Lenovo-chef: Hvis kunstig intelligens skal være bæredygtig, skal datacentrene flyttes ind i byerne

Det gav mening, dengang databehandling var stabil, forudsigelig og ikke krævede millisekunds-hurtige svar. Men med de massive datamængder, som AI skal processere, træne og levere i realtid, ændrer præmisserne sig radikalt. 

Det stiller ikke kun krav om plads og avancerede bæredygtige teknologier, men også om hastighed, nærhed og datacentres evne til at indgå i byernes eksisterende energi- og varmeinfrastruktur.  

En eksponentiel udfordring 

AI-modellerne bliver kun større, mere komplekse og langt mere realtidskrævende.

Ifølge tal fra Lenovos seneste rapport, Data Center of the Future, forventer 90 procent af europæiske it-ledere, at dataforbruget stiger markant det næste årti.

Og kigger vi på udviklingen i det danske energinet, viser Energistyrelsens beregninger, at danske datacentre allerede i 2030 står for op mod 17 terawatt-timer strømforbrug. Det svarer til omkring en femtedel af landets samlede elforbrug. 

Men det er ikke nok at forbedre software, optimere køling eller gøre de eksisterende anlæg grønnere. Vi skal gentænke selve arkitekturen omkring databehandling,

Mike Creutzer
Nordisk chef hos Lenovo Infrastructure Solutions Group

Det skaber en grundlæggende dobbelt udfordring: Behov for mere regnekraft for at udnytte AI’s muligheder, samtidig med at energiforbruget skal ned. 

Men det er ikke nok at forbedre software, optimere køling eller gøre de eksisterende anlæg grønnere. Vi skal gentænke selve arkitekturen omkring databehandling og flytte den fra store, isolerede anlæg på landet til mindre, mere fleksible enheder, der indgår i byernes energi- og varmestruktur.

For med AI har de tekniske krav ændret sig dramatisk. For det første arbejder mange af de nye modeller i spidslast, hvilket presser elnettets effekttræk og udfordrer elnetstabiliteten, især når datacentrene ligger langt fra de steder, hvor energien produceres og forbruges.

For det andet kræver AI langt højere effekttæthed. Det betyder, at kølebehovet er så højt, at traditionelle luftkølingssystemer ikke kan følge med. 

Endelig skal data behandles i realtid og det kræver, at databehandlingens sker tættere på de mennesker, sensorer og systemer, de skal understøtte, fordi selv få millisekunders forsinkelse påvirker både kvalitet og funktionalitet. 

Et teknologisk byliv

Vi skal med andre ord til at bygge klogere anlæg, der både udnytter lokale ressourcer, aflaster elnettet og indgår i de energikredsløb, der allerede findes i byerne i form af en ”databy ved vandet.” 

Her placeres datacentre langs havne, kanaler eller industrihavne med let adgang til naturlig vandkøling, der reducerer energiforbruget markant.

Samtidig kan overskudsvarmen sendes direkte ind i fjernvarmenettet, så anlægget går fra at være energisluger til energikilde.

Og fordi centret ligger tæt på brugerne og de systemer, det understøtter, reduceres både latenstid og belastningen på transmissionsnettet. 

Større eller mere energieffektive datacentre kan ikke længere løfte den digitale udviklings paradoks. Hvis AI skal udfolde sit fulde potentiale, har vi brug for et grundlæggende opgør med datacentrenes traditionelle design og placering. 

En stadig større del af fremtidens databehandling skal foregå lokalt, bynært og tættere på brugerne, så datacentrene bidrager dér, hvor behovet er størst.

Det er samme princip, som når vi designer energisystemer med kort transport, lavt tab og høj effektivitet.

Når teknologi og by tænkes sammen på den måde, bliver datacentret ikke længere et isoleret anlæg, men en aktiv komponent i både energiforsyningen og bylivet.