Issue link: https://trendsintech-japan.mouser.com/i/1540382
電源および予備電源を供給すること ができます。水素エネルギーは現 在、従来のエネルギー源とコスト 面で競争力はありませんが、水素 生産への投資により、この技術は ゼロエミッションの代替手段を求 めるデータセンターにとって現実的 な選択肢となる可能性があります。 解決策 2：エネルギー効 率と冷却技術の革新 エネルギー消費の増加は避けられ ないかもしれませんが、データセン ターには電力消費を抑制する方法 があります。データセンターは、高 度な冷却システム、高効率サーバ ー、エネルギー管理ソフトウェアな ど、エネルギー効率の向上を図る ソリューションに投資しています。 データセンターのエネルギー消費 の最大40%は冷却に費やされてお り、 10 冷却技術の改善は大きな違いを もたらします。例えば、液体冷却は 大きな可能性を秘めています。ある 研究では、液体冷却を完全に導入す ることで、従来の空気冷却と比較して 施設全体の電力消費量を18.1%、デー タセンターの総電力消費量を10.2% 削減できることが示されています。 11 有望なアプローチのひとつが、二 相液体冷却です。この技術は、液 体が気体に変化する際に熱を吸収 してデータセンターのコンポーネ ントを冷却します。エネルギー消 費を最小限に抑えながら、高熱負 荷を効率的に管理する方法です。 米国エネルギー省は、以下のも のを含む、これらの革新的な冷 却プロジェクトのいくつかに 資金を提供しています。 12 • NVIDIAのモジュール式データセン ター設計は、チップ直接冷却、ポン プ式二相冷却、単相液浸冷却を組み 合わせています。 • インテルは、新しい冷媒混合液を 使用した 2 相冷却システムを開発し ています。 二相冷却が一般的になるには、い くつかの課題に対処する必要があ ります。この技術には特殊な誘電 体流体が必要であり、一部の候補 冷媒は環境問題を引き起こすおそ れがあります。 13 また、これらの システムを導入するには、既存の インフラストラクチャに大幅な変 更が必要になる場合があります。 ハードウェアの進歩も貢献してい ます。業界大手の NVIDIA の最新グ ラフィックプロセッシングユニット （GPU）である Blackwell は、従来モ デルに比べて 30 倍の性能と 25 分の 1 の消費電力を実現しています。 14 最後に、データセンターインフラス トラクチャ管理（DCIM）ソフトウェ アは、運用を最適化するために不可欠 です。電力使用量や環境条件をリアル タイムで監視し、オペレーターが非 効率な部分を迅速に特定して対処す るのに役立ちます。たとえば、DCIM ソフトウェアは、負荷がかかっていな いにもかかわらず電力を消費してい る「ゴーストサーバー」を特定するこ とができます。また、このツールは、 より効率的なデータセンターの計画、 サーバーの負荷予測、ホット/コール ドアイルの封じ込めなどの手法の導 入を簡素化するのにも役立ちます。 解決策 3：電力最適化のた めのデマンドレスポンスプロ グラム、AI、および自動化 効率の向上に加え、データセンター は AI や需要応答プログラムを活用 して、エネルギー消費の管理にま すます積極的に取り組んでいます。 デマンドレスポンスプログラムは、 エネルギーの可用性を確保するため の政策ベースのアプローチを提供 します。これらのプログラムは、時 間と場所のシフトを利用して電力需 要のバランスを取り、特にピーク時 の需要を調整し、電力網の安定性を 確保します。例えば、カーボン意 識の高いモデルを活用するデータ センターは、カーボン強度が低い他 の地域にワークロードをシフトする ことができます。需要応答プログラ ムは、低排出エネルギーのエネルギ ーコストを最大 34% 削減すること ができます。例えば、Google は現 在、電力消費量の 64% をカーボンフ リーエネルギーで賄っています。 15 もちろん、AI はすでに電力の最適化 にも活用されています。AI による温 度調節は、データセンターのエネル ギー消費の問題を解決するソリュー ションのひとつです。このシステム は、AI、センサ、アルゴリズムを使 用して、熱を監視し、冷却をリアル タイムで調整します。AI は、機器の 使用状況、気象条件、その他の要因 に基づいて温度変動を予測すること を目的としています。この方法によ り、過冷却を回避してエネルギーを節 約し、冷却機器の摩耗を低減します。 環境問題と持続可能なAIの実践 データセンターのエネルギー利 用可能性の向上は AI の将来にと って重要ですが、これが環境に 与える影響は避けられません。 AI のエネルギー消費はすでに十分に 観察されています。高度な GPU の 製造、データセンター建設のための 土地の開墾、AI モデルのトレーニ ングと推論のための電力供給、そ して電力生成のために消費される天 然資源と排出される温室効果ガス は、すべて環境に影響を与えてい ます。これは、排出物が放出される 地域社会への社会的影響について はまったく考慮されていません。 これらの環境問題の多くは、次 のような持続可能な AI の実践 の開発につながっています。 • カーボンオフセットプログラム： 企業が、炭素排出量の削減、防止、 または隔離を行うプロジェクトから 19 |