogyasztott. Egy teljesen konfigurált NVIDIA GB200 NVL72 rack most nagyjából 120 kW-ot fogyaszt, és a 2026-os ütemtervek már a 600 kW-ot megközelítő rackek felé mutatnak. Ugyanakkor aA Nemzetközi Energiaügynökség várakozásai szerint a globális adatközpontok villamosenergia-igénye több mint kétszeresére, körülbelül 945 TWh-ra nő 2030-ra, ahol a mesterséges intelligencia az egyetlen legnagyobb meghajtó. Az üzemeltetők számára ez áthelyezi az alapvető kérdést. Már nem"van elég teljes kapacitásunk?"de"tud-e az energiaellátási architektúránk tiszta, redundáns és látható energiát szállítani a közüzemi csatlakozástól egészen az egyes nagy-sűrűségű GPU-rackekig?"
Valójában mennyi teljesítményre van szüksége egy AI-racknek?
A „jelentősen nagyobb teljesítmény” nem tervezési szám. Az őszinte válasz az, hogy a mesterséges intelligencia rack teljesítménye a GPU platformtól, a redundancia céljától és a hűtési módszertől függ, de a nyilvános referenciapontok most már elég konkrétak a tervezéshez.
- Általános-célú CPU-rack:körülbelül 12 kW-ig.
- Léghűtésű-H100 osztályú rack:nagyjából 40 kW, a praktikus levegőmennyezet közelében.
- NVIDIA GB200 NVL72:nagyjából 120 kW állványonként, és körülbelül 132 kW teljesen konfigurálva, több táppolcon keresztül, 415–480 V-os háromfázisú betáplálással egy egyenáramú gyűjtősínre.
- Következő generáció (2026-os ütemterv):240–600 kW-ra vetített rack{0}}léptékű rendszerek.
A szövegkörnyezethez, hogy ez mennyire szélsőséges: aAz Uptime Institute 2025-ös globális felmérésenagyjából 9 kW-ra teszi az átlagos állványsűrűséget, és a kezelők több mint 80%-a még mindig nem számol be 30 kW feletti állványról.A kezelők kevesebb mint 1%-a üzemeltet 100 kW feletti állványokat, és azok, amelyek ezt teszik, többnyire hagyományos, nagy teljesítményű{0}}számítástechnikát futtatnak. Más szavakkal, egyetlen GB200-as pod olyasmit kér az épülettől, amit az iparág 99%-a még soha nem tett meg. Ez az űr, nem pedig a nyers megawatt, ahol a legtöbb mesterséges intelligencia energiaprojekt bajba kerül.
Miért törik meg az AI-munkaterhelések a korábbi teljesítményfeltevéseket?
A mesterséges intelligencia képzése, a következtetések levonása és a HPC a gyorsítók, szerverek, tárolók sűrű klasztereitől és egy nehéz hálótól függ.nagy sebességű{0}}szálas hálózat. Ezek a rendszerek nem úgy viselkednek, mint a hagyományos vállalati IT. Hagyományos állványt állandó húzás köré terveztek; A mesterséges intelligencia rack sokkal nagyobb csúcsteljesítményt biztosít, és élesen megingatja a fogyasztást, ahogy a GPU-k együtt haladnak. Amikor több tucat rack teszi ezt meg egyszerre, a hatás elhalad a szekrény mellett, és eléri az elágazó áramköröket, a rack PDU-kat, az elosztó utakat, az UPS modulokat és a hűtőberendezést.
Ezért kell az AI-ready teljesítményt egy végétől-végig{2}}végig rendszerként kezelni. A közüzemi bemenet, a kapcsolóberendezések, az UPS, az elosztás, a busway, a rack PDU, a felügyelet és a hűtés itt nem külön beszerzési tételek. Egyetlen láncból állnak, és a lánc csak annyira telepíthető, amennyire a leggyengébb láncszeme.
A kritikus mesterséges intelligencia adatközpontok teljesítményével kapcsolatos kihívások
1. A rack teljesítménysűrűsége meghaladja a régebbi infrastruktúrát
A leglátványosabb kihívás az, hogy az alapterület és az elektromos kapacitás már nincs összhangban. Egy szekrényenként 8–10 kW teljesítményű helyiségben nem lehet 120 kW-os állványt helyezni csak azért, mert a csempe üres.
