Η στρατηγική συνεργασία έχει στόχο την άμεση υιοθέτηση λογισμικού ελέγχου ψύξης με Τεχνητή Νοημοσύνη (AI) για τον έλεγχο των συστημάτων ψύξης των data centers, επιτυγχάνοντας έως και 30% εξοικονόμηση ενέργειας και γρήγορη απόσβεση επένδυσης (ROI)
- Χάρη στη συνεργασία της ABB με την OctaiPipe, τα data centers μπορούν να μειώσουν την ενεργειακή κατανάλωση, να ενισχύσουν την ενεργειακή ασφάλεια και να βελτιώσουν την ανταγωνιστικότητά τους
- Η συμφωνία συνδυάζει την εμπειρία και την παγκόσμια εμβέλεια της ABB με την ασφαλή πλατφόρμα Τεχνητής Νοημοσύνης της OctaiPipe, βοηθώντας τις επιχειρήσεις να ανταποκριθούν σε κανονιστικές προκλήσεις καθώς και σε ζητήματα ασφάλειας και λειτουργικότητας.
Η ABB ανακοίνωσε ότι προχωρά σε στρατηγική επένδυση μέσω της ABB Motion Ventures στην OctaiPipe, μια βρετανική startup που αναπτύσσει λογισμικό με Τεχνητή Νοημοσύνη για τη βελτιστοποίηση των συστημάτων ψύξης σε data centers. Στόχος είναι να εξοπλίσει τα data centers με έξυπνα εργαλεία, τα οποία θα συμβάλλουν σημαντικά στην εξοικονόμηση ενέργειας, την ενίσχυση της λειτουργικής ανθεκτικότητας και την ικανοποίηση αυξανόμενων απαιτήσεων σε θέματα βιωσιμότητας και διαφάνειας. Βάσει της συμφωνίας, η ABB θα αποκτήσει μειοψηφικό πακέτο μετοχών στην OctaiPipe, ενώ η ολοκλήρωση της συναλλαγής υπόκειται στους συνήθεις όρους. Οι οικονομικές λεπτομέρειες της επένδυσης δεν έχουν δημοσιοποιηθεί.
Καθώς η παγκόσμια ζήτηση για χωρητικότητα σε data centers αναμένεται να αυξηθεί στο διάστημα 2023-20301 με ετήσιο ρυθμό από 19% έως 22%, η κατανάλωση ενέργειας θα αυξηθεί ραγδαία. Μάλιστα, η ψύξη αντιπροσωπεύει έως και το 40% της κατανάλωσης ηλεκτρικής ενέργειας μιας τυπικής εγκατάστασης 2. Η επένδυση της ABB στην OctaiPipe φέρνει μια σημαντική πρόοδο: Μια λύση Τεχνητής Νοημοσύνης που επιτρέπει έως και 30% εξοικονόμηση ενέργειας στα συστήματα ψύξης, με πολύ σύντομες περιόδους απόσβεσης και ταχεία ανάπτυξη, χωρίς την ανάγκη νέου εξοπλισμού.
Το 2024, τα data centers αντιπροσώπευαν περίπου 1,5% της παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας, με τις ΗΠΑ να κατέχουν το μεγαλύτερο μερίδιο αυτής με 45% 3 . Σχεδόν το ήμισυ της αύξησης της ζήτησης ηλεκτρικής ενέργειας έως το 2030 αναμένεται να προέλθει από τα data centers των ΗΠΑ.
Σχολιάζοντας την επένδυση, ο Eric Topham, CEO και συνιδρυτής της OctaiPipe, τόνισε: «Τα data centers είναι οι κινητήριοι μοχλοί της ψηφιακής οικονομίας, αλλά χωρίς ριζική καινοτομία το ενεργειακό τους αποτύπωμα δεν είναι βιώσιμο. Σκεφτείτε την ομοσπονδιακή πλατφόρμα μάθησης4 μας ως έναν μαέστρο, που προσαρμόζει έξυπνα την απόδοση του συστήματος ψύξης με βάση τις πραγματικές ανάγκες. Με αυτόν τον τρόπο, η λύση λογισμικού που βασίζεται στην Τεχνητή Νοημοσύνη παρέχει ασφαλή, συμβατή και εφαρμόσιμη βελτιστοποίηση. Συνεργαζόμενοι με την ABB, δεν περιοριζόμαστε απλώς στην αναβάθμιση της τεχνολογίας. Δίνουμε τη δυνατότητα στους χειριστές των data centers να εξασφαλίσουν το μέλλον της υποδομής τους και να ευδοκιμήσουν σε μια ταχέως εξελισσόμενη αγορά».
