• FlexSysAI e ResetData estão testando cargas de trabalho flexíveis de IA em um cluster Nvidia H200 em operação, com a CSIRO e a University of Queensland
  • O projeto-piloto examinará se trabalhos computacionais menos urgentes podem mudar de horário quando a rede elétrica estiver sob pressão, sem afetar cargas de trabalho importantes

O fato

A FlexSysAI iniciou um projeto-piloto na Austrália com a ResetData, a CSIRO e a University of Queensland para testar se a demanda de computação de IA pode responder às mudanças nas condições da rede elétrica.

A plataforma está sendo executada em um cluster Nvidia H200 na instalação AI-F1 da ResetData. Ela agrupa as cargas de trabalho conforme seu grau de flexibilidade, protegendo tarefas críticas e permitindo reduzir ou deslocar trabalhos de treinamento menos urgentes quando a rede está sob pressão. A CSIRO e a University of Queensland analisarão de forma independente os dados do teste.

A modelagem inicial da FlexSysAI sugere que as cargas de trabalho nas GPUs da ResetData poderiam ser ajustadas de 20% a 50% em questão de segundos após um sinal da rede elétrica. Esse número descreve mudanças nas cargas de trabalho computacionais, não uma redução medida de igual magnitude no consumo total de eletricidade da instalação.

Os parceiros afirmam que as redes elétricas ainda carecem de dados operacionais reais que mostrem com que confiabilidade as instalações de IA podem oferecer esse tipo de flexibilidade. O projeto-piloto pretende ajudar a preencher essa lacuna.

A avaliação

A ideia por trás do teste é simples: nem toda tarefa de IA precisa ser executada exatamente ao mesmo tempo. Se trabalhos menos urgentes puderem ser adiados ou deslocados quando a rede estiver sob pressão, um data center poderia reduzir parte de sua demanda e manter as tarefas importantes em execução.

A parte mais difícil é o que acontece depois. O trabalho pausado ainda precisa ser concluído; portanto, o teste precisa mostrar que deslocá-lo não provoca atrasos para os clientes nem simplesmente transfere um grande bloco de demanda de eletricidade para outro horário. É por isso que os pesquisadores estão analisando dados operacionais reais, em vez de depender apenas de modelagem.

Para os leitores da BTW, o que importa serão evidências que mostrem qual parcela da demanda pode realmente ser deslocada, com que rapidez a instalação pode responder e se as cargas de trabalho adiadas ainda são concluídas conforme esperado. Só então os operadores de rede poderão avaliar se a computação flexível de IA é útil para o planejamento da rede elétrica.

O que acompanhar

Acompanhe a publicação, pela CSIRO e pela University of Queensland, de resultados que mostrem qual parcela da carga de trabalho foi deslocada durante eventos de resposta da rede elétrica e o que ocorreu depois. Evidências de que os trabalhos adiados foram concluídos sem afetar o serviço representariam um teste mais robusto do que a modelagem atual por si só.