如何提升现有数据中心的能源效率

关键亮点

  • 热传感器能够提供区域级的实时热量与人员分布洞察，从而实现更精准的制冷控制，有效减少能源浪费
  • 将暖通空调(HVAC)系统从静态模式升级为自适应模式，可带来显著的节能效益——尤其是在面对日益增长的AI工作负载需求时。
  • 构建一套由传感器组成的“神经系统”，能够将数据中心转化为响应更敏捷、运行更高效的设施，从而为未来的业务增长提供更有力的支撑。
  • 将暖通空调系统的能耗降低20%至30%，可在不牺牲性能的前提下，大幅降低设施的整体能源需求。
  • 基于实时数据做出决策，有助于设施管理者优化制冷策略、消除局部过热点(Hotspots)，并有效延长设备的整体使用寿命。

数据中心行业正面临着日益严格的能源消耗审查。考虑到 Gartner 预测，在人工智能(AI)的强劲推动下，到 2030 年美国数据中心的用电量将翻一番，这种审查也就不足为奇了。作为进一步的背景补充，Uptime Institute 的报告指出，IT 设备每消耗一个单位的能源，就有额外 0.56 个单位的能源被用于冷却、配电、照明等辅助系统。

与此同时，关于数据中心建设热潮的新闻报道、社区听证会以及网络讨论正层出不穷;这正是为了回应社区居民和公用事业部门提出的尖锐质询——即数据中心建设究竟会对当地社区、基础设施、电网及供水系统产生何种影响。当讨论进一步触及“叫停新建数据中心”这一议题时，这种紧张氛围便会愈发升级。

这些质询固然合情合理，但与此同时，还有一些同样值得深入探讨的平行议题。如果我们能设法提升现有数据中心的能源利用效率，这是否就能为未来更高效的数据中心建设铺平道路，从而避免在城市与社区内部引发分裂与对立?若答案是肯定的，我们又该如何着手实现这一目标?

尽管当前的数据中心在设计上已针对效率进行了优化，但仍存在进一步提升的空间。优化的起点，在于对现有基础设施及其当前的优化配置进行更为细致的审视。

众所周知，暖通空调(HVAC)系统在数据中心总能源消耗中占据了 25% 至 40% 的份额。我们也深知，这些系统的管理模式往往沿袭了数十年前的旧有范式。它们通常依据固定的时间表和静态的设定点运行，且其系统设计往往基于“最坏负载情景”的假设。在过去——即计算工作负载更具可预测性且负载强度远不及当下的时期——这种管理模式确实行之有效。

当然，针对现有数据中心的升级改造工作早已在如火如荼地进行之中。然而，在将数据中心的计算核心从 CPU 升级为 GPU 以应对日益增长的负载需求时，我们必须首先确信：现有的冷却系统完全有能力满足这种升级所带来的散热需求。

重新审视数据中心的冷却策略

在数据中心内部，人工智能(AI)所产生的热负载，其密度更高且波动性更强，远超传统的计算工作负载。这些工作负载在机架与区域之间的分布与转移往往难以预判，这就给管理者带来了一项严峻的挑战：如何精准区分哪些区域正产生着巨大的热量，而哪些区域则处于闲置状态。

为了应对这一局面，暖通空调(HVAC)系统往往被设定为一种“全覆盖”模式——即持续不断地对整个机房环境进行冷却，且其冷却强度始终维持在足以满足“最高负载假设”所需的水平上。这种粗放式的管理模式，导致了数据中心长期处于“过度冷却”的状态，进而造成了严重的能源浪费。

我们深知，“电源使用效率”(PUE)这一指标多年来一直是衡量数据中心能效水平的一项极具参考价值的关键指标。当前面临的挑战在于：尽管我们已具备了实现更优表现的基础设施，但仍需更优质的数据作为行动依据。

这在一定程度上解释了为何基于热感技术的传感器应运而生，并成为一种有助于更好地洞察 GPU 影响力的手段。这类传感器最初源于建筑领域的一项需求——即从生产力、协作效率及能源利用效率的角度出发，更好地了解员工对办公空间的使用状况;如今，它们正为数据中心领域提供更深入的洞察，揭示低效散热所带来的具体影响。

例如，许多大型雇主通过应用热感技术发现，其办公空间内的某些区域在一天中的数小时内处于空置状态，而暖通空调(HVAC)系统却仍在持续为这些区域供冷。

这一问题在数据中心场景下所涉及的利害关系更为重大，因为数据中心的能源消耗成本要高得多，且意外出现“热点”(过热区域)所引发的后果也更为严重。鉴于热感技术在本质上无法识别具体个人身份，这使得将其引入设施管理工作流程变得更加顺畅、易行。

此外，热感技术的匿名特性确保了所获取的洞察是基于真实的人类行为而得出的。反之，如果员工时刻处于被监视的状态下，其行为往往会变得带有“表演”成分，从而削弱了数据的可信度。

尽管如此，无论是办公场所还是数据中心，其在数据获取方面所面临的鸿沟本质上是相同的：即缺乏关于建筑物内部实时动态的、精细至区域层面的数据——无法在事件发生的同时获知其具体细节。若缺失此类信息，设施管理者在制定决策时便只能基于种种假设，而非立足于真实的现实状况。

未来的数据中心

热感传感器通过探测物体表面温度，并将其转化为区域层面的位置、人员占用及活动数据，从而填补了这一数据鸿沟。单个传感器所能提供的信息往往十分有限;然而，若在整个设施范围内部署并互联足够数量的传感器，它们便将汇聚成建筑物不可或缺的“神经系统”——亦可视为其“DNA”。

这使得人们能够实时掌握此前无法获取的热环境状况全景图。基于传感器数据，设施管理人员能够更迅速地响应即时需求，并能在潜在的长期趋势演变为系统故障(宕机)之前便将其识别出来。通过将制冷输出精准匹配至实际需求而非预估需求，该方案可将能源利用效率提升 20% 至 30%。

对于一座成功将暖通空调(HVAC)能耗降低 30% 的设施而言，这意味着其在无需让任何一台服务器下线停机的前提下，便实现了能源需求的显著削减。对于设施管理者、建筑工程师以及数据中心的相关利益方而言，能够有效满足当今数据中心在能源效率方面的各项需求，无疑是至关重要的。随着人工智能(AI)工作负载对能源需求的持续攀升，优化能源利用效率已成为现有及未来数据中心规划中不可或缺的关键环节。