Mit jelent ez a gyakorlatban:utólagos felszerelésnél az első fal ritkán összközműves kapacitás. Ez az elágazó-áramkörök száma, a buszpálya kapacitása, a padlóterhelés (a GB200 osztályú rack meghaladja az 1300 kg-ot), vagy egyszerűen csak az ajtók és a folyosók távolsága. Sok helyiségből kifogy a szállítható erősítő szekrényenként, és elfogy a szerkezeti belmagasság, jóval azelőtt, hogy a csarnokban elfogyna a megawatt. Tervezze meg a kapacitást mind a rack, mind a fürt szintjén, és ellenőrizze, hogy hány használható ampert tud ténylegesen leszállni az egyes szekrényekre.
2. Dinamikus GPU terhelés stressz UPS átmeneti válasz
Az AI terhelések burst és szinkronizáltak. A kollektív összes{1}}csökkentési lépés vagy az ellenőrzőpont írása ezredmásodpercek alatt több tíz százalékkal elmozdíthatja a fürt húzását, majd ismét eldobhatja.
Mit jelent ez a gyakorlatban:dupla-konverziós UPS-en ezek a kilengések terhelési lépésként jelennek meg, amelyet az inverternek és a statikus bypassnak tisztán kell áthaladnia. Az összehangolt megszakítók megzavarhatják-a felfutást, és megölhetik a több-napos edzést; A rosszul megosztott párhuzamos UPS-modulok megküzdhetnek egymással a tranziens során. Határozza meg az UPS-t és a védelmet a gyors terhelési lépésekhez, és ellenőrizze a megszakító koordinációját a valós terhelési profilhoz, nem pedig az adattábla átlagához. A helyszíni akkumulátortárolót egyre gyakrabban használják kifejezetten ezeknek a kilengéseknek az elnyelésére a létesítményben.
3. Nagy-sűrűségű energiaelosztás GPU-rackekhez
A statikus vállalati terheléseknél működő rögzített terjesztési útvonal ritkán támogatja a sűrű GPU-sorokat, a fokozatos növekedést és az A/B redundáns feedeket egyszerre.
Mit jelent ez a gyakorlatban:A/B feedeknél az igazi teszt a feladatátvételi eset. Amikor az egyik út leesik, a túlélő útnak el kell viselnie a teljes rack-terhelést anélkül, hogy túllépné a megszakítóit vagy kiéheztetné a szomszédos szekrényeket. Az egyes betáplálások N kapacitásra történő méretezése a redundáns terhelés helyett gyakori és költséges hiba. A felső buszút gyakran megkönnyíti a kapacitás növelését vagy áthelyezését, mint a rögzített ostorok, de a megfelelő választás a sűrűségtől, a helyiség elrendezésétől és a karbantartási stratégiától függ.
Az elosztás az is, ahol a kábelezés versenyez az áramellátással ugyanazon tálcákért és vezetékekért. Egyetlen 120 kW-os pod több száz szálas csatlakozást zár le a levél- és gerinckapcsolókhoz, és ez a szál megosztja az útvonal- és légáramlási útvonalakat az áramellátással. Sűrű sorokban,MPO/MTP törzskábelezéskezelhetővé teszi a csatlakozások számát és tömegét, így nem akadályozza a légáramlást vagy a szolgáltatáshoz való hozzáférést. Az elérés is számít: a rövid GPU-ról-a lapra mutató linkek általában több módban futnak, míg a gerinc és a campus linkjeiszimpla{0}}módusú (OS2) optikai szála hosszabb távokhoz.
4. Az áramminőség üzletmenet-folytonossági kérdéssé válik
A mesterséges intelligencia létesítményekben az energia minősége nem csak elektromos probléma. Közvetlenül befolyásolja az üzemidőt, a hardver élettartamát, és azt, hogy az edzés túlél-e.
Mit jelent ez a gyakorlatban:nagy-csúcs-tényezős kapcsoló-mód terhelések és a kiegyensúlyozatlan egy-fázisú leágazás-kikapcsolja a semleges áramokat, a harmonikus torzítást és a fáziskiegyensúlyozatlanságot. Figyelmen kívül hagyva az egyensúlyhiány általában először felforrósodott kapcsolatként vagy megakadt ágként jelenik meg, nem pedig a rendezett műszerfal figyelmeztetéseként. Mivel az informatika drága és a kimaradások költségesek, folyamatosan figyelje az áramminőséget, és ne várja meg, amíg egy megszakító megtalálja a problémát.
