HPE 首席技术专家减少 AI 基础设施排放的五点计划
快速阅读: 《容量介质》消息，惠普企业可持续转型CTO约翰·弗雷强调，人工智能发展带来的高能耗需从初期规划解决。他提出通过提高设备、能源、资源、软件及数据效率的五大杠杆优化可持续性，特别指出编程语言选择对降低计算能耗的重要性。弗雷呼吁企业从设计之初就注重效率，而非事后弥补。
人工智能的快速发展正在重塑全球数字基础设施，同时导致机架密度大幅上升。然而，伴随硬件需求的增长，能源需求也增加了十倍，引发了关于可持续性的重大问题。惠普企业（HPE）可持续转型首席技术官约翰·弗雷博士认为，解决这一矛盾的关键在于从一开始就做好准备。
“大多数公司试图在流程后期附加可持续性措施，”弗雷告诉《容量》杂志，“但在人工智能领域，我们实际上有机会从第一天开始就做到正确。”这是他花费二十多年时间不断完善的见解。自25年前创立HPE可持续转型项目以来，弗雷与数千个组织合作，将效率融入IT系统之中。随着人工智能以出乎意料的方式扩大基础设施需求，他认为现在正是采取行动的时候。
### 在选择硅片之前思考战略
在决定部署哪种处理器之前，弗雷警告说，许多组织将人工智能视为孤立的试验，常常划定预算界限并绕过传统规划和投资回报率评估。“全球只有大约10%的人工智能项目最终进入生产阶段，”他引用福布斯的一项研究指出，“而且只有三分之一的项目制定了企业范围的效率策略。难怪这么多项目停滞不前。”
他认为解决方案在于全栈思维：从硬件选择到应用设计，再到数据中心冷却和互连。“仅仅优化一层已经不够了，必须是整个系统。”相反，他概述了过去二十年来惠普企业所采用的方法：可持续IT的五个杠杆。
### 惠普方法的核心：五个杠杆
在惠普方法的核心是一个框架，弗雷称之为五个杠杆——一套效率原则，旨在适用于任何技术堆栈，包括人工智能工作负载。每个杠杆针对基础设施拼图的不同层次，从原始计算到长期存储习惯。
#### 设备效率
弗雷的第一个杠杆专注于充分利用你已经拥有的硬件。在大多数企业环境中，服务器利用率仍然顽固地保持在较低水平，在虚拟化设置中约为30%，而在非虚拟化情况下接近10%。这些未使用的容量仍然消耗电力、产生热量并占用空间。“我们仍然看到一些组织购买新设备，而没有充分利用现有资源，”他说，“如果你在一个拥有64核的服务器上只运行一个使用一个CPU核心的应用程序，那么你就在浪费大部分可用的计算能力。”
#### 能源效率
除了利用率之外，弗雷指出空闲能耗是另一个主要盲点。节能功能，如低功耗状态或自动休眠功能，默认情况下通常被禁用，要么是为了性能原因，要么出于谨慎考虑。“有些客户会立即关闭这些设置，”他说，“但如果利用率已经很低，你只是让设备无谓地发热。”
#### 资源效率
冷却和电源转换是任何数据中心的主要成本和能源消耗。弗雷指出，电源经常需要多次转换，降低电压，从交流电转换为直流电再转回，才能到达计算机。“每个转换步骤都会带来损耗，”他说，“同样，低效的冷却设置尤其如此，特别是如果它们没有根据工作负载密度进行调整。你只是在浪费能量来移动空气。”
#### 软件效率
第四个杠杆超越硬件，进入应用程序层。编程语言在所需计算和内存方面差异很大。弗雷强调像Rust和C++这样的编译型语言因其高效性而脱颖而出，部分原因是它们是编译的而不是解释的，而像Python这样的高级语言虽然流行，但可能显著更耗费资源。“我们并不是说要重写所有内容为Rust，”他澄清道，“但如果正在构建新东西或刷新应用程序，选择更高效的编程语言确实会产生影响。这不仅仅是关于可持续性——也是性能。”
