Google DeepMind AI 冷卻系統:人工智慧如何革新資料中心能源效率
Google DeepMind 透過 5 層深度學習、50 個節點、19 個輸入變數,在 184,435 個訓練樣本 (2 年資料) 上實現了 -40% 的資料中心冷卻能源 (但總消耗僅為 -4%,因為冷卻佔總消耗的 10%)-準確度 99.6%,PUE 1.1 的誤差為 0.4%。已在 3 個設施中確認:新加坡 (2016 年首次部署)、Eemshaven、Council Bluffs (50 億美元投資)。模型預測控制 (Model Predictive Control) 可同時管理 IT 負載、天氣、設備狀態,預測下一小時的溫度/壓力。安全性保證:雙層驗證,操作員可隨時停用 AI。關鍵限制:無審計公司/國家實驗室的獨立驗證,每個資料中心都需要客製化模型(8 年來從未商業化)。實施時間為 6-18 個月,需要跨領域團隊(資料科學、HVAC、設備管理)。適用範圍超越資料中心:工廠、醫院、購物中心、企業辦公室。2024-2025 年:Google 將 TPU v5p 轉換為直接液體冷卻,顯示 AI 最佳化的實際限制。