Пока внимание приковано к нейросетям, их реальная революция происходит в серверных — в стойках, в кабелях, в градирнях и блоках питания. Потому что без новых ЦОД не будет и нового ИИ.

Недавно совместно с коллегами из «ИКС» мы подготовили стратегический обзор: «Что такое ИИ-ЦОД?». В этой статье постараемся подсветить ключевые моменты, но, конечно, детальная информация доступна только в обзоре. 

ИИ как новая нагрузка на дата-центры

Искусственный интеллект уже сегодня влияет на привычную модель ИТ-инфраструктуры. Но в отличие от традиционных бизнес-приложений, ИИ-модели требуют не просто большего числа серверов — они меняют саму природу нагрузки.

По данным наших бывших коллег – Schneider Electric, в 2023 году ИИ-нагрузки потребляли 4,3 ГВт, что составило 8% от всей ИТ-мощности ЦОД. К 2028 году эта цифра может вырасти до 20 ГВт, или 20% от общего энергопотребления дата-центров.

Это означает не просто рост потребления, а необходимость перестроить всю инженерную базу: от систем электропитания до охлаждения и серверных шкафов.

Три вызова, которые ИИ ставит перед инфраструктурой

1. Электропитание: стойки как отдельные подстанции

Ранее типовая стойка потребляла 5–10 кВт. Сегодня стойки с 72 GPU могут потреблять до 130 кВт, а в перспективе — до 300+ кВт. Это накладывает серьёзные требования:

• Необходимость выделенных систем электропитания с учётом фазных пиков и скачков до 150%.

• Использование энергомодулей prefab с ИБП, распределительными щитами и средствами резервирования.

• Корректный подбор PDU с учётом токовых нагрузок по «банкам», а не только по номиналу.

2. Охлаждение: жидкость против воздуха

Воздушное охлаждение подходит для стойки мощностью до 25 кВт, в исключительных случаях — до 65 кВт. Но дальше — только жидкостное охлаждение, и чаще всего это:

• Прямое жидкостное охлаждение (ПЖО, DLC): жидкость подаётся прямо к теплоотводящим элементам GPU/CPU.

• Системы с CDU (Coolant Distribution Unit), обеспечивающие изоляцию контуров и надёжность охлаждения.

• В отдельных случаях — погружные системы (immersive), но они требуют соблюдения ряда ограничений.

Контактные ПЖО-системы становятся «золотым стандартом» для ИИ-кластеров.

3. Серверные шкафы: новые стандарты размеров и нагрузки

ИИ-серверы тяжелее, глубже и горячее обычных. Поэтому меняются и требования:

Системы жидкостного охлаждения требуют места для коллекторов и разводки, поэтому привычные стойки 600×1000×42U перестают быть универсальными.

География: не Москвой единой

ИИ-нагрузки можно размещать в регионах. Им не критична низкая задержка или близость к потребителю. Зато крайне важны:

• Наличие свободных энергетических мощностей.

• Потенциал локальной генерации — особенно вблизи газовой инфраструктуры.

• Возможность применения драйкулеров и ПЖО без использования холодильных машин.

Это делает возможным строительство ЦОД за пределами столиц — например, в Сибири, на Урале, в Поволжье.

Обучение — в облаке, инференс — в стойке

Не всем нужен собственный GPU-кластер. Обучение модели ИИ — крайне ресурсоёмкий и капиталоёмкий процесс. Один сервер на базе Nvidia H100 стоит сотни тысяч долларов. Полноценный кластер — миллионы.

Поэтому бизнес всё чаще использует GPUaaS — аренду ресурсов у провайдеров. В России таких компаний уже более десяти.

А вот инференс ИИ, напротив, может быть эффективно организован на локальных серверах — с типовой мощностью стойки 10–15 кВт.

Что важно при проектировании ИИ-ЦОД?

• Аудит существующего объекта: способен ли ЦОД выдержать нагрузки, требуемые ИИ?

• Оценка ИТ-нагрузки: объём, характер, тип охлаждения.

• Моделирование и цифровой двойник: просчитать сценарии масштабирования заранее.

• Гибкость: сегодня — 40 кВт, завтра — 130+. Архитектура должна позволять рост.

Вместо вывода

ИИ диктует новые правила: больше мощности, выше плотность, другой подход к охлаждению. Те дата-центры, которые будут спроектированы «по старым лекалам», уже через пару лет рискуют оказаться устаревшими.

Будущее ЦОД — это не просто новые стойки. Это новые электросети, новые фальшполы, новые инженерные решения.

Именно они станут основой цифровой экономики, построенной на базе ИИ.