电气问题正在制约美国数据中心的AI部署,福禄克(Fluke)一项调查显示,近三分之一的受访者表示电能质量问题已削弱了他们部署或运行高密度AI与GPU工作负载的能力。

这项调查对美国500名数据中心运营商和专业人士进行了问卷调查,结果显示,除了普遍面临的从电网获取电力的困境外,各设施自身的内部基础设施也存在制约因素。只有36%的受访者表示其电气基础设施已完全为更高密度的AI工作负载做好准备,而74%的受访者表示电力和电网容量不足正在中等或严重程度上限制业务扩张。

福禄克高级经理兼技术研究员迈克尔·斯图尔特(Michael Stuart)对Data Center Knowledge表示:"最大的风险在于数据中心的内部基础设施能否可靠地支持大规模的电力分配。"

电力、散热与布线故障带来的风险

约四分之三(76%)的受访者报告曾遇到电气或电力系统问题。另外,79%的受访者表示,在过去一年中,电能质量问题曾导致延误、服务中断、计划外停机或严重的险情。

这一数字将未导致停机的运营故障与事故一并统计,并不意味着近五分之四的受访者经历过停机。

斯图尔特表示,薄弱环节往往出现在电力、散热和布线系统相互交叠的地方。问题可能包括谐波、电压骤降和骤升、热点、散热系统性能下降,以及未得到充分记录或验证的基础设施连接。

他说:"由于每个数据中心都极为复杂且各不相同,确定设施内部的薄弱环节应逐案进行分析。"

即便运营商已经获得了充足的电力供应,这些问题仍可能限制设施所能支持的计算容量。

他补充道:"如果电气、机械和网络系统的性能未达到规格要求,运营商可能无法充分利用其已经从电网获得的容量。"

GPU部署前的测试与监测

对于准备安装高密度GPU机架的运营商,斯图尔特建议在电力分配链路中尽可能靠近GPU负载的位置测量电能质量。

具体的测量点会因设施而异,并可能在调试阶段随着实际负载状况的明朗而发生变化。电力分配系统和散热系统也需要联合评估,以确定它们是否能够支撑预定的工作负载。

斯图尔特说:"如果测量结果表明电气或散热系统中任一系统无法可靠地支撑预定的GPU工作负载,运营商应在推进部署之前先解决这些问题。"

调查还发现,运营商在发现新出现问题的能力方面存在差距。约78%的受访者表示,他们缺乏对关键电气系统全面、持续、实时的可视化监测能力。另有15%的受访者表示,电气问题只有在性能下降、设备故障或停机已经发生之后才被发现。

斯图尔特表示,运营商应评估现有的监测覆盖范围,找出哪些地方增加可视化监测能力能最大程度提升可靠性。潜在的重点领域包括配电系统、备用电源、电池和开关设备,但具体优先级将取决于各设施的基础设施状况和当前的监测能力。

劳动力短缺加大维护压力

57%的受访者表示,招聘合格的电气技术人员变得更加困难,这给负责安装、测试和维护基础设施的团队带来了额外压力。

然而,招聘困难并未普遍转化为扩张速度的放缓。约65%的受访者表示,技能短缺并未延误基础设施升级或新增产能的进度。

尽管如此,斯图尔特表示,劳动力限制仍可能导致局部延误、安装操作不一致,以及为纠正问题或验证质量而产生的额外工作量。

他说:"并非所有问题在初次检查时都能被发现,有些问题只会在电气系统投入运行后才会暴露出来。"

斯图尔特表示,相关工作应由合格的电工完成并验证,并借助测试和诊断工具来识别安装后可能出现的故障,从而有助于确保系统长期的可靠性。

DataCenterKnowledge