Pada tahun 2027, ukuran pasar pusat data ramah lingkungan akan meningkat sekitar $147 miliar
Dengan pesatnya perkembangan kecerdasan buatan generatif, seperti ChatGPT yang populer, permintaan akan daya komputasi di pusat data pun melonjak. Aplikasi kecerdasan buatan membaca data dalam jumlah besar dan mengonsumsi lebih banyak listrik dibandingkan perangkat lunak tradisional. GPU yang digunakan untuk melatih model AI generatif memiliki konsumsi daya yang tinggi dan juga memerlukan energi pendinginan tambahan.
Menurut perkiraan, dalam hal data makro, kecerdasan buatan mungkin menyumbang 3% hingga 4% dari permintaan listrik global pada tahun 2030. Karena lonjakan server kecerdasan buatan, konsumsi daya di pusat data telah meningkat secara signifikan. McKinsey memperkirakan pada tahun 2030, konsumsi listrik di pusat data akan meningkat dua kali lipat.
Peningkatan konsumsi dan biaya listrik merupakan faktor kunci yang mendorong pertumbuhan pasar. Konsumsi energi pusat data sangat tinggi, dan dengan meningkatnya permintaan akan aplikasi yang lebih bertenaga seperti kendaraan otonom, media streaming, dan 5G, konsumsi energi pusat data dapat tumbuh secara eksponensial, dan memerlukan banyak daya untuk memasoknya. peralatan yang berbeda.
Untuk mengatasi tantangan permintaan energi yang sangat besar di pusat data, berbagai langkah perlu diambil, termasuk perangkat keras hemat energi, solusi pendinginan inovatif, energi ramah lingkungan, dan strategi pembangunan berkelanjutan yang lebih luas.
Penggunaan chip hemat energi merupakan landasan peningkatan efisiensi energi di pusat data. Chip hemat energi memiliki arsitektur canggih dan fungsi manajemen daya, yang memainkan peran penting dalam meminimalkan konsumsi daya perangkat keras pusat data. Chip ini dapat mengalokasikan dan memanfaatkan sumber daya perangkat keras secara lebih efektif, sehingga meningkatkan kinerja per watt. Misalnya, dibandingkan dengan prosesor Intel Xeon generasi sebelumnya, Xeon generasi keempat meningkatkan efisiensi kinerja rata-rata per watt untuk beban kerja target sebesar 2,9 kali lipat saat menggunakan akselerator internal. Pada tahun 2022, efisiensi energi chip AI GPU H100 Nvidia hampir dua kali lipat dibandingkan produk A100 generasi sebelumnya.
Selain itu, langkah efektif lainnya untuk mengurangi konsumsi energi di pusat data adalah dengan mengadopsi solusi pendinginan yang lebih efisien dalam skala besar, mengurangi proporsi konsumsi energi pendinginan, dan indikator utamanya adalah "Efisiensi Penggunaan Daya" (PUE). Dalam dekade terakhir, meskipun terjadi peningkatan 6-kali lipat dalam output komputasi dan peningkatan 25-kali lipat dalam kapasitas penyimpanan, penggunaan energi pusat data global hanya meningkat sebesar 6% dari tahun 2006 hingga 2018. Efisiensi yang signifikan ini Peningkatan ini disebabkan oleh penurunan PUE.
Menurut perkiraan, pasar pusat data ramah lingkungan diperkirakan akan meningkat sebesar $146,95 miliar antara tahun 2022 dan 2027, dengan tingkat pertumbuhan tahunan gabungan sebesar 24,63%. Dengan meningkatnya penerapan pendingin cair (terutama DLC pendingin cair langsung) dalam skala besar, PUE pusat data yang memasuki era pendingin cair akan berada di bawah 1,3. Teknologi pendingin cair tidak hanya dapat meningkatkan efisiensi pendinginan pusat data secara keseluruhan, tetapi juga memenuhi kebutuhan pendinginan chip dengan kepadatan daya tinggi, mengurangi ketergantungan pada sistem pendingin udara yang mengonsumsi daya tinggi, dan mendorong pembangunan lingkungan yang berkelanjutan.
