インフラ ソリューション ～のために AI データ センター

クリティカル・パワー

機器の増加とGPU密度の向上に伴い、より多くの電力が必要となります。データの処理量は過去最高水準に達しており、これに伴い、トレーニングや推論のワークロードに起因する演算速度の向上により、ラックあたりの電力需要は12倍に増加しています。電力については、再生可能エネルギーなどのオフグリッド電源の活用を含め、これまでとは異なる視点で検討する必要があります。

ファイバー接続

ラック間接続およびラック内接続の大部分には、光ファイバーが利用されます。適切な光ファイバーアーキテクチャを導入することで、ネットワークの遅延問題を解決し、GPU間通信に完全に集中できるようになります。大規模なAIに必要なクラスター（またはポッド）を構築するためにすべてのGPUを接続するには、光ファイバーケーブルと高速光トランシーバーが必要となります。その一方で、適切なファイバー接続環境を整えておけば、AIモデルの継続的な学習に伴う高速データ転送を、手間なく維持することが可能になります。

冷却

データセンターにおけるAIおよびHPCシステムの増加と、ラックあたりの高い電力消費量により、革新的な冷却手法へのニーズが高まっています。冷却方法としては、一般的な空冷、空気補助式液冷、直接液冷など、いくつかの選択肢があります。  お客様の用途に最適な冷却方法はどれでしょうか？適切な冷却方法を導入していないと、機器の故障、システムのダウンタイム、およびエネルギーコストの増加を招く恐れがあります。

• 当社の「ダイレクト・トゥ・チップ冷却システム」を、貴社の冷却戦略に取り入れてみませんか？

パスウェイ

ケーブル配線は、AIデータセンターのネットワーク管理において重要な要素です。AIクラスターには新たな環境が必要であり、GPUサーバー間ではより高度な接続性が求められるため、重要なネットワーク接続の途絶につながる物理的な損傷を防ぐためには、適切なケーブル管理システムを導入する必要があります。

キャビネット、ラック、および封じ込め装置

データセンターのレイアウト変更に備えるにあたり、高密度化への対応は事業者にとって大きな課題となるでしょう。多くの事業者は、高負荷や奥行きのあるキャビネットに対応するため、「ラック・アンド・スタック」方式を採用する見込みです。高性能なコンピューティングやAIワークロードを支えるためには高密度ラックが必要ですが、その一方で、消費電力への影響は最小限に抑えられます。さらに、専用のコンテインメントソリューションを導入することで、高い電力需要に対応するための冷却戦略の最適化にもつながります。

グレイ・スペース

データセンター環境を再構築する際には、データセンターのグレイスペースのレイアウトがAIインフラとどのように連携するかを再考することが重要になります。ケーブルクレープ、接地および等電位ボンディング、そして安全製品は、運用効率を確保し、電力および冷却の要件を満たす上で重要な役割を果たします。