他还引用了绿色软件基金会提出的软件碳强度（SCI）指标作为组织量化软件排放的有用工具。
#### 数据效率
最后，弗雷警告所谓的“数据囤积”——收集和保存大量信息却缺乏明确的目的或策略的趋势。“许多公司存储用户要求的所有内容，以防万一，”他说，“但其中大部分数据从未被使用过。它占用了存储空间，消耗了电力，并使合规性变得复杂。”
相反，HPE鼓励组织制定明确的数据策略：决定收集什么、频率如何、保留多久以及实际需要什么格式。对于很少访问的存档，即使是简单的将数据转移到磁带这样不需要主动能源的措施也能带来显著节省。
### 为什么编程语言选择重要：被忽视的杠杆
在五个杠杆中，软件效率可能是最被低估的。但据弗雷称，它可能是最强大的。“人们在考虑可持续性时往往关注硬件，”他说，“但低效的软件同样容易浪费计算、能源和存储。”
这种低效表现在多个方面——臃肿的应用程序、不匹配的工作负载以及缺乏对实际运行内容的可见性。弗雷提到，许多企业环境仍然托管着无人使用的应用程序，只是因为没有人确定是否可以关闭它们。“通常后台运行着一堆孤儿应用程序，占用资源，”他说，“我们与客户合作，列出仍在使用的内容，哪些可以重新托管、退役或重写。这只是基础工作，但效果很快显现。”
然后还有代码本身的问题。弗雷指出，学术研究表明编程语言之间的主要能源差异。像Rust和C++这样的编译型语言通常表现更好，比Python或Java等解释型语言使用更少的内存和消耗更少的电力。“如果你用更高效的编程语言如Rust重写所有全球应用程序，一些研究表明这可能会减少高达50%的总计算能源使用。即使这个估计过于乐观，其规模也是显而易见的。”
虽然他并不提倡替换遗留应用程序，但弗雷建议设定公司范围内的编程语言默认值，并教育开发人员了解他们的选择对可持续性的影响。“首先选择一种更高效的编程语言作为新项目的默认选项，”他说，“然后，当需要重构或替换系统时，你已经朝着正确的方向迈出了一步。”
HPE还建议客户采用软件碳强度（SCI）评分——绿色软件基金会提出的一个指标，用于跟踪和比较软件能源性能。
### 为什么监控仍不足
虽然选择合适的服务器或软件可以实现可持续性收益，但弗雷也指出了可见性作为限制因素，特别是在混合或混合环境中。“你无法优化无法测量的东西，”他说，“而现在，数据并不总是出现在需要的地方。”
许多组织仍然依赖于报告设备级能耗而非应用级能耗的工具，这使得很难理解哪些工作负载驱动了消耗，尤其是在虚拟化或容器化环境中，最终限制了软件级优化的潜力。缺乏标准化、跨平台的监控加剧了这个问题。公共云、本地部署、边缘和托管环境通常使用独立的报告系统，而工具通常针对特定硬件供应商进行了优化。
为了向前迈进，弗雷表示，组织需要集成解决方案，将IT分析与楼宇管理系统（BMS）、DCIM平台和热能再利用数据结合在一起，形成单一的消费和影响视角。“我们鼓励客户超越合规性报告，建立实时、全面的洞察，”他补充道，“这就是下一步节约将来自的地方。”
### 可持续性不是事后才考虑的事情
弗雷的结束语在整个对话中回响：效率不能在后期附加。无论是软件设计、数据策略、工作负载可见性，还是物理基础设施本身，可持续的结果都取决于早期且有意识的选择。“我们已经知道什么是有效的，”他说，“现在的机会是从第一天开始设计效率，而不是事后尝试修补。”
“人工智能为我们提供了新的起点。让我们不要错失良机。”
(以上内容均由Ai生成)