5. Az áramellátást és a hűtést együtt kell megtervezni
Az IT-nek szállított minden watt hővé válik, amelyet el kell távolítani. Körülbelül 30 kW/rack felett a léghűtés már nem életképes, ezért a közvetlen-chip-folyadékhűtés ma már alapfelszereltség a GB200 osztályú rendszerekben.Az ASHRAE TC 9.9 bizottságanagy -sűrűségi (H1) osztályt adott a termikus irányelveihez, és 2024-ben műszaki közleményt adott ki a folyadékhűtés rugalmasságáról, amely kiterjed a hűtőfolyadék-elosztó egység (CDU) elhatárolására, a hirtelen terhelésváltozások hőtehetetlenségére és a tranziens modellezésre.
Mit jelent ez a gyakorlatban:A hideglemezek a GPU-hő nagy részét a CDU-ra szállítják, de a rack-terhelés 10–20%-a (memória, hálózati kártyák, optika, áramátalakítás) léghűtve maradhat, így a helyiségnek továbbra is szellőzésre van szüksége. A CDU elhelyezését, a hűtőfolyadék betáplálási hőmérsékletét (általában 25–45 fok körül), az áramlási egyensúlyt és a szivárgás{6}}észlelési útvonalat még a rack megérkezése előtt rendezni kell. A ventilátor-az egyes kapcsolókból a szerverekre - aMPO/MTP áttörési kábelezésA(z) - elemet szándékosan kell elvezetni, hogy soha ne kerüljön abba az útba, amelytől a hűtés függ.
Ne hagyja jóvá a teljesítménykapacitást a hővisszautasítás érvényesítése nélkül. A terhelést eltávolítani nem tudó hűtés az egyetlen leggyakoribb ok, amiért a nagy-sűrűségű energiateljesítmény megakad és használhatatlanná válik.
6. A korlátozott láthatóság kockázatossá teszi a kapacitástervezést
A szoba-szintű vagy UPS-szintű figyelése pontosan azt rejti el, ami egy mesterséges intelligencia csarnokában számít:-fázisonkénti kiegyensúlyozatlanságot, lokalizált túlterhelést, rack-szint-csúcsokat, elágazó-áramköri korlátokat, csökkent redundancia és átfutott kapacitás.
Mit jelent ez a gyakorlatban:Az intelligens rack PDU-k -kimenetenkénti méréssel, elágazó-áramkör-felügyelettel, UPS-telemetriával és DCIM-integrációval lehetővé teszik, hogy egy csapat valós időben válaszoljon három kérdésre -, hogy mekkora kapacitás van jelenleg kihasználva, hol a kockázat, és mennyi további mesterséges intelligencia terhelést lehet biztonságosan hozzáadni. E részletesség nélkül a kapacitástervezés csak találgatás, és a probléma első jele egy utazás.
7. Skálázhatóság és rács korlátai Lassú mesterséges intelligencia bevezetése
A mesterséges intelligencia növekedése ma már meghaladja a hagyományos tervezési ciklusokat. Még az alapterület ellenére is előfordulhat, hogy a telephelyen hiányzik a közmű, az UPS, az elosztó vagy a hűtési kapacitás a következő GPU-generációhoz. Adatközponti igényekkelévi 15-17%-kal emelkedik, a korlátozott piacokon a közművek összekapcsolásának átfutási ideje több évre nyúlt vissza, ezért egyes fejlesztők a webhelyek generálása és az akkumulátor tárolása felé fordulnak.
Mit jelent ez a gyakorlatban:Az egyetlen hardvergenerációs - moduláris szünetmentes tápegység, bővíthető elosztás, busway-alapú kapacitásbővítések, szabványos rack-tápblokkok, valamint egyértelmű redundancia- és triggerpontok helyett fokozatos növekedést biztosít. A cél a használható, telepíthető, idővel karbantartható kapacitás, nem pedig a lehető legnagyobb -napi rendszer.
