AI rīki datu centru būvniecībā ieskrien elektroapgādes sienā, brīdina Howden

Īsā versija

AI rīki ir ienesuši datu centru būvniecībā jaunu tempu – algoritmi palīdz plānot, modelēt un optimizēt konstrukcijas daudz ātrāk nekā klasiskās metodes. Taču Howden brīdinājums par "power bottleneck" izgaismo ļoti fizisku robežu: elektrības pieslēgumus un tīkla jaudu nevar uzģenerēt ar kodu.

Šis kontrasts ir asa realitātes pārbaude visai nozarei. Projektēšanas un iepirkumu fāzēs AI būvniecībā spēj samazināt kļūdas, modelēt dzesēšanas sistēmas, optimizēt telpu plānojumu un automatizēt dokumentāciju. Taču brīdī, kad datu centrs ir gatavs darbam, viss projekts var apstāties pie viena jautājuma: vai tīklā vispār ir pieejama jauda šim AI virzītajam monstram?

Howden brīdina, ka AI virzītā datu centru būvniecības buma priekšā par galveno risku kļūst tieši elektroapgādes jaudas ierobežojumi.

Kāpēc tas ir svarīgi reālos projektos

Datu centri ir kļuvuši par AI infrastruktūras mugurkaulu. Tie nav vairs tikai serveru konteineri – tie ir specializēti objekti, kurus burtiski no pamatiem līdz jumta dzesēšanai nosaka AI slodze. Katrs solis, sākot ar zemesgabala izvēli un beidzot ar transformatoru jaudu, ir cieši saistīts ar elektrību.

Howden uzsver, ka tieši šajā punktā parādās būtiska spriedze:

• AI rīki paātrina projektus, bet
• elektrotīkli un pieslēgumu jaudas virzās lēni.

Reālajā būvlaukumā tas izskatās vienkārši: karkass ir pabeigts, iekšdarbi rit pēc grafika, automatizācija ir ieviesta, bet objekts nevar tikt pilnvērtīgi nodots ekspluatācijā, jo nav nodrošināta pietiekama jauda serveru un dzesēšanas sistēmu darbībai.

AI būvniecībā šobrīd tiek izmantots, lai:

• modelētu energoefektīvas dzesēšanas shēmas;
• simulētu dažādus būvkonstrukciju un iekārtu izvietojuma scenārijus;
• automatizētu materiālu iepirkumus un loģistiku;
• pārvaldītu riskus, tostarp laika un izmaksu pārsniegšanas iespējamību.

Tomēr Howden signāls ir skaidrs: jaudas ierobežojumi kļūst par sistemātisku risku, kas var atcelt visu AI radīto efektivitāti. Tas nozīmē, ka jebkurš datu centra projekts, kurā AI rīki palīdz prognozēt izmaksas un termiņus, ir spiests ieplānot vēl vienu lielo nezināmo – elektroapgādes grafiku un tīkla operatoru spēju reaģēt.

Būvniecības tehnoloģijas līdz šim galvenokārt risināja klasiskās problēmas: kavējumus būvmateriālu piegādē, kļūdas projektos, darba drošību. Tagad pie šī saraksta oficiāli jāpievieno arī enerģijas pieejamība kā būvniecības riska faktors. Tas ir jauns spēles laukums gan apdrošinātājiem, gan pasūtītājiem, gan ģenerāluzņēmējiem.

Līdz ar to parādās interesants paradokss: jo spēcīgāk AI rīki tiek izmantoti projektēšanai un automatizācijai, jo ātrāk mēs nonākam līdz vietai, kur viss atduras pret fizisku infrastruktūru – elektrolīnijām, apakšstacijām un transformatoriem. Un šos jautājumus nevar atrisināt ar programmatūras atjauninājumu.

Šī spriedze starp digitālo ātrumu un fizisko lēnumu definēs nākamos gadus datu centru būvniecībā. Uz spēles ir ne tikai atseviši projekti, bet arī plašāks jautājums – cik ātri Eiropa un citas reģionu ekonomikas spēs nodrošināt pietiekamu jaudu, lai atbalstītu AI izaugsmi.

Kam sekot tālāk

• Jaudas plānošana kā projekta sākuma punkts. AI būvniecībā būs jāpieņem jauna norma: pirms tiek ieslēgti sarežģītie modelēšanas un automatizācijas rīki, jābūt skaidram elektroapgādes ceļam – no tīkla operatora līdz transformatoram objektā.
• AI rīki enerģijas risku modelēšanai. Nākamais solis būs AI izmantošana ne tikai konstrukciju un izmaksu optimizācijai, bet arī elektroapgādes pieejamības scenāriju modelēšanai – ieskaitot kavējumus, tarifu izmaiņas un rezerves risinājumus.
• Būvniecības tehnoloģijas, kas sasaista projektu un tīklu. Sagaidāmi jauni digitāli risinājumi, kas integrēs būvniecības grafikus ar elektroapgādes plāniem, ļaujot visām pusēm laicīgi redzēt iespējamos "bottleneck" punktus.
• Praktiska projektu pārvaldība uz vietas. Kamēr lēmumi par jaudu tiek saskaņoti ar regulatoriem un tīkla operatoriem, būvuzņēmējiem joprojām jāvada ikdienas darbi: brigādes, materiāli, atskaites. Šeit noder platformas kā WorksRecorded, kas palīdz būvniecības komandām sakārtot būvdarbu žurnālus, darba laika uzskaiti, dokumentus, rēķinus un projektu atskaites, lai vismaz iekšējā kārtība nav papildus risks jau tā saspringtos AI projektiem.
• Apdrošināšanas un riska stratēģijas. Howden brīdinājums rāda, ka enerģijas pieejamība kļūst par apdrošināmu un modelējamu risku. Tas mainīs līgumus, garantijas un rezerves jaudu prasības nākamās paaudzes datu centriem.

Redaktora piezīme no būvlaukuma

No būvlaukuma skatpunkta šis stāsts ir ļoti pazīstams – tikai mērogs ir kļuvis milzīgs. Mēs esam pieraduši pie kavētiem piegādātājiem vai neprecīziem rasējumiem, un tagad līdzās tiem parādās vēl viens neredzams, bet izšķirošs faktors: vai objektam vispār iedos elektrību tajā dienā, kad tas būs gatavs.

Ja AI rīki sola, ka datu centru var uzprojektēt un uzbūvēt ātrāk nekā jebkad, tad būvniekam uz vietas ir jāuzdod ļoti vienkāršs jautājums: vai tīkls būs gatavs tikpat ātri? Kamēr atbilde nav skaidra, visi skaistie algoritmi paliek tikai solījumi uz ekrāna.

Tieši tāpēc, strādājot ar AI būvniecībā, es arvien vairāk domāju ne tikai par programmatūru, bet par kabeļiem, apakšstacijām un reāliem termiņiem. Digitālie rīki ir spēcīgi, bet būvlaukumā uzvar tas, kurš savieno automatizāciju ar ļoti konkrētu, fizisku realitāti – arī tad, kad runa ir par datu centriem un to izsalkumu pēc elektrības.