ชไนเดอร์ อิเล็คทริค และ AMD เปิดตัวสถาปัตยกรรมอ้างอิงสำหรับ AMD Helios

ชไนเดอร์ อิเล็คทริค (Schneider Electric) ร่วมมือกับ AMD เปิดตัวสถาปัตยกรรมอ้างอิงทางวิศวกรรมสำหรับแพลตฟอร์ม AMD Helios Rackscale Solution เพื่อรองรับการติดตั้งคลัสเตอร์ประมวลผลปัญญาประดิษฐ์ (AI) ความหนาแน่นสูง สถาปัตยกรรมอ้างอิงนี้ออกแบบมาเพื่อลดความซับซ้อนในการวางระบบไฟฟ้า ระบบทำความเย็น และโครงสร้างพื้นฐานดิจิทัลสำหรับดาต้าเซ็นเตอร์แบบ AI Factory

ข้อมูลทางเทคนิคและการรองรับกำลังไฟฟ้า
สถาปัตยกรรมอ้างอิงนี้ถูกพัฒนาขึ้นเพื่อรองรับตู้ AI Rack ที่ใช้กำลังไฟฟ้าสูงสุด 246 กิโลวัตต์ (kW) ต่อแร็ค และตู้ Support Rack สูงสุด 45 kW ต่อแร็ค สถาปัตยกรรมดังกล่าวสามารถขยายระบบแบบโมดูลาร์เพื่อรองรับ AI Cluster ขนาดใหญ่ โดยการติดตั้งในพื้นที่ใหม่ (Greenfield) สามารถรองรับความจุไอทีรวมได้สูงสุด 10.4 เมกะวัตต์ (MW) ขณะที่การปรับปรุงพื้นที่เดิม (Retrofit) รองรับความจุไอทีรวมได้ 6.15 MW บนมาตรฐานความน่าเชื่อถือระดับ Tier III

แพลตฟอร์ม AMD Helios Rackscale Solution ทำงานร่วมกับฮาร์ดแวร์ประมวลผลประกอบด้วย AMD Instinct™ MI455X GPUs, โปรเซสเซอร์ 6th Gen AMD EPYC™, การ์ดเชื่อมต่อเครือข่าย AMD Pensando™ Vulcano NICs และระบบซอฟต์แวร์แบบเปิด ROCm™ โดยการออกแบบสถาปัตยกรรมร่วมกันช่วยเพิ่มประสิทธิภาพด้านแบนด์วิดท์การเชื่อมต่อ ความจุหน่วยความจำ และการประมวลผลเวิร์กโหลด AI ขนาดใหญ่

ระบบทำความเย็นเหลวและประสิทธิภาพพลังงาน
สถาปัตยกรรมนี้ใช้เทคโนโลยีการระบายความร้อนด้วยของเหลว Motivair by Schneider Electric ผ่านเครื่องกระจายสารเย็น Liquid-to-Liquid Coolant Distribution Units (CDUs) รุ่น MCDU-70 ร่วมกับระบบทำความเย็นแบบผสมผสานระหว่างอากาศและของเหลว รวมถึง Adiabatic Dry Coolers ซึ่งสามารถดึงความร้อนออกจากระบบผ่านของเหลวได้สูงสุดถึง 84%

โครงสร้างพื้นฐานระบบไฟฟ้าใช้ระบบจ่ายไฟแบบกระจายความเสี่ยงร่วมกับระบบสำรองไฟ (UPS) รุ่น Galaxy VXL และ Galaxy VL การประเมินประสิทธิภาพพลังงานระบุว่าระบบสามารถบรรลุค่าประสิทธิภาพการใช้พลังงาน (PUE) รายปีเมื่อประมวลผลเต็ม 100% ที่ระดับต่ำสุดประมาณ 1.12 โดยมีค่า PUE ระหว่าง 1.121 ถึง 1.125 สำหรับการติดตั้งแบบ Greenfield และระหว่าง 1.133 ถึง 1.154 สำหรับการติดตั้งแบบ Retrofit ขึ้นอยู่กับสภาพอากาศของแต่ละพื้นที่

การจำลองระบบแบบดิจิทัลและการบริหารจัดการ
การออกแบบระบบไฟฟ้าและระบบความร้อนได้รับการตรวจสอบความถูกต้องล่วงหน้าผ่านเครื่องมือจำลอง ETAP และ EcoStruxure™ IT Design CFD ร่วมกับการใช้ Electrical Digital Twin เพื่อวิเคราะห์และบริหารจัดการประสิทธิภาพของโครงสร้างพื้นฐาน ด้านการติดตามตรวจสอบการทำงานและการจัดการในระดับปฏิบัติการได้รับการสนับสนุนจากแพลตฟอร์ม AVEVA Unified Operations Center