Από την πλευρά του ο Ankush Gulati, Energy Efficiency Program Lead της ABB Motion Services, πρόσθεσε: «Η ενεργειακή αποδοτικότητα είναι καθοριστική για να εξασφαλιστεί ότι οι βιομηχανίες μπορούν να γίνουν πιο αποδοτικές, παραγωγικές και βιώσιμες. Με την ενσωμάτωση της Τεχνητής Νοημοσύνης που αναπτύσσει η OctaiPipe, διευρύνουμε το χαρτοφυλάκιό μας με λογισμικό προηγμένων δυνατοτήτων, επιτρέποντας στα data centers να μειώσουν την κατανάλωση ενέργειας του εξοπλισμού ψύξης των υποδομών τους. Με την πρόβλεψη ότι το 2030 η οικονομία των ΗΠΑ θα καταναλώνει περισσότερη ηλεκτρική ενέργεια για την επεξεργασία δεδομένων παρά για την παραγωγή όλων των ενεργοβόρων προϊόντων συνολικά, έχουμε μία σημαντική ευκαιρία για να αφήσουμε θετικό αντίκτυπο».
Η λύση της OctaiPipe αξιοποιεί προηγμένες τεχνολογίες Τεχνητής Νοημοσύνης κλειστού κώδικα που έχουν αναπτυχθεί από την εταιρεία, συμπεριλαμβανομένης της ομοσπονδιακής Τεχνητής Νοημοσύνης (federated AI), της εκμάθησης ενίσχυσης πολλαπλών παραγόντων (multi-agent reinforcement learning) 5 και των ψηφιακών δίδυμων (digital twins), για την καλύτερη ρύθμιση της ψύξης. Έτσι, διασφαλίζει την ασφάλεια και τη συμμόρφωση με τους κανονισμούς. Η αρχιτεκτονική της, με προτεραιότητα στην προστασία των δεδομένων και τοπική εγκατάσταση (on-premise), έχει σχεδιαστεί για διαχειριστές data centers που επιδιώκουν απρόσκοπτη επεκτασιμότητα, παραμένοντας ταυτόχρονα επιφυλακτικοί απέναντι σε λύσεις που φιλοξενούνται στο cloud. Η συνεργασία υποστηρίζεται από ένα σταθερό σχέδιο δράσης, προσφέροντας στα data centers πολλαπλούς τρόπους για την αύξηση της αξιοπιστίας και τη βελτιστοποίηση της απόδοσης.
[4] Η ομοσπονδιακή μάθηση είναι ένα μοντέλο μηχανικής μάθησης που διευκολύνει την εκπαίδευση μοντέλων Τεχνητής Νοημοσύνης σε ένα δίκτυο αποκεντρωμένων συσκευών (ή διακομιστών). Αυτή η προσέγγιση επιτρέπει σε κάθε κόμβο να συμβάλλει στη διαδικασία μάθησης του μοντέλου χρησιμοποιώντας τα τοπικά δεδομένα του, χωρίς να χρειάζεται να ανταλλάξει ή να συγκεντρώσει αυτά τα δείγματα δεδομένων.
[5] Η ενισχυτική μάθηση είναι μια ισχυρή μορφή Τεχνητής Νοημοσύνης που μαθαίνει μέσω της ανάθεσης ενός στόχου με περιορισμούς. Η ενισχυτική μάθηση μαθαίνει δυναμικά προσαρμόζοντας τις ενέργειες με βάση τη συνεχή ανατροφοδότηση για να μεγιστοποιήσει την ανταμοιβή, βελτιώνοντας την απόδοση με την πάροδο του χρόνου.
