Modernizzazione dei Data Center esistenti e AI: come integrare il liquid cooling senza ripartire da zero

La leadership nel campo dell’AI non sarà determinata da chi costruirà per primo il più grande data center dedicato, ma da chi riuscirà a implementare la potenza di calcolo più rapidamente. Le organizzazioni che oggi stanno guadagnando terreno non si limitano ad aspettare anni per la realizzazione di nuovi campus. Stanno invece allestendo cluster di GPU a bassa densità all’interno di strutture esistenti, ricavando nuova capacità per l’AI da infrastrutture già connesse agli ecosistemi di alimentazione, raffreddamento e rete.

Perché lo sviluppo del brownfield accelera la crescita dell’AI

Mentre le notizie relative alla costruzione di data center per l’AI infiammano i titoli dei giornali, l’aggiornamento di strutture esistenti (brownfield) garantisce una più rapida generazione di ricavi, una minore esposizione di capitale e la capacità di scalare in modo incrementale: tutti vantaggi fondamentali in un mercato in cui gli sviluppi dei chip si muovono più velocemente delle tempistiche di costruzione.

La maggior parte di data center provider dispone già di infrastrutture collocate vicino a dati, utenti e reti, rendendo l’adeguamento dei data center all’AI più vantaggioso rispetto alla realizzazione ex novo e permettendo di soddisfare più in fretta la crescente domanda di intelligenza artificiale.

Accelerando il time to market, i progetti brownfield – basati su data center esistenti – offrono un evidente vantaggio competitivo. Questo approccio elimina le problematiche tipiche della costruzione di nuove infrastrutture, come i ritardi di interconnessione alla rete, la disponibilità limitata di terreni e la monetizzazione degli asset. L’implementazione dell’AI nei data center esistenti offre un percorso di crescita più semplice, non solo una soluzione temporanea, consentendo agli operatori di generare ricavi in tempi più rapidi.

Limiti infrastrutturali nei data center esistenti

L’aggiornamento tecnologico dei data center richiede il superamento di vincoli imposti dai carichi di lavoro AI che possono essere affrontati con il liquid cooling. L’AI accelera la concentrazione di calore e potenza nei data center a livello di rack e di singoli chip. Tuttavia, le strutture esistenti sono state progettate per il raffreddamento ad aria di rack con potenze inferiori, non per quelli ad alta densità necessari per l’AI. Gli spazi esistenti sono caratterizzati da configurazioni dei rack predefinite e da limiti di portata del pavimento

Altri vincoli includono la disponibilità o la portata limitata di acqua refrigerata, sistemi di distribuzione dell’energia dimensionati per carichi inferiori, soffitti bassi e ostacoli ai flussi d’aria. Gli operatori preferiscono inoltre evitare di correre rischi associati agli aggiornamenti dei data center mentre sono in funzione, poiché potrebbero portare a  interruzioni dell’operatività.

Come il Liquid cooling consente l’adeguamento delle infrastrutture all’AI

L’implementazione di sistemi per il liquid cooling nel retrofit di infrastrutture destinate all’IA risolve questi problemi. Il liquid cooling rimuove il calore alla fonte, riducendo la necessità di riprogettare il flusso d’aria. Consente così di raggiungere maggiori densità di potenza nei rack con alcuni semplici adeguamenti anziché richiedere una riprogettazione completa. In tal modo gli operatori possono supportare lo sviluppo dell’AI in modo incrementale man mano che cresce la domanda.

Questo approccio semplifica l’integrazione con i sistemi esistenti e consente di abilitare strategie di dissipazione del calore localizzate a livello di singolo rack. Di conseguenza, l’adeguamento di data center più piccoli o con spazi limitati diventa più fattibile.

