Google, Nvidia ve Anthropic'ten Emerald AI şebeke ittifakına destek: Veri merkezi kapasitesini açmak için yeni adım

Şebeke kısıtlı AI için yeni bir koalisyon

TechCrunch'a göre, şebeke yazılımı alanında unicorn olan Emerald AI, Google ve Nvidia ile birlikte AI Energy Management Alliance'ı (AEMA) kurdu. Kurucu üçlüye Anthropic de katıldı; AES, Constellation, National Grid ve NRG Energy gibi elektrik şirketleri de ittifakta yer alıyor. Grubun amacı, talep yanıtı — bir tesisin elektrik tüketimini geçici olarak azaltma — yöntemini, veri merkezlerinin planlanması ve işletilmesinin standart bir parçası haline getirmek.

AEMA'ya göre, zamana duyarlı olmayan işleri askıya almak ve hesaplamayı şebekenin boş kapasitesi olan yerlere taşımak, mevcut altyapıda 100 gigavatlık ek veri merkezi kapasitesi açabilir.

Talep yanıtı: Yeni amaçlanan eski bir fikir

Talep yanıtı, elektrik şirketlerinin on yıllardır kullandığı bir uygulamadır. Şebekeler yoğun yükleri karşılayacak şekilde kurulur; bu da yılın büyük bölümünde talebin, ağın taşıyabileceği kapasitenin oldukça altında kaldığı anlamına gelir. Elektrik şirketleri geleneksel olarak fabrikalar gibi büyük tüketicilere, yoğun dönemlerde tüketimi azaltmaları karşılığında — genellikle üretimi durdurarak veya yedek güce geçerek — cömert ücretlerle ödeme yapmıştır.

Veri merkezleri de bu tür programlara zaten katılıyor; ancak TechCrunch'ın belirttiği gibi bunu genellikle yedek jeneratörleri çalıştırarak yapıyorlar. Emerald AI'ın ortadan kaldırmak istediği, dizel yakarak çalışan bu geçici çözüm. Şirketin yazılımı, elektrik şirketleri ile veri merkezleri arasında yer alarak şebeke taleplerini koordine ediyor; böylece bir tesis, kritik olmayan iş yüklerini duraklatabiliyor ya da işleri, boş kapasitesi bulunan bölgelerdeki diğer veri merkezlerine aktarabiliyor.

Enerji teknolojisinin rekabetçi bir köşesi

Emerald AI bu alanda yalnız değil. Google, esnek veri merkezi güç kullanımı için kendi araçlarını geliştiriyor; Enel X ise tesislerin talep tepe noktalarını kesmek için kesintisiz güç kaynaklarına yaslanmasına izin veriyor. Geçen yıl yayımlanan bir Goldman Sachs çalışması, bir veri merkezinin çektiği gücü birkaç saatliğine azami kapasitesinin yüzde 90'ında tutmanın 76 gigavat kapasite açabileceğini tahmin ediyor.

TechCrunch'a göre Emerald AI'ın avantajı, yazılımının elektrik şirketlerini doğrudan veri merkezlerine bağlıyor olması. Bu doğrudan bağlantı sayesinde tesisler, saniyeler içinde şebeke sinyallerine yanıt verebiliyor; talep yanıtı programlarının başlangıçta tasarlandığı yavaş döngülü endüstriyel yüklerden çok, bataryalara benzer şekilde davranıyorlar.

Şirketin arkasında ayrıca yeni sermaye de var: Emerald AI, Energize Capital ve DCVC liderliğindeki bir Series A turunda yakın zamanda 150 milyon dolar topladı; bu fon, daha geniş bir yaygınlaşmayı destekleyebilir. Talep yanıtının kendisinin ötesinde AEMA, teknoloji şirketlerinin ve elektrik şirketlerinin veri merkezi için yeni yerler bulmasına da yardımcı olacağını söylüyor — iki taraf için de zor olduğu kanıtlanmış bir arayış bu.

Neden önemli

AI iş yükleri hem güç açlığı hem de olağan dışı esnekliğe sahip. Eğitim çalışmaları ve toplu çıkarım (batch inference) genellikle kullanıcıların fark etmeden birkaç saatliğine duraklatılabiliyor veya başka bir yere taşınabiliyor; bu da veri merkezlerini talep yanıtı için doğal bir aday haline getiriyor — tartışmalı biçimde, modelin icat edildiği fabrikalardan daha uygun bir aday. Esnek tüketim yeni tesisler için birinci sınıf bir tasarım ilkesi haline gelirse, şebekeler yeni santrallerin ve iletim hatlarının devreye girmesi için yıllarca beklemeden önemli ölçüde daha fazla AI hesaplamasını kaldırabilir.

Ancak bu yaklaşım her derde deva değil. Emerald AI'ın baş bilim insanı Ayse Coskun, TechCrunch'a şirketin teknolojisinin sektörün yeni üretim kapasitesine olan iştahını tamamen ortadan kaldırmadan azaltabileceğini söyledi. Talep yanıtı yükü zaman ve mekân içinde yeniden dağıtır; enerji yaratmaz. Vaat edilen 100 gigavatın gerçekte ne kadarının hayata geçeceği; elektrik şirketlerinin, düzenleyicilerin ve hyperscaler'ların köklü alışkanlıklarını değiştirmesine ve iş yüklerinin bölgeler arasında aktarılmasının pratikte kâğıt üzerinde göründüğü kadar sorunsuz olup olmadığına bağlı olacak.