Wie ein neuer Energieriese das weltweit größte KI-Supergebäude versorgt
Am 6. August hat die Envision Group in Ulanqab die 'Envision Ulanqab Xinghe Base' eingeweiht, die das weltweit größte KI-Supergebäude mit über 120.000 Quadratmetern und einer geplanten Kapazität von 2 Gigawatt beherbergt. Die Anlage integriert erneuerbare Energien, Speicherung, Stromverteilung und Kühlung, um stabile Energie für massive KI-Cluster bereitzustellen, was eine Verlagerung des Wettbewerbs von der Chipleistung hin zur Systemeffizienz verdeutlicht.
Envision Group, ein Unternehmen für neue Energien, hat in Ulanqab (China) die 'Envision Ulanqab Xinghe Base' gestartet, die das weltweit größte KI-Rechenzentrum in einem einzigen Gebäude umfasst. Es erstreckt sich über 120.000 Quadratmeter (entspricht 20 standardgemäßen Fußballfeldern) und hat eine geplante Gesamtkapazität von 2 Gigawatt (GW). Die Basis ist für den parallelen Betrieb von einer Million Karten und Rechenleistung im Petaflop-Bereich ausgelegt. Da KI-Cluster von zehntausend auf eine Million Karten skaliert werden, steigt der Stromverbrauch von Megawatt auf Gigawatt, wodurch die Stromversorgung zu einem kritischen Engpass wird. Ulanqab wurde wegen seiner reichen Wind- und Solarressourcen gewählt; 67% des Stroms stammen aus grünen Quellen. Envision nutzt das Wettermodell 'Tianji' für Vorhersagen, das Energiemodell 'Tianshu' für die Einsatzplanung und das IoT-Betriebssystem EnOS für die Ausführung. Dies schafft eine Echtzeit-Feedback-Schleife, um intermittierende erneuerbare Energie in stabile Stromversorgung umzuwandeln. Die Anlage verwendet eine Gleichstromversorgung mit 800 Volt (DC) mit SST und BESS, um Umwandlungsverluste zu reduzieren, und integriert Kühllösungen wie Luft- und Flüssigkeitskühlung. Envision behauptet, dass dieses System im Vergleich zu herkömmlichen Rechenzentren die zehnfache Rechenleistung pro Fläche erreicht. Envision plant, bis 2030 5 GW an grünen KI-Rechenzentren in Wüsten weltweit zu bauen, wobei die Xinghe-Basis der erste Schritt ist. Der Wettbewerb verlagert sich hin zu Effizienz auf Systemebene in Bezug auf Strom, Kühlung und Infrastruktur.
Quelle: QbitAI 量子位 —
Original