Modelli di implementazione del liquid cooling all’interno di data center esistenti

L’esecuzione di operazioni basate sull’AI nei data center esistenti (brownfield) è spesso possibile, ma richiede il passaggio dal raffreddamento ad aria a quello a liquido. La realizzazione di impianti per il liquid cooling in una struttura esistente prevede diverse strategie:

• Scalabilità e dissipazione del calore localizzate: il passaggio al liquid cooling in un data center può avvenire gradualmente, evitando interruzioni. Gli aggiornamenti localizzati in ciascun rack con raffreddamento direct-to-chip evitano la necessità di eseguire importanti interventi di ammodernamento dell’impianto centrale, un aspetto particolarmente interessante per gli operatori di data center e fornitori di servizi.
• Scambiatori di calore ad accesso posteriore: il sistema di raffreddamento per rack ChilledDoor® di Motivair migliora la gestione termica delle GPU, stabilizzando la temperatura del rack anche in presenza di picchi di carichi di lavoro dovuti all’Intelligenza Artificiale. Disponibile con raffreddamento ad aria o con liquid cooling assistito da aria, rappresenta la soluzione ideale per il raffreddamento dei server AI nei data center che utilizzano GPU NVIDIA H100 e H200.
• Scambiatori Liquid-to-Air: per le strutture senza accesso all’acqua è disponibile un’opzione che prevede l’installazione di un’unità di dissipazione del calore (HDU, Heat Dissipation Unit) che rimuove il calore dai server AI e lo disperde nell’aria. Questo approccio non richiede un flusso di acqua fino al rack.
• Approccio esecutivo modulare: l’implementazione rack per rack consente una scalabilità graduale e permette la coesistenza di ambienti ibridi aria-liquido durante i periodi di transizione. Per ridurre il rischio ingegneristico, gli operatori possono sfruttare reference design validati per le condizioni di retrofit. È inoltre opportuno considerare componenti prefabbricati come sale dati (data hall) e moduli di alimentazione (power block). Questo approccio consente la costruzione e il collaudo fuori sede, accelerando ulteriormente i tempi di implementazione.
• Integrazione di alimentazione, controlli e visibilità: una modernizzazione efficace di un data center brownfield richiede il coordinamento di tutti i componenti rilevanti: distribuzione dell’alimentazione (cavi, blindosbarre), strumenti di monitoraggio e visibilità (come il software DCIM) per rack ad alta densità, nonché sistemi di controllo dell’impianto di raffreddamento. Alimentazione e raffreddamento devono evolversi insieme per supportare densità più elevate in modo stabile e prevedibile.
• Continuità operativa: gli aggiornamenti graduali riducono al minimo i tempi di inattività e proteggono i carichi di lavoro esistenti, consentendo agli operatori di implementare strategie di servizio che garantiscano affidabilità durante la transizione.

Quando gli aggiornamenti parziali sono la scelta giusta

Non tutte le strutture legacy sono adatte a interventi di retrofit per il liquid cooling ad alta densità. L’aggiornamento dei data center dipende dalla capacità infrastrutturale disponibile e dalla fattibilità economica. Laddove i vincoli relativi all’alimentazione, al raffreddamento o alla struttura siano troppo limitanti, potrebbero essere necessari aggiornamenti parziali o nuove costruzioni. La chiave sta nel valutare il livello di prestazioni esistente prima di determinare quale densità di AI sia in grado di supportare.

Un quadro strategico per il processo decisionale

L’adeguamento al liquid cooling per i carichi di lavoro AI nelle strutture esistenti (brownfield) consente agli operatori di data center e ai fornitori di servizi di implementare le funzionalità di intelligenza artificiale più rapidamente rispetto ai progetti realizzati da zero (greenfield). Ciò assicura un aumento dei ricavi per metro quadrato nelle sale dati, un minore investimento di capitale e una riduzione del rischio operativo rispetto a cambiamenti radicali dell’infrastruttura. Questo permette alle aziende di mantenere un vantaggio competitivo sul mercato.

La modernizzazione dei data center esistenti (brownfield) offre inoltre una maggiore adattabilità alle piattaforme e ai carichi di lavoro futuri. Si tratta di un approccio intelligente alla modernizzazione, che consente agli operatori di trasformare i data center esistenti da risorse sottoutilizzate in motori di crescita. Le organizzazioni che aggiornano più rapidamente i propri spazi brownfield potranno cogliere i benefici legati alla crescita dell’AI prima e in modo più efficiente.

Per ulteriori informazioni, consulta il rapporto “Implementazione dei carichi di lavoro di IA nei data center: retrofit, esternalizzazione o nuova costruzione? Un quadro strategico per il processo decisionale”.

Questo post è stato originariamente pubblicato sul blog global di Schneider Electric.