Тренд · AI-инфраструктура
Машинное обучение и ЦОД: почему AI-стойки требуют 30–100 кВт
GPU-сервер с 8× NVIDIA H100 потребляет 10–15 кВт — одна AI-стойка (4–8 серверов) тянет 40–100 кВт, в 5–15 раз больше классического облака (5–8 кВт). Это другая инженерия: жидкостное охлаждение, усиленное электроснабжение, нагрузка на пол от 1500 кг/м². Заложить запас на AI нужно на этапе концепции.
Коротко
- AI-стойка: 30–100 кВт vs облако 5–8 кВт.
- Охлаждение: жидкостное (DLC, RDHx) при > 20 кВт/стойку.
- Питание: отдельные линии 480V, busway, PDU 60A+.
- Заложить на этапе проекта — переделка ×3–5 по цене.
Плотность: цифры
| Конфигурация | кВт |
|---|---|
| 1× NVIDIA H100 (сервер) | ~700 W (TDP карты) → 3–4 кВт сервер |
| 8× H100 (1U-4U сервер) | 10–15 кВт |
| Стойка 42U (4–8 GPU-серверов) | 40–100 кВт |
| Классическая облачная стойка | 5–8 кВт (коммерческий ЦОД Tier IV — 8 кВт) |
Что ломается в обычном ЦОД
- Охлаждение — CRAC рассчитан на 5–8 кВт/стойку. При 40 кВт воздух не успевает отводить тепло → thermal throttling GPU.
- Электроснабжение — PDU 20–30A не тянет. Нужны 60A+ PDU, busway, возможно 480V.
- Пол — 1000 кг/м² недостаточно для 4× GPU-серверов по 80 кг + ИБП.
- PUE — при air-cooling на high-density PUE растёт до 1,8–2,0.
Решения для AI-ЦОД
- Rear-door heat exchanger (RDHx) — теплообменник на задней двери стойки. До 30 кВт/стойку без жидкости на чипах.
- Direct-to-chip liquid cooling (DLC) — жидкий теплоноситель на GPU/CPU. 50–100 кВт/стойку, PUE 1,1–1,2.
- Immersion cooling — серверы в диэлектрической жидкости. Максимальная плотность, но сложнее обслуживание.
В коммерческом ЦОД Tier IV в Москве мы уже закладывали запас под AI-нагрузку на этапе концепции — переделать охлаждение в работающем зале кратно дороже.
Вывод для заказчика
Если планируете GPU-кластер — сообщите на этапе проектирования. Мы рассчитаем охлаждение, питание и OPEX под целевую плотность.