机构名称：
¥ 1.0
摘要：人工智能（AI）工作量的计算需求不断增长，已大大升级了数据中心的能源消耗。AI驱动的应用程序，包括深度学习，自然语言处理和自主系统，都需要实质性的计算能力，主要由图形处理单元提供。这些GPU在提高计算效率的同时，有助于大量的功耗和热量产生，因此需要采取先进的冷却策略。本研究提供了对AI特异性硬件功率使用的定量评估，重点是NVIDIA H100 GPU。该分析将AI数据中心的能源消耗与美国普通家庭用力进行了比较，这表明单个AI机架的消耗大约是典型家庭能量的39倍。此外，一项可伸缩性分析估计，大约87个新的超尺度数据中心消耗了纽约市消耗的电力。这强调，随着AI数据中心的快速增长，大规模的部署可能导致全球能源需求前所未有的增长。此外，该研究还评估了耗散热量对冷却需求的影响，强调了对节能冷却溶液的需求，包括液体和浸入冷却技术。未来的研究方向包括节能AI模型，可再生能源整合，可持续的AI加速器设计以及智能的工作负载优化，以减轻大规模AI采用的环境影响。I.但是，量化AI硬件的功率和冷却需求的研究仍然有限。本研究为设计更可持续的AI驱动数据中心提供了关键见解，同时保持高性能计算效率。关键字：AI数据中心，功耗，耗散耗散，能效，数据中心冷却，GPU计算，城市能源影响，可持续性AI，高性能计算，高尺度基础架构，热量管理，工作负载，优化，碳足迹减少，可再生能源能源整合，可再生能源整合，AI ACELERASTOR，AI ACCELERARSTORSRATOR，AI ACCELERARSTORS。简介人工智能（AI）和机器学习（ML）应用具有重塑行业，需要高性能计算基础架构。AI培训模型的指数增长导致数据中心内能耗的前所未有。根据国际能源机构2023年的一份报告[1]，数据中心占全球电力需求的近1％，预计AI工作量将大大增加这一份额。科技巨头，例如Google，Amazon和Microsoft，正在积极投资于AI特异性芯片并优化数据中心冷却以减轻能源足迹。这项研究提供了对AI特异性硬件（尤其是NVIDIA H100 GPU）中功率使用情况的定量评估，并评估了其对城市能源基础设施的影响。随着AI数据中心的扩展，对电网的影响成为主要问题。本研究的目的是：•比较AI基础设施的电力使用与家庭用电量。•评估AI数据中心的可伸缩性和可持续性。•分析散热和冷却要求。II。II。关键术语的定义A.功率和能量功率（P）：功率是数据中心中的机架或电气设备消耗能量的速率。就像每时刻消耗的能量量
国际科学创新研究杂志
主要关键词
相关文件推荐
