automazione-it.com
23
'26
Written on Modified on
Piattaforma software per la simulazione di data center AI da megawatt
AVEVA presenta un'infrastruttura digital twin integrata per ottimizzare alimentazione, raffreddamento ed efficienza dei carichi di lavoro nelle strutture hyperscale.
www.aveva.com

AVEVA sta implementando un progetto di simulazione digital twin end-to-end, sviluppato insieme a Schneider Electric, Nscale e Start Campus, per modellare e ottimizzare le operazioni dell'infrastruttura fisica AI. Basata su NVIDIA Omniverse DSX Blueprint, la piattaforma Immersive Twin integra modelli di alimentazione, raffreddamento ed elettrici con i requisiti dei carichi di lavoro AI per accelerare le implementazioni all'interno di ecosistemi di data center ad alta densità.
Implementazione e scalabilità in strutture hyperscale
La tecnologia di simulazione è implementata presso le operazioni di Nscale all'interno del data center SIN01, situato nel SINES Data Campus da 1,2 gigawatt in Portogallo. Sviluppata da Start Campus, la struttura è progettata per supportare l'elaborazione AI ad alta capacità e ospiterà oltre 66.000 unità di elaborazione grafica (GPU) NVIDIA Rubin. Creando un modello digitale unificato per un'implementazione di queste dimensioni, gli operatori possono valutare l'impatto termico ed elettrico dei cluster di calcolo ad alta densità prima di eseguire l'installazione dell'hardware fisico.
Integrazione dei dati operativi e meccaniche di simulazione
L'infrastruttura del digital twin sfrutta il framework OpenUSD per connettere i dati degli asset su piattaforme di AVEVA, ETAP, Schneider Electric e fornitori terzi. Il sistema acquisisce dati ingegneristici e operativi per generare simulazioni che coprono il comportamento dei processi, la distribuzione elettrica e i circuiti di raffreddamento a liquido. Questa capacità consente alle strutture di eseguire scenari esatti per le configurazioni hardware, come modellare il modo in cui un aumento della densità di potenza dei rack influisce sull'intera catena di alimentazione, riducendo i rischi di approvvigionamento e riducendo al minimo le modifiche all'infrastruttura fisica.
Efficienza dei carichi di lavoro e gestione del ciclo di vita
Per le piattaforme cloud AI come Nscale, allineare le prestazioni dell'infrastruttura fisica ai requisiti di calcolo influisce direttamente sull'efficienza di generazione dei token. La suite software di AVEVA, che include CONNECT, PI System, Unified Engineering e Asset Information Management, fornisce una visibilità continua sulle prestazioni degli asset. Visualizzando queste metriche tramite le applicazioni NVIDIA Omniverse, gli operatori gestiscono l'intero ciclo di vita di una "AI factory", passando dalla progettazione iniziale della struttura all'ottimizzazione operativa continua basata sui carichi termici ed elettrici attivi.
Contesto aggiuntivo
Questa sezione descrive in dettaglio le specifiche tecniche e l'analisi comparativa della concorrenza non incluse nell'annuncio originale del prodotto.
Nel settore della gestione dell'infrastruttura dei data center (DCIM) e della simulazione industriale basata sulla fisica, il portafoglio software di AVEVA compete con soluzioni come Siemens Xcelerator e il framework iTwin di Bentley Systems. Siemens utilizza le sue piattaforme Tecnomatix e Simcenter per fornire fluidodinamica computazionale (CFD) e modellazione termica per strutture ad alta densità. iTwin di Bentley si concentra fortemente sulla gestione strutturale e del ciclo di vita degli asset, ma spesso si affida a integrazioni di terze parti per un'analisi approfondita dei transitori elettrici.
Un elemento di differenziazione competitiva primario per l'ecosistema software di AVEVA, che lavora in combinazione con l'hardware Schneider Electric, è l'integrazione nativa con NVIDIA Omniverse DSX Blueprint. Questa architettura fornisce visualizzazione e simulazione 3D accelerate da GPU basate sullo standard OpenUSD, consentendo la modellazione sincrona sia dei circuiti di raffreddamento fisici sia degli output specifici dei carichi di lavoro IT, come l'efficienza di elaborazione dei token AI, che le piattaforme DCIM tradizionali in genere tracciano come silos di dati separati.
Edito da Aishwarya Mambet, redattrice di Induportals, con il supporto dell’IA.
www.aveva.com
Richiedi maggiori informazioni…