Hagyományos kontra AI Data Center Power Design
| Terület | Hagyományos adatközpont | AI adatközpont |
|---|---|---|
| Rack sűrűsége | Mérsékelt, kiszámítható (gyakran 10 kW alatt) | Magas és gyorsan emelkedő (100 kW+ állványonként lehetséges) |
| Terhelési viselkedés | Viszonylag stabil | Dinamikus, robbanásszerű, szinkronizált |
| Tervezési modell | szoba-szint vagy sor-szint | Rack-szint és fürt-szint |
| UPS prioritás | Kapacitás és tartalék futási idő | Kapacitás, redundancia és átmeneti válasz |
| Elosztás | Fix vagy lassú{0}}módosítás | Rugalmas és bővítésre{0}}kész |
| Monitoring | Szoba, UPS vagy rack szint | Rendszer-, ág-, fázis-, állvány- és kimeneti szint |
| Hűsítő kapcsolat | Gyakran külön tervezik | Kezdettől fogva a hatalommal összehangolva; gyakori a folyadékhűtés |
| Fő kockázat | Nem elegendő a teljes kapacitás | Megakadt kapacitás, túlterhelés, instabilitás, termikus határértékek |
Energiaellátási infrastruktúra tervezése nagy{0}}sűrűségű AI-állványokhoz
1. lépés: Határozza meg a rack-szintet és a fürt-szintű keresletet
Kezdje a munkaterheléssel és a hardvertervvel. Becsülje meg az egyes rackek, fürtök és minden egyes telepítési fázis húzását, beleértve a GPU-kat, szervereket, hálózatot, tárolást és rack-szintű tápegységet. Használjon reális növekedési feltételezéseket - Az AI-hardver gyorsan átfordul, így az első nap-a terhelés rossz tervezési cél.
2. lépés: Ellenőrizze az upstream kapacitást és a redundanciát
Járja be a teljes utat: közüzemi szolgáltatások, kapcsolóberendezések, transzformátorok, UPS, elosztópanelek, buszok vagy kábelek, rack PDU-k, elágazó áramkörök és A/B betáplálások. Győződjön meg arról, hogy a rendszer támogatja a várt terhelést és a redundancia szintjét is karbantartás vagy hiba esetén, nem csak normál üzemmódban.
3. lépés: A UPS-architektúra és az AI terhelési viselkedés összehangolása
Tekintse meg a teljes kW-ot. Értékelje az átmeneti választ, a méretezhetőséget, a redundanciát (N+1 vagy 2N), a részleges-terhelési hatékonyságot, az akkumulátor üzemidejét, a párhuzamos működést és a felügyeletet. A moduláris UPS akkor hasznos, ha a fürt szakaszosan bővül, mivel az első napon túlméretezés nélkül növeli a kapacitást.
4. lépés: Válassza a Rugalmas energiaelosztás lehetőséget
A nagy-sűrűségű sorok általában nagyobb rugalmasságot igényelnek, mint a statikus panelek-és-ostorok. Hasonlítsa össze a hagyományos panelelosztást, a felső buszjáratot, a nagy-sűrűségű rack PDU-kat, a kettős betáplálást és az intelligens mérést. Egy új mesterséges intelligencia csarnok gyakran indokolja a buszpálya méretét a jövőbeni sűrűség érdekében; az utólagos felszerelés a meglévő panelekre korlátozódhat.
5. lépés: Koordinálja az áramellátást és a hűtést a telepítés előtt
Érvényesítse a hűtési technológiát, a légáramlási útvonalat, a folyadékhűtési követelményeket, a CDU elhelyezkedését, a hűtőfolyadék hőmérsékletét és áramlását, a padlóterhelést, a szolgáltatáshoz való hozzáférést és a szivárgásérzékelést az állványok felszerelése előtt. Ezzel elkerülhető az a klasszikus hiba, hogy elegendő elektromos kapacitással rendelkezik, de nem tudja teljes terhelésen működtetni az állványt.
6. lépés: Építsd meg a fokozatos bővítést
Kezelje az energiarendszert útitervként. Határozza meg az első-napi kapacitást, a bővítési kapacitást, az UPS- vagy az elosztási frissítések trigger pontjait, a figyelési küszöbértékeket, a redundanciakövetelményeket és a költségvetési szakaszokat, így a tervezés, az üzemeltetés és a beszerzés egy tervben osztozik.
