Durante años, la eficiencia se medía de una sola manera. Funcionó hasta que la IA cambió las reglas del juego. Las métricas de eficiencia tradicionales no ofrecen una visión completa. La refrigeración líquida se está convirtiendo en la norma para la infraestructura de IA, pero la forma en que medimos la eficiencia requiere el seguimiento de métricas de eficiencia del centro de datos que van más allá de la Eficiencia en el Uso de Energía (PUE), que solo registra el consumo energético. La IA plantea una pregunta diferente: ¿Cuánta capacidad de procesamiento genera realmente esa energía?
Goldman Sachs estima que el 76 % de los servidores de IA desplegados para finales de 2026 contarán con refrigeración líquida . A medida que se produzca este cambio desde la refrigeración por aire, los operadores recurrirán a la Eficiencia de Computación de Energía (PCE) y la Eficiencia del Uso del Agua (WUE) como indicadores clave de rendimiento (KPI) importantes para los centros de datos de IA, además del PUE. Esto es necesario porque el PUE solo compara la energía total de las instalaciones con la energía de TI, sin tener en cuenta los resultados de la computación.
¿Qué está reemplazando al PUE en los centros de datos?
Incluso cuando los centros de datos operan con niveles de PUE de 1,4 a 1,8, los sistemas pueden ser ineficientes si limitan la densidad de racks, aumentan el flujo de aire y restringen el rendimiento computacional. El PUE registra el consumo energético, pero no es suficiente para las cargas de trabajo de IA que requieren mucha energía, las cuales necesitan métricas como PCE para determinar la eficiencia energética del centro de datos en la conversión de energía en tokens de IA.
¿Qué es la eficacia de la computación de potencia?
En los centros de datos de IA, la eficiencia ya no se mide únicamente por el consumo de energía, sino por lo que esa energía produce. La Eficiencia de Computación de Potencia (PCE, por sus siglas en inglés) define este cambio cuantificando qué parte de la potencia disponible se utiliza realmente para realizar trabajo computacional útil:
Un PCE más alto significa que una mayor parte de la potencia asignada se está utilizando activamente para el procesamiento, en lugar de estar inactiva, subutilizada o perdida debido a ineficiencias del sistema.
¿Por qué son importantes estas métricas de los centros de datos de IA?
Con PCE como base, el rendimiento de la IA se evalúa en función de la energía que realmente proporciona, no solo de la que consume. Dos métricas orientadas a los resultados definen este cambio:
Tokens por vatio : cantidad de trabajo de IA generado por unidad de energía.
Costo por token : qué tan eficientemente esa energía se convierte en producción o ingresos utilizables.
A medida que aumentan las cargas de trabajo de la IA, los sistemas de energía se enfrentan a limitaciones reales. La capacidad es finita, los costos aumentan y las ineficiencias se acumulan rápidamente. El PCE pone de relieve esta dinámica:
Mayor cantidad de tokens por vatio = mayor capacidad de procesamiento generadora de ingresos dentro de límites de potencia fijos.
Menor coste por token = costes predecibles y escalables a medida que aumentan las cargas de trabajo de IA.
En la era de la IA, la ventaja no reside en quién tiene más poder, sino en quién convierte ese poder en capacidad de cálculo de la manera más eficaz.
Explore soluciones de refrigeración líquida para centros de datos de IA.
¿Cómo mejora la refrigeración líquida la eficiencia y el rendimiento?
En entornos de IA, la eficiencia no depende de los componentes individuales, sino de cómo la refrigeración, la alimentación y la capacidad de procesamiento funcionan como un sistema coordinado. La refrigeración líquida ayuda a mejorar el PUE, con puntuaciones de entre 1,05 y 1,15. Operadores líderes como Amazon Web Services reportan un PUE cercano a 1,15 en toda su flota , lo que demuestra el potencial de una infraestructura optimizada.
Más allá del PUE, la refrigeración líquida permite mayores densidades de rack sin limitaciones térmicas, menor dependencia de sistemas de flujo de aire de alto consumo energético y un rendimiento de GPU más estable con menor estrangulamiento térmico. Desde la perspectiva del diseño del sistema, la refrigeración líquida permite un mayor Delta T (ΔT) , eliminando más calor, reduciendo el consumo energético de la bomba y mejorando la eficiencia de la transferencia de calor. Esto se traduce en un menor PUE gracias a la reducción de residuos y una mayor PCE debido a un mejor rendimiento.
¿Cómo se mide la eficiencia en el uso del agua (WUE, por sus siglas en inglés) en los centros de datos con refrigeración líquida?
A medida que la refrigeración líquida se vuelve fundamental para las operaciones de los centros de datos, los operadores están haciendo mayor hincapié en el seguimiento de su consumo de agua, impulsados por los objetivos de sostenibilidad, la evolución de las regulaciones gubernamentales y el creciente escrutinio público. Las mediciones de la Eficiencia Energética del Agua (WUE, por sus siglas en inglés) comparan el consumo de una instalación con el consumo energético de sus equipos de TI.
La refrigeración líquida monofásica directa al chip (DTC) influye en la eficiencia del uso del agua (WUE) al modificar la forma en que se disipa el calor y brindar a los operadores un mayor control sobre el uso del agua. Al capturar el calor directamente en el procesador dentro de un circuito de refrigeración cerrado, la tecnología DTC reduce la necesidad de mover grandes volúmenes de aire a nivel del rack.
Esto traslada el consumo de agua del entorno de TI a la capa de disipación de calor de las instalaciones, donde puede gestionarse activamente en función del clima, la infraestructura y los objetivos de sostenibilidad. En muchas implementaciones, esto permite mayores densidades de racks (>100 kW) al tiempo que alinea el consumo de agua con las prioridades operativas y medioambientales.
La sostenibilidad se refiere al uso eficaz de los recursos.
A medida que se expanden las implementaciones de IA, la sostenibilidad ya no se define por la reducción del consumo de energía, sino por la eficiencia con la que esa energía se convierte en capacidad de procesamiento. Métricas como tokens por vatio y costo por token cobran mayor relevancia, desplazando el enfoque del consumo a la producción.
La refrigeración líquida posibilita este cambio al reducir la demanda energética relacionada con la refrigeración, admitir una mayor densidad de procesamiento sin aumentar el espacio físico necesario y permitir el funcionamiento con agua caliente para la reutilización del calor en los entornos adecuados. Sin embargo, estas ventajas solo se materializan cuando la refrigeración se diseña como parte integral del sistema. Considerar la refrigeración como un producto independiente genera ineficiencias en el flujo, la presión y la transferencia de calor, lo que limita el rendimiento final de cada vatio.
La eficiencia de la IA depende del rendimiento por vatio.
En las operaciones de IA, la eficiencia no se trata solo de cuánta energía se consume, sino de cuánta computación se produce a partir de ella, lo que convierte la producción en una medida de rendimiento más significativa. Schneider Electric puede ayudar a los centros de datos a maximizar la eficiencia. A medida que las cargas de trabajo de IA aumentan, la atención se centra en nuevas métricas que miden cuánta producción útil se genera por unidad de energía consumida. Mejorar estas métricas requiere más que ganancias incrementales; requiere una infraestructura diseñada para mantener el rendimiento bajo una carga continua y de alta densidad. Los ganadores en IA serán aquellos que obtengan la mayor computación por cada vatio. Obtenga más información sobre cómo aprovechar la eficiencia energética e hídrica de la refrigeración líquida directa .
Añadir comentario