Ketika CEO Phaidra Jim Gao menjelaskan tentang agen AI yang dibangun oleh perusahaannya di Seattle untuk meningkatkan efisiensi pusat data, kita dapat membayangkan sekumpulan antek digital di belakang layar sedang bekerja.
Tugas mereka adalah menyempurnakan pengoperasian pusat data dengan fokus pada pendinginan perangkat elektronik — yang biasanya menyumbang 30% dari penggunaan energi suatu fasilitas, menempati peringkat kedua setelah daya yang dibutuhkan untuk operasi pemrosesan data. Mereka melacak suhu, voltase, putaran pompa, dan infrastruktur lainnya untuk memahami seberapa baik pusat tersebut beroperasi.
Agen AI perusahaan beroperasi secara mandiri dan berkembang melalui pembelajaran penguatan — mengamati hasil, beradaptasi, dan meningkatkan. Startup ini mengurangi penggunaan energi dari pendinginan sebesar 25% melalui teknologinya. Penghematan itu penting.
“Kita hidup di dunia yang terbatas pada listrik,” kata Gao, sambil menekankan bahwa pusat data dibangun dengan cepat untuk memenuhi kebutuhan AI, namun pasokan energi tidak dapat mengimbanginya. “Kemampuan perusahaan-perusahaan AI besar ini untuk menghasilkan pendapatan dibatasi oleh jumlah [electricity providing] elektron tersedia.”
Phaidra pekan lalu mengumumkan pendanaan baru senilai $50 juta dari investor termasuk Collaborative Fund, Helena, Index Ventures, Nvidia, Sony Innovation Fund, dan lainnya, sehingga total modalnya terkumpul menjadi $120 juta.
Karena operator teknologi besar dan pusat data berencana menghabiskan miliaran dolar di tahun-tahun mendatang untuk membangun fasilitas yang lebih intensif energi – atau “pabrik AI” sebagaimana Gao menyebutnya – dana tambahan tersebut akan membantu perusahaan rintisan tersebut mendorong teknologinya lebih jauh untuk melakukan penghematan energi yang lebih besar.
Area fokus yang muncul adalah mengoordinasikan agen AI untuk mengoptimalkan fungsi seluruh sistem.
Phaidra juga berupaya untuk melampaui infrastruktur pendingin untuk membantu mengelola alur kerja data yang masuk melalui pusat-pusat tersebut, yang dapat menciptakan lonjakan permintaan energi. Hal ini mengharuskan sistem untuk memiliki lebih banyak daya dibandingkan yang dibutuhkan pada umumnya, sehingga menurunkan puncak tersebut dapat menghasilkan penghematan yang signifikan.
Sebagai alternatif, fasilitas harus memanfaatkan waktu sepi untuk pekerjaan tertentu jika tersedia, kata Gao.
“Hal tersebut tidak terjadi saat ini karena sistem manajemen daya, pendinginan, dan beban kerja semuanya beroperasi secara independen satu sama lain, tanpa koordinasi, tanpa orkestrasi,” tambahnya. “Tetapi itulah masa depan yang kita lihat – pabrik AI yang jauh lebih efisien.”
TERKAIT: Phaidra mengumpulkan $50 juta untuk membantu pusat data AI ‘berjalan lebih cerdas, bukan hanya lebih keras’ dengan meningkatkan efisiensi energi
