Zusammenfassung

  • Park sieht Anlagen mit 15–50 MW als stärkstes Ziel und sagt, dass ältere GPUs und CPUs viele Inferenzaufträge bewältigen können
  • Pado zielt mit einer Software, die Workloads entsprechend der verfügbaren Rechenleistung, Energie und Kühlung plant, auf Colocation im mittleren Marktsegment ab

Die Fakten

Bestandsrechenzentren könnten mehr KI-Inferenz bewältigen, ohne zu hochverdichteten Anlagen umgebaut werden zu müssen, erklärte Pado AI-Gründer und CEO Wannie Park gegenüber ESG Dive. Park beschrieb Bestandsstandorte als in der Regel 100 MW oder kleiner, wobei Anlagen mit 15–50 MW am besten geeignet seien. Viele Inferenzaufträge könnten auf älteren GPUs oder herkömmlichen CPUs ausgeführt werden, auch wenn ältere Kühlsysteme möglicherweise weniger effizient seien als die in neueren KI-Anlagen.

Pado ist ein Softwareunternehmen für Energieorchestrierung, das von LG NOVA, dem nordamerikanischen Innovationszentrum von LG Electronics, unterstützt wird. Die Software koordiniert Energie, Rechenleistung und Kühlung und kann Workloads je nach verfügbarer Kapazität verschieben. Das Unternehmen sammelte im März 6 Millionen US-Dollar ein, um in den mittleren Colocation-Markt zu expandieren. Das Interview von ESG Dive quantifizierte nicht, wie viel KI-Nachfrage Bestandsstandorte absorbieren könnten, und identifizierte kein konkretes Beispiel für einen Bestandsstandort, der diesen Ansatz demonstriert.

Die Bewertung

Die praktische Frage ist nicht, ob ein Standort abstrakt „KI-fähig“ ist, sondern welche Workloads seine Hardware und Kühlung tatsächlich unterstützen können. Pados Ansatz betrachtet die Platzierung von Workloads als Möglichkeit, bestehende Anlagen besser auszulasten. Betreiber müssten Aufträge auf verfügbare Rechenleistung, Energie und thermische Reserven abstimmen, anstatt alle KI-Arbeiten einfach an neue hochverdichtete Standorte zu lenken.

Noch unklar ist, wie viel nutzbare Kapazität in Bestandsanlagen zurückgewonnen werden kann oder wie häufig ältere Kühl- und Energiesysteme modernisiert werden müssten. Das Interview von ESG Dive liefert keine Einsatzdaten, die diese Fragen beantworten.

Für BTW-Leser besteht die Chance, vorhandene elektrische Kapazität selektiv zu nutzen. Bestandsstandorte ersetzen keine neuen KI-Campusse, aber sie könnten Betreibern einen weiteren Ort bieten, um geeignete Inferenz-Workloads auszuführen, während neuere, hochverdichtete Infrastruktur für Aufträge reserviert bleibt, die ältere Anlagen nicht bewältigen können.

Ausblick

Achten Sie darauf, ob Pado oder Colocation-Betreiber Einsatzbeispiele für Bestandsstandorte veröffentlichen, die die verwendeten Inferenz-Workloads, die vorhandene Hardware sowie etwaige Kühl- oder Energie-Upgrades benennen. Auslastungs-, Energie- und Wärmedaten vor und nach der Orchestrierung würden zeigen, ob ältere Anlagen mehr KI-Arbeit ohne größere Umbauten übernehmen können.