摘要

  • Park 认为 15–50 MW 的设施是最适合的目标，并指出较旧的 GPU 和 CPU 可以处理许多推理任务。
  • Pado 正瞄准中端市场托管业务，其软件可根据可用计算能力、电力和散热条件调度工作负载。

事实

传统数据中心能够处理更多的 AI 推理工作，而无需重建为高密度设施，Pado AI 创始人兼首席执行官 Wannie Park 向 ESG Dive 表示。Park 将传统站点描述为通常 100 MW 或更小，其中 15–50 MW 的设施最为匹配。他表示许多推理任务可以在较旧的 GPU 或传统 CPU 上运行，尽管较旧的冷却系统可能不如新建 AI 设施中的高效。

Pado 是一家能源编排软件公司，由 LG 电子北美创新中心 LG NOVA 提供支持。其软件协调电力、计算和散热，并可根据可用容量转移工作负载。这家公司于三月筹集了 600 万美元，以扩展至中端市场托管业务。ESG Dive 的采访未量化传统站点能够吸收多少 AI 需求，也未指明展示该方法的特定传统站点部署。

评估

实际问题不在于一个站点在抽象意义上是否“为 AI 做好准备”，而在于其硬件和冷却实际上能够支持哪些工作负载。Pado 的方法将工作负载放置视为利用更多现有设施的一种方式。运营商需要将作业与可用的计算、电力和散热余量相匹配，而不是简单地将所有 AI 工作导向新建的高密度站点。

目前尚不清楚的是，在传统设施中能够恢复多少可用容量，或者旧有冷却和电力系统需要多频繁的升级。ESG Dive 的采访未提供回答这些问题的部署数据。

对于 BTW 读者而言，机会在于有选择性地利用现有的供电容量。传统站点不会取代新的 AI 园区，但可能为运营商提供另一个运行合适推理工作负载的场所，同时将较新的高密度基础设施保留给旧有设施无法支持的任务。

关注要点

关注 Pado 或托管运营商发布传统站点部署信息，明确所使用的推理工作负载、现有硬件以及任何冷却或电力升级。编排前后的利用率、电力和散热数据将显示旧有设施是否能够在不进行重大改造的情况下承担更多 AI 工作。