Terobosan ini memanfaatkan NVIDIA Omniverse Blueprint untuk digital twin pabrik AI, memungkinkan pengembangan model virtual yang mengintegrasikan berbagai input untuk sistem mekanis, termal, jaringan, dan listrik untuk mereplikasi operasi pabrik AI secara komprehensif.
Kolaborasi ini bertujuan untuk merevolusi desain dan operasi Pabrik AI, memberikan peningkatan wawasan dan kontrol terhadap sistem kelistrikan dan kebutuhan daya, sehingga membuka peluang untuk peningkatan efisiensi, keandalan, dan keberlanjutan yang signifikan.
Meskipun visualisasi dasar sistem kelistrikan sudah ada sebelumnya, integrasi teknologi ETAP dan NVIDIA Omniverse memungkinkan terciptanya digital twin Pabrik AI yang komprehensif di mana berbagai dinamika berinteraksi dengan mulus.
Pankaj Sharma, Executive Vice President for Data Centers, Networks & Services, Schneider Electric menambahkan, kolaborasi, kecepatan, dan inovasi adalah kekuatan utama di balik transformasi infrastruktur digital yang diperlukan untuk mengakomodasi beban kerja AI.
"Bersama ETAP, Schneider Electric, dan NVIDIA, kami tidak hanya mendorong kemajuan teknologi data center — kami juga memberdayakan bisnis untuk mengoptimalkan operasional dan mengelola kebutuhan daya AI dengan lebih efisien.”
Teknologi pemodelan canggih ETAP akan menciptakan replika virtual infrastruktur kelistrikan pusat data dan menggabungkannya dengan data sistem tenaga waktu nyata, analitik tingkat lanjut, dan wawasan. Algoritma cerdas menganalisis dan memprediksi pola konsumsi dan distribusi daya, memungkinkan wawasan yang belum pernah terjadi sebelumnya terhadap:
- Desain dan simulasi sistem kelistrikan mutakhir
- Analisis skenario simulasi untuk menguji berbagai kemungkinan kondisi operasional
- Pemantauan kinerja infrastruktur listrik secara real-time
- Optimalisasi efisiensi energi secara proaktif
- Pemeliharaan prediktif dan evaluasi keandalan sistem
- Perencanaan kebutuhan infrastruktur berdasarkan pola konsumsi daya untuk menekan total biaya kepemilikan
Lonjakan beban kerja AI, mulai dari kluster pelatihan skala besar hingga server inferensi edge, mendorong peningkatan signifikan dalam konsumsi daya pusat data. Tidak seperti tugas komputasi tradisional, operasi AI—terutama pelatihan model dan proses inferensi yang kompleks—membutuhkan daya komputasi yang besar, yang menyebabkan kepadatan daya rak yang lebih tinggi.
Seiring percepatan adopsi AI, perusahaan rintisan, perusahaan, penyedia kolokasi, dan raksasa internet harus memikirkan kembali desain dan pengelolaan pusat data untuk mengatasi kebutuhan efisiensi daya yang semakin meningkat.
Kolaborasi ETAP dan NVIDIA memperkenalkan pendekatan "Grid to Chip" yang mengatasi tantangan kritis pengelolaan daya, optimalisasi kinerja, dan efisiensi energi di era AI. Saat ini, operator pusat data dapat memperkirakan konsumsi daya rata-rata di tingkat rak, tetapi digital twin baru ETAP bertujuan untuk meningkatkan presisi pada pemodelan perilaku beban dinamis di tingkat chip untuk meningkatkan desain sistem tenaga dan mengoptimalkan efisiensi energi.
"Saat beban kerja AI tumbuh dalam kompleksitas dan skala, pengelolaan daya yang tepat sangat penting untuk memastikan efisiensi, keandalan, dan keberlanjutan," kata Dion Harris, Direktur Senior HPC dan Solusi Pabrik AI di NVIDIA.
"Melalui kolaborasi kami dengan ETAP dan Schneider Electric, kami menawarkan visibilitas dan kontrol yang belum pernah terjadi sebelumnya kepada operator pusat data atas dinamika daya, memberdayakan mereka untuk mengoptimalkan infrastruktur mereka dan mempercepat adopsi AI sambil meningkatkan ketahanan operasional."
Cek Berita dan Artikel yang lain di
Google News
Viral! 18 Kampus ternama memberikan beasiswa full sampai lulus untuk S1 dan S2 di Beasiswa OSC. Info lebih lengkap klik : osc.medcom.id