AI Data Center energiatervezési ellenőrzőlista
| Réteg | Mit kell megerősíteni | Gyakori hibapont |
|---|---|---|
| Közmű és kapcsolóberendezések | Megerősített összekapcsolási kapacitás és reális bekapcsolási dátum | Több-éves átfutási idő a korlátozott piacokon |
| UPS | kW-magasság, tranziens válasz, redundancia, részleges-terhelési hatékonyság | Állandó állapothoz méretezve, nem ezredmásodperces terhelési lépésekre |
| Elosztás | Busway/PDU ampacity; A/B feedek a feladatátvételi esethez méretezetten | Mindegyik feed N-re van méretezve a teljes redundáns terhelés helyett |
| Rack PDU | -Kimenetenkénti mérés, helyes dugó és megszakító névleges érték, fázisegyensúly | Ág túlterhelés, mielőtt a szekrény fizikailag megtelik |
| Hűtés | DLC/CDU kapacitás, hűtőfolyadék hőmérséklet és áramlás, maradék levegő terhelés, szivárgásérzékelés | Teljesítmény jóváhagyva a hő visszautasítása nélkül |
| Kábelezés | A szálas törzs és a kitörési útvonalat távol tartják a légáramlástól; a szolgáltatáshoz való hozzáférés megőrizve | A kábeltorlódás akadályozza a légáramlást és a karbantartást |
| Monitoring | A rendszer, az ág, a fázis, a rack és a kimenet láthatósága; DCIM integráció | Megakadt kapacitás és kiegyensúlyozatlanság egy utazásig láthatatlan |
| Szerkezeti | Padlórakodás 1300 kg+ állványokhoz; ajtó- és folyosótávolság | Az állvány fizikailag nem tud belépni és nem támogatható |
Mire kell figyelni az AI-Ready Power Solutions szolgáltatásban
Moduláris UPS.Megéri, ha a telepítés szakaszosan nő; növeli a kapacitást és leegyszerűsíti a karbantartást anélkül, hogy az első napon fizetni kellene a fel nem használt kW-ért.
Nagy-sűrűségű eloszlás.A Busway vagy más rugalmas rendszerek megtérülnek a gyorsan{0}}változó sorokban, ahol az állványokat hozzáadják vagy áthelyezik, és ahol a kettős adagolás és a biztonságos karbantartás fontos.
Intelligens rack PDU.Az -kimenetenkénti vagy-állványonkénti láthatóság lehetővé teszi a csapatok számára, hogy észleljék az egyensúlyhiányt, megelőzzék a túlterhelést, és pontosan megtervezzék a kapacitást. Ez az a réteg, amelyet leggyakrabban-meghatároznak az AI buildekben.
Áramminőség figyelés.Nézze meg a feszültség, az áram, a teljesítménytényező, a harmonikusok, a fázisegyensúly és a terhelési trendek láthatóságát, hogy a problémák még azelőtt megjelenjenek, mielőtt kimaradásokká válnának.
DCIM integráció.A teljesítményadatok összekapcsolása a hőadatokkal és a rack-kihasználtsággal az, ami a monitorozást kapacitástervezéssé változtatja. Ha a hálózatépítés ugyanannak a felépítésnek a része, egy mérnökéMTP vs MPO kiválasztási útmutatósegít megőrizni a rack üvegszálas oldalát éppolyan tudatosan, mint a teljesítmény oldalát.
Gyakori hibák, amelyeket el kell kerülni
- Tervezés csak a létesítmény teljes kapacitására.Egy webhelynek elegendő megawattja lehet, és még mindig meghibásodik. Ellenőrizze a rack-szint és a fiók{2}}szintű korlátokat.
- A hűtés későbbi döntésként való kezelése.Az áramellátás után tervezett hűtés a kapacitás leállásának fő oka.
- A dinamikus terhelési viselkedés figyelmen kívül hagyása.A tranziens válaszreakciót és az energiaminőséget figyelembe vevő kialakítás, nem átlagos terhelés.
- A -figyelés megadása alatt.A korlátozott láthatóság lassú hibaelhárítást és megbízhatatlan kapacitástervezést jelent.
- Merev építészet felépítése.Az AI hardver hónapok alatt fejlődik; a rögzített kialakítás szűk keresztmetszetté válik, mielőtt a létesítmény eléri az élettartam végét.
GYIK
K: Mennyi teljesítményre van szüksége egy mesterséges intelligencia állványnak?
V: Platformtól függ, de a referenciapontok konkrétak: egy általános -célú CPU-rack körülbelül 12 kW-ig, egy léghűtéses H100-osztályú rack körülbelül 40 kW-ig, egy teljesen konfigurált NVIDIA GB200 NVL72 pedig nagyjából 120–132 kW-ig teljesít. A 2026-os ütemterv rackenként 240–600 kW felé mutat.
