Nieuwe Voedingsarchitectuur Vermindert 30% van de Piekbelasting voor Elektriciteit
In de hevige wedloop naar grootschalige kunstmatige intelligentie (AI) beginnen datacenters elektriciteit te verbruiken op niveaus die de responscapaciteit van traditionele netwerken op de proef stellen. Met de opkomst van grote taalmodellen (LLM) en massale, gesynchroniseerde trainingsladingen zijn de verbruikspieken niet langer sporadisch, maar eerder een terugkerend patroon. Dit kan leiden tot elektrische resonanties, stress op transformatoren en efficiëntieverlies in het gehele netwerk.
De Uitdaging: Gesynchroniseerde Ladingen, Abrupte Pieken
In tegenstelling tot traditionele datacenterladingen, die meestal asynchroon werken en variabele energieniveaus hebben, voeren AI-trainingsprocessen — zoals bij Megatron en GPT — honderden of duizenden GPU’s exact gesynchroniseerd uit. Dit resulteert in consumptiecurves die gewelddadig fluctueren, met scherpe stijgingen en dalingen die het elektriciteitsnet niet snel genoeg kan beheren.
Volgens cijfers van NVIDIA kan het een tot 90 minuten duren voordat energiebronnen reageren op een plotselinge toename in vraag. Gedurende deze periode moet het elektriciteitsnet de instabiliteit absorberen, wat kan leiden tot spanningsdalingen of -pieken, die niet alleen de datacenters treffen, maar ook andere klanten die op dezelfde infrastructuur zijn aangesloten.
De Oplossing: Condensatoren, Slimme Controllers en Actieve Dissipatie
Het nieuwe ontwerp van de GB300 NVL72 introduceert een voedingsysteem met drie sleutelcomponenten:
Vermogenscontrole met hellingslimiet: Tijdens de opstartfase van een laadproces krijgt de GPU niet onmiddellijk toegang tot zijn volledige vermogen, maar volgt het systeem een geleidelijke stijging die is gesynchroniseerd met de nettoleranties.
Opslag van energie met condensatoren: Pieken in het verbruik worden afgevlakt dankzij hoogwaardige condensatoren die in elke voeding zijn geïntegreerd. Deze worden opgeladen tijdens periodes van lagere vraag en afgegeven om micro-pieken op te vangen.
Dissipatiemodus of “burner”: Als een trainingslast abrupt eindigt, activeert het systeem een speciaal dissipatiemodus om een continue afname van de vraag te simuleren, waardoor een soepele overgang voor het net wordt gegarandeerd.
Door deze drie mechanismen te combineren, kan de algehele consumptiecurve van het rack overgaan van gewelddadige pieken naar een vlak en stabiel profiel.
Werkelijke Resultaten: Tot 30% Minder Piekvraag
Tests met echte trainingsladingen tonen duidelijke verbeteringen aan. In een directe vergelijking tussen een GB200-systeem met een conventionele voeding en een GB300 met de nieuwe energieopslagsysteem, werd een vermindering van tot 30% in de piekvraag naar het elektriciteitsnet geconstateerd, zonder enige invloed op de rekenkundige prestaties van het cluster.
Bovendien zijn de niveaus van snelle fluctuaties in wisselstroom significant lager, wat de stress op transformatoren vermindert en overdimensionering van elektrische installaties voorkomt. Volgens NVIDIA stelt dit bedrijven in staat om de energie-infrastructuur van datacenters opnieuw te dimensioneren, de elektricitetsvoorziening dichter bij het gemiddelde verbruik te houden en niet over te dimensioneren voor de hoogste pieken.
Implicaties voor de Industrie: Naar Duurzame Datacenters
In een tijd waarin het elektrische verbruik van AI-datacenters exponentieel stijgt, kunnen technologieën zoals de GB300 NVL72 een diepgaand effect hebben. Ze verbeteren niet alleen de operationele efficiëntie, maar dragen ook bij aan de duurzaamheid van het elektriciteitsmodel.
Door gedistribueerde energieopslag op rackniveau te integreren, vermindert de druk op de opwekkingssystemen, worden overdimensionering voorkomen en verbetert de energieweerbaarheid van het datacenter.
De samenwerking tussen NVIDIA en LITEON Technology was essentieel om het systeem te miniaturiseren, waardoor ongeveer de helft van de interne ruimte van de voedingsbron wordt gewijd aan capacitive opslag, zonder de rekendichtheid in gevaar te brengen.
Conclusie: Meer dan een Voeding, een Netwerkstrategie
De integratie van geavanceerde energiebeheeralgoritmen, gedistribueerde capacitive opslag en actieve dissipatiemodi maakt de voeding van de GB300 tot een strategisch instrument voor het harmoniseren van datacenters met de capaciteiten van het elektriciteitsnet.
In een tijd waarin AI meer rekenkracht dan ooit vraagt en de elektriciteitsnetten tekenen van verzadiging vertonen, biedt deze innovatie niet alleen een technische oplossing, maar ook een energie- en milieuwijzigingsverantwoordelijkheid.
De technologieën ontwikkeld door NVIDIA voor de GB300 NVL72 optimaliseren niet alleen de GPU-prestaties, maar maken het rack tot een slimmer en coöperatief acteur binnen het wereldwijde energiesysteem. Een noodzakelijke investering in de toekomst van AI… en elektriciteit.