สถาปัตยกรรมอ้างอิงดังกล่าวครอบคลุมองค์ประกอบหลัก 4 ด้าน ได้แก่ ระบบไฟฟ้าของอาคาร ระบบทำความเย็นของอาคาร พื้นที่และโครงสร้างพื้นฐานด้านไอที และซอฟต์แวร์สำหรับการบริหารจัดการตลอดอายุการใช้งาน ทั้งนี้ สถาปัตยกรรมได้รับการรับรองตามมาตรฐาน ANSI สำหรับการใช้งานในสหรัฐอเมริกา และมีแผนขยายให้รองรับมาตรฐาน IEC สำหรับการติดตั้งทั่วโลก

มุมมองด้านวิศวกรรมจากผู้บริหาร
Manish Kumar ประธานบริหาร กลุ่มธุรกิจ Secure Power & Data Centers ของ ชไนเดอร์ อิเล็คทริค ระบุว่าองค์กรต่างๆ ต้องการสถาปัตยกรรมอ้างอิงเพื่อช่วยให้การปรับใช้ AI เป็นไปอย่างรวดเร็วและลดความเสี่ยง การออกแบบอ้างอิงนี้ช่วยเชื่อมประสานระหว่างแพลตฟอร์มประมวลผล AI ขั้นสูง เทคโนโลยีพลังงาน และการติดตั้งใช้งานดาต้าเซ็นเตอร์ในสภาพแวดล้อมจริง

Forrest Norrod ประธานบริหารและผู้จัดการทั่วไป กลุ่มธุรกิจ Data Center Solutions ของ AMD ระบุว่าโครงสร้างพื้นฐาน AI จำเป็นต้องมีการออกแบบระบบประมวลผล ระบบเครือข่าย ระบบไฟฟ้า และระบบทำความเย็นร่วมกันตั้งแต่เริ่มต้น โดยแพลตฟอร์ม AMD Helios มอบสถาปัตยกรรมระดับ Rackscale แบบเปิด และการร่วมมือกับชไนเดอร์ อิเล็คทริค ช่วยมอบแบบพิมพ์เขียวที่ผ่านการตรวจสอบความถูกต้องแล้วเพื่อเร่งการปรับใช้ระบบ AI ความหนาแน่นสูง

Additional Context
เนื้อหาในส่วนนี้รายละเอียดยืนยันข้อกำหนดทางเทคนิคที่ไม่ได้ระบุไว้ในข่าวประชาสัมพันธ์ต้นฉบับ

การประมวลผล AI ความหนาแน่นสูงในระดับ Rackscale ส่งผลให้ความหนาแน่นของกำลังไฟฟ้าต่อตู้แร็คพุ่งสูงขึ้นเกินกว่า 100 kW ถึง 200 kW+ ซึ่งเกินขีดความสามารถของระบบระบายความร้อนด้วยอากาศแบบดั้งเดิม (Air Cooling) การเปลี่ยนผ่านสู่นวัตกรรมระบายความร้อนด้วยของเหลว (Liquid Cooling) จึงมีความจำเป็นอย่างยิ่ง

หน่วยกระจายสารเย็น (Coolant Distribution Unit: CDU) ทำหน้าที่เป็นตัวแลกเปลี่ยนความร้อนแยกวนระหว่างลูปสารเย็นระดับตู้แร็ค (Secondary Loop) และลูปน้ำเย็นระดับอาคาร (Primary Loop) โดยควบคุมอัตราการไหล แรงดัน และอุณหภูมิของสารนำความร้อน เพื่อป้องกันการควบแน่นของหยดน้ำและการกัดกร่อนภายในท่อระบายความร้อนบนชิป (Direct-to-Chip Cold Plates)

นอกจากนี้ การออกแบบโครงสร้างพื้นฐานทางกายภาพยังใช้วิธีการจำลองการไหลของไหลด้วยคอมพิวเตอร์ (Computational Fluid Dynamics: CFD) และแบบจำลองดิจิทัลคู่แฝด (Digital Twin) เพื่อทำนายรูปแบบการกระจายความร้อน แรงดันไฟฟ้าตก (Voltage Drop) และความเสถียรของระบบไฟฟ้าภายใต้สภาวะโหลดสูงสุด ซึ่งช่วยให้การคำนวณค่าประสิทธิผลการใช้พลังงาน (Power Usage Effectiveness: PUE) มีความแม่นยำและช่วยลดความเสี่ยงในการดำเนินงานจริง

เรียบเรียงโดย Romila DSilva บรรณาธิการของ Induportals โดยได้รับความช่วยเหลือจาก AI