K: Támogathatják a meglévő adatközpontok az AI-állványokat?
V: Néhányan megtehetik, de sokuknak frissítésre van szükségük. A korlátozó tényező általában a rack teljesítménye, az UPS kapacitása, az elosztás, a hűtés, a padlóterhelés vagy a felügyelet -, nem pedig a létesítmény teljes teljesítménye. Az üzembe helyezés előtt teljes teljesítmény- és hűtésértékelés szükséges.
K: Az AI-adatközpontoknak mindig szükségük van folyadékhűtésre?
V: Nem mindig. Az alacsonyabb-sűrűségű mesterséges intelligencia telepítései továbbra is használhatják az optimalizált léghűtést. Körülbelül 30 kW/rack felett a léghűtés már nem életképes, ezért a GB200{5}}osztályú rendszerek közvetlen-folyadékhűtést alkalmaznak, jellemzően CDU-val és 25–45 fokos létesítményvízzel.
K: Miért befolyásolják az AI-munkaterhelések az energia stabilitását?
V: A mesterséges intelligencia képzése a GPU-k nagy csoportjait szinkronizálja, amelyek együtt száguldanak fel és le, amikor a feladatok elindulnak, ellenőrzik vagy váltanak fázist. Ezek az összehangolt kilengések gyors áramtranzienseket hoznak létre, amelyek megterhelik az UPS-rendszereket, a PDU-kat és az upstream elosztást.
K: Melyik UPS a legjobb AI adatközpontokhoz?
V: Nincs egyetlen válasz, de az AI terheléseknél a döntő tényezők a tranziens válasz, a skálázhatóság, a redundancia és a részleges -terhelési hatékonyság, nem pedig a teljes kW. A moduláris szünetmentes tápegység megfelel a szakaszos fürtöknek, mivel a kapacitás növelhető a telepítés növekedésével.
K: Hogyan kerülheti el az áramkimaradást?
V: A tápellátás jóváhagyása előtt ellenőrizze a hűtést, ellenőrizze az elágazó-áramkört és a PDU-kapacitást minden racknél, és figyelje az elágazás, a fázis, a rack és a kimenet szintjén. A legtöbb megszakadt kapacitás a hűtésből származik, amely nem tudja elvezetni a hőt, vagy az elágazás határaiból, amelyek szemcsés adagolás nélkül láthatatlanok.
K: Mi a szerepe az intelligens rack PDU-knak az AI adatközpontokban?
V: Az intelligens rack PDU-k rack{0}}szintű és kimeneti-szintű láthatóságot biztosítanak, ami lehetővé teszi a csapatok számára a terhelés nyomon követését, a fáziskiegyensúlyozatlanság észlelését, a túlterhelés megelőzését és a kapacitás pontos tervezését. Nagy-sűrűségű környezetben ez a részletesség teszi lehetővé a biztonságos bővítést.
K: Mi az AI{0}}kész teljesítményű architektúra?
V: Ez egy méretezhető, felügyelt, redundáns rendszer, amely megbízható energiát szállít a közüzemi forrásból a nagy{0}}sűrűségű GPU-rackekbe. Jellemzően a megfelelő UPS-kapacitást és tranziens reakciót, rugalmas elosztást, intelligens PDU-kat, áramminőség-felügyeletet és a kezdettől fogva az áramellátással összehangolt hűtést egyesíti.
Utolsó elvitel
Az AI-adatközpont energiaellátásának tervezése nem az elektromos kapacitás növeléséről szól. Arról szól, hogy használható energiát - biztonságosan, láthatóan és megbízhatóan - szállítsunk olyan rackekhez, amelyek több mint tízszer annyit tudnak felvenni, mint a régi infrastruktúra. Tervezz a hálózattól a rackig, koordináld a teljesítményt a hűtéssel, figyelj a fiókok és a konnektorok szintjén, és tervezd meg a következő GPU-generációt a jelenlegi helyett. Üzembe helyezés előtt együtt mérje fel az állványsűrűséget, az elosztási útvonalakat, az UPS tranziens teljesítményét, az áramminőséget, a felügyeletet és a hűtést. Az így megépített villamosenergia-rendszer többet tesz, mint a kimaradások megelőzését; lehetővé teszi az AI-infrastruktúra ütemterv szerinti méretezését ahelyett, hogy az első szűk keresztmetszetnél megakadna.
