Methods-贸泽技术与解决方案杂志，及时了解技术创新与工程设计方面的重要资讯。
Issue link: https://trendsintech-korea.mouser.com/i/1540281
유망한 가능성을 보여줍니다. 이러한 시스템은 주 전력과 백업 전력을 제공할 수 있으며 부산물로는 물만 생성합니다. 현재 수소 전력은 기존 전력원에 비해 비용 경쟁력이 없지만, 수소 생산에 대한 투자가 이루어지면 탄소 배출 제로 대안을 모색하는 데이터 센터에 이 기술이 현실적인 옵션이 될 수 있습니다. 솔루션 #2: 에너지 효율 및 냉각 기술 혁신 에너지 소비 증가가 불가피할지라도, 데이터 센터는 전력 사용량을 제한할 방법을 가지고 있습니다. 데이터 센터는 고급 냉각 시스템, 고효율 서버, 에너지 관리 소프트웨어 등 에너지 효율 솔루션에 투자하고 있습니다. 냉각은 데이터 센터 에너지 소비의 최대 40%를 차지하며, 10 개선된 냉각 기술은 상당한 변화를 가져올 수 있습니다. 액체 냉각을 예로 들면 이는 큰 가능성을 보여줍니다. 한 연구에 따르면 액체 냉각을 완전히 구현하면 기존의 공기 냉각과 비교해 시설 전력 소비를 18.1%, 데이터 센터 전체 전력 소비를 10.2%까지 줄일 수 있습니다. 11 보다 유망한 접근 방식 중 하나는 2 상 액체 냉각(two-phase liquid cooling) 기술입니다. 이 기술은 액체가 기체로 변할 때 발생하는 흡열 반응을 이용해 데이터 센터의 부품을 냉각합니다. 높은 열 부하를 효율적으로 처리하면서도 에너지 소비를 최소화할 수 있는 방법입니다. 미국 에너지부는 이러한 혁신적인 냉각 기술에 대한 여러 프로젝트를 지원하고 있습니다. 대표적인 사례는 다음과 같습니다. 12 • NVIDIA의 모듈식 데이터 센터 설계로, 직접 칩에 접촉하는 냉각 방식, 펌프식 2상 냉각, 그리고 단상 침지 냉각 방식 을 결합한 형태 • 인텔이 개발 중인 새로운 냉매 혼합물을 사용하는 2상 냉각 시스템 2상 냉각이 보편화되기 위해서는 해결해야 할 몇 가지 우려 사항이 있습니다. 이 기술은 특수한 절연성 유전체 액체를 필요로 하며, 일부 후보 냉매는 환경적인 문제를 야기할 수 있습니다. 13 또한 이러한 시스템을 도입하려면 기존 인프라에 대한 대대적인 변경이 필요할 수 있습니다. 하드웨어의 발전도 긍정적인 영향을 주고 있습니다. 업계 선두 기업인 NVIDIA는 최신 블랙웰(Blackwell) 그래픽 처리 장치(GPU)를 통해 기존 모델 대비 30배의 성능을 제공하면서 에너지 소비는 25분의 1로 줄일 수 있다고 발표했습니다. 14 마지막으로, 데이터 센터 인프라 관리 (DCIM) 소프트웨어는 운영 최적화에 중요한 역할을 할 수 있습니다. 이 소프트웨어는 전력 사용량과 환경 조건을 실시간으로 모니터링하여 운영자가 비효율적인 요소를 신속히 파악하고 대응할 수 있도록 돕습니다. 예를 들어, DCIM 소프트웨어는 부하가 없는 상태에서도 전력을 소비하는 ' 유령 서버(ghost server)'를 찾아낼 수 있습니다. 또한, 보다 효율적인 데이터 센터 설계를 지원하고, 서버 부하 예측, 열 복도/냉 복도 밀폐(hot/cold aisle containment) 같은 기술의 적용을 간소화하는 데에도 도움이 됩니다. 솔루션 #3: 전력 최적화를 위한 수요반응 프로그램, AI, 자동화 데이터 센터는 에너지 효율 향상뿐만 아니라 AI와 수요반응 프로그램을 활용하여 점점 더 능동적으로 에너지 소비를 관리하고 있습니다. 수요반응 프로그램은 에너지 가용성을 보장하기 위한 정책 기반 접근법을 제공합니다. 이러한 프로그램은 시간 및 지역별 전력 수요를 조정하여 전력망의 안정성을 확보하며, 특히 피크 사용 시간 동안의 전력 수요를 관리합니다. 예를 들어, 탄소 인지 모델을 활용하는 데이터 센터는 탄소 집약도가 낮은 지역으로 작업을 전환할 수 있습니다. 수요반응 프로그램은 저탄소 에너지 사용에 따른 비용을 최대 34%까지 절감할 수 있습니다. 예를 들어, 구글은 현재 전력 소비 중 64%를 무탄소 에너지로 충당하고 있습니다. 15 물론, AI는 이미 전력 최적화에 활용되고 있습니다. AI 기반의 온도 조절은 데이터 센터의 에너지 소비 문제를 해결하는 한 가지 방법입니다. 이러한 시스템은 AI, 센서, 알고리즘을 사용하여 열을 모니터링하고 냉각을 실시간으로 조정합니다. AI는 장비 사용량, 날씨 조건, 기타 요인을 기반으로 온도 변화를 예측하는 것을 목표로 합니다. 이 방법은 과도한 냉각을 피함으로써 에너지를 절약하고 냉각 장비의 마모를 줄입니다. 환경 문제와 지속 가능한 AI 관행 데이터 센터의 에너지 가용성을 높이는 것이 AI의 미래에 매우 중요하지만, 이로 인한 환경 영향을 피할 수는 없습니다. AI의 막대한 에너지 소비는 이미 잘 알려져 있는 문제입니다. 첨단 GPU 제조, 데이터 센터 건설을 위한 토지 정리, AI 모델의 학습 및 추론에 필요한 전력 공급뿐만 아니라, 전기를 생산하는 데 소모되는 천연자원과 배출되는 온실가스 모두가 환경에 영향을 미칩니다. 여기에 더해, 이러한 배출이 발생하는 19 |